Складчина: новые складчины на курсы и тренинги

​

Научим разрабатывать и внедрять в бизнес решения на основе ИИ, которые будут сокращать расходы и ускорять процессы в несколько раз!

Кто такой промт-инженер?
Промт-инженер разбирается в бизнес-процессах компаний, разработке IT-продуктов и нейросетях. Используя эту совокупность навыков, он может создавать для бизнеса решения на базе ИИ, которые позволят в десятки раз ускорить процессы и сократить расходы, а также он понимает какой стэк инструментов оптимально использовать для той или иной задачи и на чем можно сэкономить.
Навыки промт-инженера находятся в большом дефиците по сравнению с растущим спросом на рынке.
Поскольку эра ИИ только стартовала, лишь единичные специалисты уже владеют нужной совокупностью навыков промт-инженера.

Твои результаты после обучения:

• Освоишь мультимодальные нейросети и LLM
  Разберёшься, как работают модели для текста, аудио, видео и изображений. Научишься подбирать архитектуру под любую задачу бизнеса, использовать такие инструменты, как GPT, Perplexity, GigaChat, Gemini и другие.
  
  
• Станешь мастером продвинутого промптинга
  Будешь проектировать промпты для сложных сценариев, использовать техники промптинга, оптимизировать токены и параметры генерации, работать с форматами JSON и структурировать сложные запросы для нейросетей.

• Разработаешь и интегрируешь кастомных ИИ-ассистентов
  Освоишь создание собственных асcистентов — от чат-ботов до сценариев на базе LangChain, n8n и других платформ, подключая их к CRM, облачным сервисам и внешним системам.

• Соберёшь портфель готовых AI-продуктов
  Построишь MVP: Telegram-ботов, помощников для генерации контента и озвучки, онлайн-консультантов и др. Реализуешь кейсы для портфолио и подготовки к работе с бизнесом.
  
  
• Спроектируешь надёжную data-инфраструктуру
  Научишься готовить и обезличивать датасеты, хранить и обрабатывать данные для RAG-систем, векторных хранилищ, оптимизировать работу с конфиденциальными данными.

• Развернёшь и оптимизируешь LLM локально и в облаке
  Используешь Hugging Face, Ollama, Yandex Cloud, Google Cloud для подготовки, дообучения и масштабирования моделей, снижая стоимость и настраивая мультиагентные сценарии.
  
  
• Станешь востребованным промпт-инженером
  Получишь навык аудита AI-проектов, поймёшь как вести переговоры и реализовывать кейсы для фриланса и бизнеса. Сможешь уверенно презентовать свои решения, вести портфолио и искать заказы.

Программа

• Предобучение
• Модуль 1. Основы промт-инжиниринга
• Модуль 2. Стратегии и техники промт-инженеринга
• Модуль 3. No-code и API-интеграции
• Модуль 4.Мультимодальные модели и расширенные форматы генерации
• Модуль 5. Ассистенты с памятью: базы знаний, RAG и Relevance
• Модуль 6. Разработка и масштабирование ИИ-решений: от MVP к продакшену
• Модуль 7. LangChain и LangFlow: агенты и цепочки
• Модуль 8. Итоговый проект
• Бизнес-модули
  - Карьера на фрилансе
  - Карьера в бизнесе

Программа постоянно трансформируется, актуализируется и дополняется

Спойлер: Программа Курса:

Модуль 1. Основы промт-инжиниринга
Модуль формирует общее представление о профессии промпт-инженера, ключевых понятиях и инструментах, используемых в работе внедрения ИИ.

Основные темы:

• Промпт-инженер: кто он и чем занимается?
• Что такое LLM? Ошибки LLM и как с ними работать
• Документация как ключевой инструмент
• Рабочее окружение промпт-инженера
• Практика: твой первый мини-ассистент

Результат модуля:

• Сможете определить роль и задачи промпт-инженера в современной компании, научитесь отличать промпт-инженера от смежных специалистов
• Освоите правила создания эффективных промптов и напишете свой первый промпт
• Научитесь работать с основными инструментами: ChatGPT, Playground, Perplexity, Gemini, Yandex GPT, GigaChat, API-документацией и другими

Модуль 2. Стратегии и техники промт-инженеринга
Модуль учит создавать эффективные запросы к ИИ, понимать структуру промптов, работать с различными техниками и форматами. Оттачиваем практику и учимся говорить с нейросетью «на одном языке».

