Содержание курса
14
разделов
102
урока
обн. 23 августа 2026
Модуль 0 - Инженерная база
8 уроков
1.
0.1. Python для ИИ-инженера
↗
2.
0.2. Библиотеки работы с данными. NumPy и Pandas
↗
3.
0.3. Визуализация и инженерная практика Python
↗
4.
0.4. Базы данных. Модели и назначение
↗
5.
0.5. SQL за один урок
↗
6.
0.6. Линейная алгебра в объёме эмбеддингов
↗
7.
0.7. Вероятность и статистика в объёме решений
↗
8.
0.8. Классическое машинное обучение. Карта за один урок
↗
Модуль 1 - Основы ИИ-архитектуры
6 уроков
1.
01. Что такое система ИИ и кто такой её архитектор
↗
2.
02. Анатомия ИИ-системы. Эталонная семислойная модель
↗
3.
03. Карта технологий и рынка на август 2026
↗
4.
04. Экономика ИИ-системы
↗
5.
05. Каталог архитектурных паттернов и антипаттернов
↗
6.
06. Сквозной кейс курса. Постановка
↗
Модуль 2 - Право и регулирование ИИ
5 уроков
1.
07. Правовое поле ИТ и ИИ в России до 243-ФЗ
↗
2.
08. 243-ФЗ. Предмет, понятия и принципы
↗
3.
09. 243-ФЗ. Государство и статус модели
↗
4.
10. 243-ФЗ. Разработчик, маркировка и права на результаты
↗
5.
11. 243-ФЗ. Ответственность, сроки и что делать архитектору
↗
Модуль 3 - Данные и знания
8 уроков
1.
12. Архитектура данных для ИИ-систем
↗
2.
13. Потоковый и пакетный контуры
↗
3.
14. Происхождение и правовой статус данных
↗
4.
15. Качество данных и контракты
↗
5.
16. Персональные и чувствительные данные в ИИ-контуре
↗
6.
17. Разметка и синтетические данные
↗
7.
18. Векторные хранилища и индексы
↗
8.
19. Графы знаний, каталог и управление данными
↗
Модуль 4 - Архитектура моделей
8 уроков
1.
20. Трансформер глазами архитектора
↗
2.
21. Токенизация, контекст и KV-кеш. Откуда берётся стоимость
↗
3.
22. Не только плотные LLM
↗
4.
23. Мультимодальность
↗
5.
24. Рассуждающие модели и вычисления на инференсе
↗
6.
25. Малые модели, дистилляция, каскады и маршрутизация
↗
7.
26. Эмбеддинги, реранкеры и классический ML в 2026 году
↗
8.
27. Выбор модели как архитектурное решение
↗
Модуль 5 - Адаптация моделей
7 уроков
1.
28. Лестница адаптации
↗
2.
29. Промпт как инженерный артефакт
↗
3.
30. Контекстная инженерия
↗
4.
31. Структурированный вывод и надёжность формата
↗
5.
32. Дообучение. SFT и PEFT
↗
6.
33. Выравнивание и ценностная настройка
↗
7.
34. Сжатие модели как архитектурное решение
↗
Модуль 6 - RAG и память
9 уроков
1.
35. Почему наивный RAG не работает
↗
2.
36. Парсинг и подготовка документов
↗
3.
37. Стратегии разбиения и обогащения
↗
4.
38. Индексация и обновление
↗
5.
39. Поиск и преобразование запроса
↗
6.
40. Ранжирование, отбор и разрешение конфликтов
↗
7.
41. Продвинутые схемы извлечения
↗
8.
42. Память системы
↗
9.
43. Оценка и экономика знаниевого контура
↗
Модуль 7 - ИИ-агенты
10 уроков
1.
44. Что такое агент и шкала автономии
↗
2.
45. Проектирование инструментов
↗
3.
46. MCP и экосистема подключений
↗
4.
47. Планирование и декомпозиция
↗
5.
48. Рефлексия, самопроверка и восстановление после ошибок
↗
6.
49. Мультиагентные топологии
↗
7.
50. Оркестрация долгоживущих процессов
↗
8.
51. Человек в контуре
↗
9.
52. Песочницы и изоляция исполнения
↗
10.
53. Бюджеты, лимиты и контроль стоимости
↗
Модуль 8 - Инференс и инфраструктура
9 уроков
1.
54. Как обслуживается модель
↗
2.
55. Память, KV-кеш и ускорение декодирования
↗
3.
56. Целевые показатели инференса и их проектирование
↗
4.
57. Вычислительная инфраструктура и планирование мощности
↗
5.
58. Оркестрация ИИ-нагрузок
↗
6.
59. Шлюз ИИ
↗
7.
60. Отказоустойчивость и деградация
↗
8.
61. Гибридное и суверенное размещение
↗
9.
62. FinOps для ИИ
↗
Модуль 9 - Оценка и наблюдаемость
8 уроков
1.
63. Почему привычные метрики не работают
↗
2.
64. Проектирование эталонного набора
↗
3.
65. Метрики - детерминированные, семантические, пользовательские
↗
4.
66. Модель как судья
↗
5.
67. Оценка многошаговых и агентных систем
↗
6.
68. Наблюдаемость
↗
7.
69. Онлайн-эксперименты
↗
8.
70. Дрейф, регрессии и тихая деградация
↗
Модуль 10 - Безопасность и надежность
9 уроков
1.
71. Модель угроз ИИ-системы
↗
2.
72. Внедрение в промпт
↗
3.
73. Атаки на модель и данные
↗
4.
74. Безопасность цепочки поставок
↗
5.
75. Ограждения - архитектура контроля
↗
6.
76. Приватность и защита персональных данных
↗
7.
77. Маркировка и происхождение контента
↗
8.
78. Надёжность и ограничение радиуса поражения
↗
9.
79. Красные команды и управление инцидентами
↗
Модуль 11 - Жизненный цикл ИИ
6 уроков
1.
80. Жизненный цикл ИИ-системы
↗
2.
81. Воспроизводимость и реестры
↗
3.
82. Документация как обязательство
↗
4.
83. Конвейер поставки
↗
5.
84. Управление сменой модели
↗
6.
85. Команда, роли и AI-native разработка
↗
Модуль 12 - Архитектурная практика
6 уроков
1.
86. Сбор требований к ИИ-системе
↗
2.
87. Документирование решений
↗
3.
88. Нотации и схемы
↗
4.
89. От PoC к промышленной эксплуатации
↗
5.
90. Референсные архитектуры по отраслям
↗
6.
91. Разбор провалов
↗
Модуль 13 - Будущее ИИ
3 урока
1.
92. Что меняется в ближайшие два года
↗
2.
93. Как оставаться в курсе
↗
3.
94. Итоги курса. Двенадцать правил и результат сквозного кейса
↗