Сколько стоит курс «AI-инженер PRO: программа из 5 курсов — от промпта до прода»?

Стоимость курса составляет 7900.00 рублей

Какой рейтинг у курса «AI-инженер PRO: программа из 5 курсов — от промпта до прода»?

Курс имеет рейтинг 0.0 из 5 на основе 0 отзывов. На курсе обучается 10 учеников.

Где можно пройти курс «AI-инженер PRO: программа из 5 курсов — от промпта до прода»?

Курс доступен на образовательной платформе Stepik по адресу stepik.org/course/295000.

Курс на Stepik

Обложка курса «AI-инженер PRO: программа из 5 курсов — от промпта до прода» на Stepik

7 900 ₽

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

Name: AI-инженер PRO: программа из 5 курсов — от промпта до прода
Price: 7900.00 RUB
Availability: InStock
Rating: 0 (0 reviews)

Открыть на
STEPIK.ORG

Программа из пяти курсов, закрывающая профессию AI-инженера целиком: промпты как код, агенты руками, RAG с измеренным качеством, MCP-инструменты и LLM-сервис на FastAPI в проде. 621 задача на код с автопроверкой в браузере — без API-ключа, VPN и зарубежной карты. В финале — пять артефактов в портфолио.

Показатель	Текущие показатели		Рост
Показатель	Значение	🏆 Рейтинг	3 дн	7 дн	30 дн
Учеников на курсе	10
Сертификатов выдано	0
Отзывов получено	0
Рейтинг курса	0.000
Курсов в пакете	5	—	—	—	—
Количество уроков	173
Количество квизов	484
Количество задач с кодом	621
Время прохождения курса	0 ч.	—
Стоимость курса	7 900 ₽	—
Обновления курса	—	—
Дата публикации курса	2 месяца назад	—	—	—	—
Последнее обновление	23 июля 2026	—	—	—	—

Содержание пакета (5 курсов)

Курсы в пакете «AI-инженер PRO: программа из 5 курсов — от промпта до прода»

5 курсов Уроки в курсе «AI-инженер PRO: программа из 5 курсов — от промпта до прода»

173 урока Тесты в курсе «AI-инженер PRO: программа из 5 курсов — от промпта до прода»

484 теста Задачи в курсе «AI-инженер PRO: программа из 5 курсов — от промпта до прода»

621 задача Время прохождения курса «AI-инженер PRO: программа из 5 курсов — от промпта до прода»

0 ч.

