Чему вы научитесь
- После курса вы сможете спроектировать ИИ-систему целиком — и обосновать каждое ключевое архитектурное решение.
- переводить бизнес-задачи в архитектурные требования и измеримые критерии;
- выбирать модели, RAG, память, агентов и способы адаптации без привязки к конкретному вендору;
- проектировать данные, знания, инференс и вычислительную инфраструктуру;
- рассчитывать и управлять качеством, задержкой и стоимостью;
- строить оценку, наблюдаемость, безопасность и отказоустойчивость;
- доводить систему от PoC до промышленной эксплуатации;
- учитывать правовые и регуляторные требования России, включая 243-ФЗ;
- принимать архитектурные решения, которые можно проверить, измерить и защитить.
О курсе
Для кого этот курс
Начальные требования
Курс не для начинающих. Перед началом желательно уверенно ориентироваться в базовых технологиях разработки и ИИ.
Вам потребуется:
- уверенно читать и писать код на Python, работать с основными структурами данных;
- понимать базовые принципы машинного обучения, нейросетей и LLM;
- иметь представление о базах данных, SQL и API;
- понимать основные принципы работы современных программных систем.
Глубокие знания ML, математики или разработки нейросетей не требуются. Курс посвящён прежде всего архитектуре: тому, как соединять модели, данные, знания, инструменты и инфраструктуру в полноценную ИИ-систему.
Если какие-то темы из базовой подготовки забылись — первый модуль курса помогает быстро восстановить необходимый инженерный фундамент.
Преподаватели курса
1 297
Как проходит обучение
Обучение проходит в формате самостоятельного изучения материалов, схем и практических заданий. Курс построен последовательно: от инженерной базы и принципов архитектуры — к данным, моделям, RAG, агентам, инфраструктуре, оценке, безопасности и промышленной эксплуатации.
Главная особенность — единый сквозной кейс. По мере прохождения курса вы не просто изучаете отдельные технологии, а последовательно принимаете архитектурные решения и развиваете одну ИИ-систему от постановки задачи до итоговой архитектуры.
Каждый урок связывает теорию с практикой: постановка → архитектурный разбор → решение для сквозного кейса → переносимый вывод → задание.
Что вы получите
- После курса вы сможете:
- видеть ИИ-систему целиком — понимать взаимосвязь данных, моделей, знаний, агентов, инфраструктуры и контура доверия;
- проектировать RAG и агентные системы, включая поиск, память, инструменты, MCP, оркестрацию и человек в контуре;
- выбирать модели и архитектурные решения на основе требований к качеству, задержке, стоимости и ограничениям;
- проектировать эксплуатационный контур — инференс, масштабирование, отказоустойчивость, наблюдаемость и FinOps;
- строить систему оценки и измерять качество, производительность и деградацию ИИ-систем;
- закладывать безопасность, приватность и надёжность в архитектуру, а не добавлять их после разработки;
- учитывать правовые требования России, включая 243-ФЗ, при проектировании ИИ-систем;
- пройти полный архитектурный цикл на сквозном кейсе — от постановки задачи до итоговой архитектуры.