Основные темы:

• Техники промптинга
• Практика: ассистент в Playground
• Оптимизация стоимости и скорости
• API: как обращаться к модели напрямую
• Проект: персональный помощник через API

Результат модуля:

• Научитесь применять базовые и продвинутые техники промпт-инжиниринга
• Сможете структурировать промпты и использовать различные форматы, включая JSON
• Освоите оптимизацию промптов для повышения качества ответов и снижения затрат
• Создадите собственного ИИ-ассистента с управлением параметрами генерации
• Научитесь работать с API языковых моделей

Модуль 3. No-code и API-интеграции
Модуль знакомит с основами no-code-подхода и интеграциями через API, учит собирать простые ИИ-сценарии без программирования, использовать инструменты автоматизации и подключать языковые модели к внешним сервисам, а также создавать полезных ИИ-ассистентов.

Основные темы:

• Зачем нужен no-code для ИИ: как собрать MVP на основе ИИ?
• Интеграции с ИИ: как передать данные в LLM
• Создание сценариев с ИИ в n8n
• Развёртывание ИИ-ассистента на сервере
• Кейсы: создание ИИ-ассистента, создание MVP-ассистента на базе GPT и GigaChat
• Привязка CRM к ИИ-сценариям: автоматизация клиентских процессов

Результат модуля:

• Сможете строить автоматизированные цепочки без написания кода с помощью n8n, EMD Cloud, Albato
• Научитесь интегрировать ИИ в CRM, таблицы и другие бизнес-инструменты
• Создадите MVP-ассистентов для решения реальных бизнес-задач
• Освоите подключение API языковых моделей к no-code платформам
• Реализуете практические кейсы автоматизации с использованием ИИ

Модуль 4. Мультимодальные модели и расширенные форматы генерации
Модуль знакомит с возможностями работы ИИ с не только текстовыми, но и визуальными, аудио- и табличными данными. Обучает использованию мультимодальных моделей для анализа изображений, генерации видео, озвучки, распознавания речи и построения визуальных ассистентов.

Основные темы:

• Что такое мультимодальность и зачем она бизнесу
• Текст, звук, изображения и видео: генерация, распознавание и анализ
• Практика: визуальный или голосовой MVP
• Вайбкодинг: введение в Cursor AI
• Мультимодальность + вайбкодинг: расширенные сценарии
• Кейсы: мультимодальные ассистенты

Результат модуля:

• Научитесь работать с мультимодальными моделями, обрабатывающими текст, изображения и аудио
• Сможете анализировать изображения, распознавать речь и генерировать аудио и видео
• Освоите low-code разработку с использованием Cursor AI и вайбкодинга
• Создадите мультимодальных ИИ-ассистентов для комплексных задач

Модуль 5. Ассистенты с памятью: базы знаний, RAG и Relevance
Модуль научит создавать ИИ-ассистентов, которые используют внешние знания и контекст пользователя: от поиска по базе данных до построения ответов на основе документов, заметок, инструкций. Освоят архитектуру Retrieval-Augmented Generation (RAG) и инструменты Relevance.

Основные темы:

• Что такое RAG: как ИИ ищет, а не запоминает
• Инструменты хранения знаний
• Подготовка и очистка данных для RAG
• RAG в no-code: интеграции с внешними базами
• Оценка качества RAG
• Оптимизация и масштабирование RAG
• Безопасность и доступы
• Кейсы: создание ассистента с контекстной памятью, ассистент по документации или базе знаний

Результат модуля:

• Научитесь создавать ассистентов с памятью на основе Retrieval-Augmented Generation (RAG)
• Сможете подключать внешние базы знаний и документы к ИИ-системам
• Освоите работу с векторными базами данных и контекстным поиском
• Научитесь бороться с галлюцинациями и оценивать качество ответов
• Создадите умного ассистента, способного отвечать на основе вашей документации

Модуль 6. Разработка и масштабирование ИИ-решений: от MVP к продакшену
Модуль научит превращать ИИ-прототипы в рабочие продукты: от масштабирования промптов до развёртывания моделей локально и в облаке, дообучения и передачи в команду.