1. AI-агенты на Python с нуля: ReAct, tools, память, MCP

126

155

О курсе

2 урока

1. О курсе ↗

2. Расскажи о себе ↗

Агент как паттерн

5 уроков

1. Первый агентный цикл ↗

2. Workflow vs agent: словарь паттернов ↗

3. Планирование и декомпозиция ↗

4. Классический ReAct: Thought → Action → Observation ↗

5. Сквозной проект v0 + итоги M2 ↗

Инструменты

6 уроков

1. Схема инструмента: интерфейс для модели ↗

2. Валидация аргументов ↗

3. Ошибки исполнения: исключение → наблюдение ↗

4. Параллельные вызовы инструментов ↗

5. Retrieval как инструмент агента → мост №7 ↗

6. Практикум: инструменты ↗

Память

5 уроков

1. Краткосрочная память: история в запросе ↗

2. Скользящее окно и обрезка истории ↗

3. Суммаризация: компакция истории ↗

4. Долгосрочная память: sqlite3 ↗

5. Практикум: память ↗

Граф состояний

5 уроков

1. Состояние агента и узлы ↗

2. Условные переходы: router (practice-first) ↗

3. Циклы и guard-ы (+HITL) ↗

4. Паттерн → реализация: концепции LangGraph ↗

5. Практикум: граф агента поддержки v1 + mid-course ↗

Мультиагентность

4 урока

1. Роли: два специалиста ↗

2. Супервизор и оркестрация ↗

3. Когда мультиагент не нужен ↗

4. Мини-практикум + cumulative M6 ↗

MCP-клиент

4 урока

1. Зачем агенту MCP ↗

2. Адаптер: MCP-tools в реестре агента ↗

3. Готовый MCP-сервер в твоём агенте → мост №8 ↗

4. Сквозной проект v3 + cumulative M7 ↗

Надёжность

6 уроков

1. Зацикливание и лимиты ↗

2. Ретраи и таймауты ↗

3. Fallback-модели и лестница деградации ↗

4. Бюджет токенов и стоимость ↗

5. ♻️ RU-стек: агент на GigaChat / YandexGPT / Ollama ↗

6. Практикум: надёжный агент + cumulative M8 ↗

Наблюдаемость

5 уроков

1. Лог шагов агента ↗

2. Трейс: читаем путь агента ↗

3. Отладка цепочек: спаны и каталог симптомов ↗

4. Практикум: наблюдаемый агент + cumulative M9 ↗

5. Метрика качества агента: бенчмарк траекторий → мост к капстоуну ↗

Капстоун

5 уроков

1. ТЗ и мини-бенчмарк траекторий ↗

2. Сборка 1: ядро — триаж и маршрутизация ↗

3. Сборка 2: память, надёжность, трейс, бенчмарк-харнесс ↗

4. Зачёт: скрытые тесты + 🖥️-финал ↗

5. Разбор, интервью-мост, финальный мост ↗

2. LLM-приложения на FastAPI: от прототипа до прода

118

149

О курсе

2 урока

1. О курсе ↗

2. Расскажи о себе ↗

Архитектура LLM-сервиса

4 урока

1. Из скрипта — в сервис ↗

2. Провайдер-абстракция: свой тонкий клиент ↗

3. Конфигурация и секреты ↗

4. Практикум M2: каркас сервиса ↗

Эндпоинты чата

4 урока

1. FastAPI-минимум: POST /chat ↗

2. Схемы и валидация ↗

3. Диалог и история: Conversation и Message ↗

4. Практикум M3: эндпоинты и схемы ↗

Стриминг

4 урока

1. Канонический stream-контракт ↗

2. SSE: поток поверх HTTP ↗

3. WebSocket и выбор транспорта ↗

4. Практикум M4: стриминг под ошибками ↗

Асинхронность и устойчивость

5 уроков

1. Async: не быстрее, а свободнее ↗

2. Очереди и фоновые задачи ↗

3. Rate limiting ↗

4. Ретраи с backoff и circuit breaker ↗

5. Практикум M5: устойчивый шлюз ↗

Кэширование и стоимость

4 урока

1. Токены и деньги: usage и бюджеты ↗

2. Кэш ответов и идемпотентность ↗

3. Семантический кэш и prompt caching — концепты ↗

4. Практикум M6: экономика сервиса ↗

Структурированный вывод

4 урока

1. Схема как контракт: валидация LLM-ответа ↗

2. Retry невалидного вывода ↗

3. Structured output в эндпоинте ↗

4. Практикум M7: жёсткие контракты ↗

Наблюдаемость и тесты

4 урока

1. Корреляционные ID и формат лога ↗

2. Метрики: TTFT vs total latency ↗

3. Тесты с мок-LLM и контрактные тесты ↗

4. Практикум M8: сервис под наблюдением ↗

Капстоун

6 уроков

1. ТЗ: сервис поддержки ShopDB ↗

2. Сборка I: ядро чата ↗

3. Сборка II: прод-слой ↗

4. RU-стек: GigaChat и OAuth-refresh ↗

5. Docker и 🖥️-финал «оживи сервис» ↗

6. Разбор и мост: куда дальше ↗

3. MCP на Python: свой сервер инструментов для ИИ-агентов

0 ч.

