AI-инженер PRO: программа из 5 курсов — от промпта до прода ★ 0.000

Что это

«AI-инженер PRO» — это не пять курсов рядом, а одна лестница. Все курсы программы идут на едином сквозном домене (ИИ-поддержка магазина ShopDB), на одном языке (Python, ядро — стандартная библиотека) и с единым форматом автопроверки, поэтому проект растёт вместе с вами от первого промпта до прод-сервиса в Docker, а не собирается заново на каждом курсе.

Этот курс — витрина программы: здесь порядок прохождения, состав и условия. Учебные материалы находятся в пяти курсах ниже.

Порядок прохождения

Проходите курсы строго в этом порядке — каждый следующий опирается на предыдущий:

1. Курс 1. Промпт-инжиниринг для разработчиков — промпты как код: схемы, structured output, регрессионные тесты, защита от инъекций. 8 модулей · 27 уроков · 267 шагов · 130 задач · ~15–20 ч
2. Курс 2. AI-агенты на Python: инженерный курс — ReAct руками, инструменты, память, граф состояний, мультиагентность, MCP-клиент, надёжность, наблюдаемость. 10 модулей · 47 уроков · 396 шагов · 155 задач · ~25–35 ч
3. Курс 3. RAG на Python: чат-бот по своим данным — chunking, embeddings, pgvector, гибридный поиск с reranking, метрики качества. 9 модулей · 40 уроков · 330 шагов · 125 задач · ~25–30 ч
4. Курс 4. MCP на практике: инструменты для ИИ-агентов — свой MCP-сервер и клиент по стандарту, безопасность, HITL. 6 модулей · 22 урока · 187 шагов · 62 задачи · ~12–15 ч
5. Курс 5. LLM-приложения на FastAPI: от прототипа до прода — прод-сервис в Docker: стриминг, отказоустойчивость, бюджеты токенов, тесты. 9 модулей · 37 уроков · 359 шагов · 149 задач · ~25–30 ч

Курс 1 задаёт общий язык программы: со второго курса вы уже говорите про схемы и structured output, а не изобретаете их по ходу агентного цикла. Курс 2 — ядро программы: агент как паттерн, на который дальше навешиваются знания (курс 3) и внешние инструменты (курс 4). Курсы 3 и 4 после ядра взаимозаменяемы по порядку — если вам срочнее поиск по своим данным, начните с RAG. Курс 5 всегда последний: он превращает собранное в сервис со стримингом, тестами и Docker-образом.

Начать можно бесплатно: курс «ИИ-агенты и LLM на Python: первое погружение» (208 шагов, 72 задачи) — верх воронки, в программу не входит и даёт карту пути. В каждом платном курсе первый модуль и первый практический урок тоже открыты.

Чему вы научитесь

• проектировать промпты как код: схемы, structured output, регрессия, защита от инъекций
• писать агентный цикл ReAct руками, без фреймворка — и понимать, что внутри
• подключать инструменты через function calling: схемы, валидация, обработка ошибок
• управлять памятью и контекстом агента, когда диалог не влезает в окно
• строить граф состояний с ветвлением и human-in-the-loop
• собирать RAG с измеренным качеством: chunking, pgvector, гибридный поиск, reranking, метрики
• публиковать свои инструменты по протоколу MCP — сервер и клиент
• делать LLM-приложение надёжным: лимиты, ретраи, fallback, бюджеты токенов
• выводить сервис в прод: FastAPI, стриминг, Docker, тесты, наблюдаемость
• измерять качество агента на бенчмарке траекторий, а не «на глаз»

Программа в цифрах

• 5 курсов · 42 модуля · 173 урока · 1 539 шагов
• 621 задача на код с автоматической проверкой прямо в браузере
• 23 локальные лабы с живой моделью — там, где автопроверка невозможна в принципе
• ~102–130 учебных часов; при темпе 3 занятия в неделю по 40 минут — около 6–7 месяцев
• 5 капстоунов = 5 артефактов в портфолио

Что вы соберёте

• Курс 1 — библиотеку промптов с JSON-схемами и регрессионным набором тестов.
• Курс 2 — автономного агента поддержки со скрытыми trajectory-тестами и бенчмарк-отчётом.
• Курс 3 — чат-бота по своим данным с замеренными precision@k и eval-отчётом.
• Курс 4 — MCP-сервер и клиент, подключаемые к любому агенту по стандарту.
• Курс 5 — LLM-сервис на FastAPI в Docker: стриминг, ретраи, fallback, тесты.
• Вместе это одна связная история проекта для резюме и собеседования, а не пять разрозненных учебных поделок.

Как устроено обучение

Это тренажёр, а не набор видеолекций. Лекции короткие и текстовые, с разобранными примерами, а основная работа — 621 задача на код, которая проверяется автоматически по схеме generate/solve/check.

В проверке LLM заменена детерминированным моком, поэтому задачи решаются без API-ключа, VPN и зарубежной карты — это честно заявлено в первом модуле каждого курса. Живую модель вы попробуете в 23 локальных лабах на своём компьютере со своим ключом.

Везде действует принцип «сначала руками, потом фреймворк»: ReAct-цикл, RAG-пайплайн и JSON-RPC MCP вы сперва пишете на чистом Python и только затем видите фреймворк как словарь готовых паттернов. Принципы вынесены в ядро курсов, а версии, цены и UI — в отдельные обновляемые уроки, поэтому смена версии SDK не обнуляет материал.

Отдельными уроками разобран российский стек: агент на GigaChat / YandexGPT / Ollama, RU-эмбеддинги, OAuth-refresh GigaChat — с практикой и автопроверкой, а не упоминанием.

Стоимость

По отдельности пять курсов стоят 12 450 ₽. Пакетом «AI-инженер PRO» — 7 990 ₽, выгода 4 460 ₽. Доступ к каждому курсу бессрочный, включая будущие обновления. Сертификат выдаётся по каждому курсу отдельно при наборе проходного балла.