Основные темы:

• Как масштабировать промпт: от персонального к командному
• Интерфейсы: как подключить Telegram, формы, виджеты
• Логирование и отладка; A/B тесты, гипотезы, оценка качества решений
• Документация и handoff: передача в команду
• Введение в локальное и облачное развертывание
• Fine-tuning LLM и специализированных моделей. Обзор методов дообучения.
• Практическое дообучение с помощью облачных инструментов

Результат модуля:

• Сможете масштабировать MVP до production-решения с использованием облачных платформ
• Научитесь развёртывать модели локально (Ollama) и в облаке (Yandex Cloud, Google Cloud)
• Освоите fine-tuning для адаптации моделей под специфические задачи
• Реализуете логирование, отладку и A/B тестирование ИИ-систем
• Передадите готовое решение в команду с полной документацией и инструкциями

Модуль 7. LangChain и LangFlow: агенты и цепочки
Модуль научит использовать LangChain и LangFlow для построения сложных цепочек и агентов: от ноукод-MVP до полноценного приложения.

Основные темы:

• Введение в LangСhain
• LangFlow: быстрый старт
• Кейс: MVP-проект в LangFlow
• LangChain для разработчиков: базовые агенты
• LangChain: расширенные сценарии
• Обертка и интерфейс: FastAPI + Telegram/Web

Результат модуля:

• Научитесь использовать LangChain для создания цепочек, агентов и систем с памятью
• Сможете разрабатывать ноукод и кодовые решения на LangFlow и FastAPI
• Создадите ИИ-агентов с доступом к внешним инструментам и API
• Обернёте агентов в API и подключите к Telegram или веб-интерфейсам
• Реализуете сложные сценарии автоматизации с использованием архитектуры LangChain

Модуль 8. Итоговый проект
Модуль научит собирать полноценное решение с использованием ИИ — от постановки задачи и до презентации. Каждый студент проходит весь цикл: формулировка цели, создания технического задания, выбор архитектуры, сборку сценария, подключение интерфейсов и защиту проекта.

Основные темы:

• Формулировка задачи. Разработка технического задания
• Выбор стека разработки
• Сбор данных и подготовка промптов
• Оценка стоимости
• Выпускной проект

Результат модуля:

• Сможете самостоятельно сформулировать задачу и выбрать архитектуру ИИ-решения
• Научитесь собирать и готовить данные для промптов и систем
• Оцените стоимость и ресурсы, необходимые для реализации проекта
• Соберёте, протестируете и защитите полноценное ИИ-решение
• Пройдёте полный цикл разработки — от идеи до внедрения

Бизнес-модули

Карьера на фрилансе
Выходим на рынок и берём первые базовые заказы.
Подготовка к устройству в компанию и фриланс.
Доп. кейсы для портфолио и подготовка работы с задачами внутри компании.

Результат:

• Первые сильные кейсы, отражающие навыки студента для быстрого нахождения заказов
• Полностью оформленное резюме и GitHub‑портфолио;
• Стратегии поиска вакансий и заказов;
• Навыки прохождения HR‑собеседований и технических интервью;
• Готовность презентовать свои кейсы работодателям и заказчикам. Находим первые платные заказы!

Карьера в бизнесе
Учимся делать и работать с более дорогими заказами и крупным бизнесом.
Внедрение AI в бизнес. Навыки общения с более крупными заказчиками и умение внедрять проекты
в собственный бизнес
Больше кейсов для дорогого портфолио

Результат:

• Сможешь внедрять крупные AI проекты в бизнес-процессы от первого контакта с заказчиком до передачи готового решения
• Опыт аудита компаний и подготовки ТЗ на языке бизнеса
• Научишься презентовать MVP и управлять юр. рисками с российскими и зарубежными заказчиками
• Портфолио дорогих и серьезных кейсов для разных сфер
• Навык продажи консалтинговых услуг с чеком от 1 млн

Бонус курсы:

Нейросети для жизни
Программа
Модуль №1. Нейросети для жизни и повседневных задач
Модуль №2. Креативные изображения с помощью нейросетей
Модуль №3. Создание видео, музыки и анимации с использованием ИИ
Стоимость 40900 руб.

Вайб-кодинг и автономные агенты
Это метод программирования с помощью искусственного интеллекта. Вместо того чтобы писать код вручную, разработчик просто описывает задачу на обычном разговорном языке, указывает, что должна делать программа. Искусственный интеллект «понимает» это описание и сам пишет подходящий код.
Такой подход позволяет создавать IT-решения даже тем, кто не разбирается в программировании, ведь главное — чётко сформулировать идею, а техническую часть создаст ИИ.
За 4 недели ты создашь 12 собственных AI-ассистентов и мини-сервисов без ручного написания кода, используя только текстовые команды и визуальные инструменты.
Стоимость 34900 руб.