О курсе

2 урока

1. О курсе ↗

2. Расскажи о себе ↗

Зачем стандарт: N×M → M+N

2 урока

1. Проблема N×M и первое сообщение протокола ↗

2. Архитектура: host, client, server и три примитива ↗

Свой MCP-сервер

5 уроков

1. Хендшейк: initialize → initialized ↗

2. Формы ошибок и диспетчер v1 ↗

3. tools/list и tools/call: инструменты магазина ↗

4. resources и prompts + полный диспетчер ↗

5. Практикум: сервер ShopDB целиком ↗

Транспорты и жизненный цикл

5 уроков

1. stdio: протокол по строкам ↗

2. Streamable HTTP и выбор транспорта ↗

3. Версии, capabilities и structured tool outputs ↗

4. Elicitation и sampling: запросы в обратную сторону ↗

5. Практикум M4 + cumulative ↗

Безопасность

3 урока

1. Модель угроз: чему доверяет хост ↗

2. Prompt injection через инструменты ↗

3. Чек-лист безопасности + cumulative M5 ↗

Капстоун: сервер к shopdb-БД

5 уроков

1. ТЗ и сборка: сервер поверх shopdb-БД ↗

2. Сдача: скрытые тесты + агент из №6 ↗

3. 🖥️-финал: реальный клиент + Разбор ↗

4. Ревизия спеки 2026-07-28: stateless, Tasks — что меняется ↗

5. Финальный мост (A→B→C) ↗

4. RAG на Python: чат-бот по своим данным с pgvector

113

125

О курсе

2 урока

1. О курсе ↗

2. Расскажи о себе ↗

Зачем RAG: от «всё в промпт» к пайплайну

4 урока

1. Почему не запихнуть всё в промпт ↗

2. Архитектура пайплайна: два контура ↗

3. RAG vs fine-tuning vs длинный контекст ↗

4. Корпус курса: 12 документов ShopDB и QA-набор ↗

Подготовка данных и chunking

5 уроков

1. Загрузка и очистка: из файлов в Document ↗

2. Chunking по размеру: fixed-size и overlap ↗

3. Структурный chunking: по абзацам и заголовкам ↗

4. Измерение качества чанков ↗

5. Практикум: подготовка корпуса (interleaved) ↗

Embeddings и косинусная близость

4 урока

1. Смысл как вектор ↗

2. Игрушечные embeddings: механика руками ↗

3. Выбор embedding-модели и RU-embeddings (обновляемый) ↗

4. Практикум: вектора и близость (interleaved) ↗

Векторное хранилище: pgvector

5 уроков

1. Зачем хранилище: от списков к БД ↗

2. Поиск по векторам в SQL: оператор <=> ↗

3. Лаба: pgvector своими руками ↗

4. Метаданные в хранилище: фильтры (+ индексы обзорно) ↗

5. Альтернативы (обзор) + мини-практикум хранилища ↗

Retrieval: точность выдачи и обработка запроса

5 уроков

1. Top-k и пороги: сколько и что отдавать в контекст ↗

2. MMR: разнообразие вместо дублей ↗

3. Фильтры по метаданным при retrieval ↗

4. Query-обработка: rewriting и multi-query ↗

5. Практикум: retrieval под контролем (interleaved) ↗

Гибридный поиск и reranking

5 уроков

1. Когда вектора промахиваются: BM25 руками ↗

2. RRF: слияние ранжирований ↗

3. Reranking: top-50 → top-5 ↗

4. Сборка гибридного пайплайна + цитирование ↗

5. Практикум: гибрид под нагрузкой вопросов (interleaved) ↗

Оценка качества и безопасность контекста

6 уроков

1. Retrieval-метрики: precision@k и recall@k ↗

2. Grounding: faithfulness-overlap ↗

3. Эксперименты: сравниваем конфигурации пайплайна ↗

4. Санитизация RAG-контекста: injection через документы ↗

5. SQL-RAG: когда ответ лежит в таблицах — обзор БЕЗ практики ↗

6. GraphRAG: когда связи важнее близости — обзор БЕЗ практики ↗

Капстоун: чат-бот по базе знаний ShopDB

4 урока

1. ТЗ: поддержка-бот от загрузки до CLI ↗

2. Сборка ядра (скрытые таблицы кейсов, строгий маркер) ↗

3. Финал: скрытые тесты + финал-лаба + артефакт ↗

4. Разбор и «Куда дальше» — финальный мост A->B->C ↗

5. Промпт-инжиниринг для разработчиков: промпты как код

130

О курсе

2 урока

1. О курсе ↗

2. Расскажи о себе ↗

LLM — вероятностная машина

3 урока

1. Промпт — это программа: первый вызов и первая галочка ↗

2. Токены = деньги ↗

3. Анатомия промпта: роли, история, параметры вызова ↗

Базовые техники

4 урока

1. Zero-shot vs few-shot ↗

2. Декомпозиция и цепочки промптов ↗

3. Chain-of-thought — и когда он вреден ↗

4. Практикум: техники вперемешку ↗

Структурированный вывод

4 урока

1. От прозы к JSON ↗

2. Схема: опиши и провалидируй ↗

3. Пайплайн извлечения: письма → тикеты ↗

4. Практикум: структурированный вывод ↗

Function calling

3 урока

1. Схема инструмента — интерфейс для модели ↗

2. Разбор tool_calls: arguments — это строка ↗

3. Мини-практикум + mid-course чек-ин ↗

Тестирование промптов

3 урока

1. Eval-набор: промпт как код с тестами ↗

2. Регрессия: не сломай то, что работало ↗

3. RU-стек: промптишь GigaChat и YandexGPT ↗

Защита: prompt injection

3 урока

1. Инъекция: инструкции в данных ↗

2. Слои защиты ↗

3. Практикум: защита + всё старое ↗

Context engineering и капстоун

5 уроков

1. Бюджет токенов ↗

2. Curation и порядок: статика — вперёд ↗

3. Компакция истории ↗

4. Капстоун: promptlib — промпты как код с регрессионным прогоном ↗

5. Разбор, 🖥️-финал и куда дальше ↗