Тариф Вип
Модули 1−8
Доступ к модулю "Карьера на фрилансе"
Доступ к модулю «Карьера в бизнесе»
Предобучение Python и Нейросети
QA-сессии
Шаблоны резюме, портфолио, договоров и ТЗ для оказания услуг

Цена 220000 руб

​

Как за пару вечеров разложить по полочкам брокер, без которого не проходят собесы в сильную компанию, и перестать писать в ТЗ "отправляем события в Kafka".

• Живой стенд, который остается у вас
• готовый шаблон ТЗ на интеграцию
• Ни одной строчки кода и без DevOps

Этот воркшоп для вас, если...

• «Понимаю, что Kafka надо знать, но не понимаю, с чего начать»
  Открываешь статью, а там конфиги брокера и код на Java. Видишь большой объем и закрываешь статью вообще.
• «Боюсь, что на собесе скопируют глубже определения, и я поплыву»
  Один уточняющий вопрос про ключ или гарантии доставки, и будет неловкая пауза.
• «Пишу в ТЗ общие слова, потому что не знаю, какие детали указывать»
  Разработчики сделают, как поняли сами. А виноватым потом окажетесь вы.
• «Не понимаю, где заканчивается моя зона и начинается зона разработчика»
  Кажется, что придется создавать топики и партиции. Спойлер: не придется.
• «Стыдно спрашивать у разработчика базовые вещи»
  Вдруг решат, что я не тяну на свой грейд. Лучше промолчу.
• «Вижу Kafka в вакансиях и понимаю, что это мой пробел»
  Отлик отправлен, а внутри неприятное чувство и неуверенность.

Весь контент по Kafka написан разработчиками для разработчиков. Вас учат настраивать брокер, который вы никогда не будете настраивать, и писать код, который вы никогда не будете писать. А то, что реально нужно аналитику, не объясняет почти никто.

Вы наверняка уже пробовали разобраться и вот почему не получалось...

• Статьи и бесплатные видео
  Их пишут разработчики для разработчиков. Конфиги брокера, код на Java, устройство кластера. После десятой статьи вы знаете слова «оффсет» и «репликация», но объяснить своими словами по-прежнему не можете. И главное, так и не понимаете, что из этого писать в ТЗ.
• Обзорные вебинары и подкасты для аналитиков
  Уже теплее: там говорят на вашем языке, но это 40 минут теоретического обзора. Вы получаете общее представление и шаблоны, а дальше остаетесь один с реальной задачей, где нужно решить: сколько партий, какой ключ, какие гарантии, нужен ли DLQ, и самое главное — какой спроектировать контракт обмена данными.
• Корпоративные воркшопы по брокерам
  Там действительно глубоко, но это группа от семи человек по расписанию компании. И то, не все компании в 2026 году готовы вкладываться в подобные корпоративные воркшопы

Кому подойдет воркшоп?

• У вас в задачах уже есть Kafka, но каждый раз приходится гуглить заново и уточнять у разработчиков очевидные вещи.
  Итог: Заберете структуру, что и в каком порядке описывать в ТЗ, чтобы вопросов к вам не было.
• Аналитику, который Kafka в задачах пока не видел, тема есть в требованиях вакансий и в разговорах команды, но подступиться не получалось.
  Итог: Разберете с нуля и перестанете выпадать из обсуждений архитектуры.
• Тому, кто готовится к собеседованиям. Брокеры — это один из блоков, где чаще всего копают глубже определения.
  Итог: После воркшопа вы отвечаете не заученной формулировкой, а объясняете, почему в вашем кейсе выбрана Kafka и с какими параметрами.
• Бизнес-аналитику и смежным ролям, кто идет в системный анализ. Интеграции — это та часть, которая отличает БА от СА.
  Итог: Kafka закрывает заметный кусок этого разрыва, а код для этого не нужен.
• Новичку в профессии. Начинать с Kafka не рано.
  Итог: Разобравшись с ней на входе, вы не будете обходить стороной интеграционные задачи, на которых спотыкается большинство джунов и даже мидлов.

1. 
   
   Спойлер: Программа обучения:

   [*]Docker, стенд и зачем вообще нужен брокер
   Docker и Docker Compose с нуля
   Разворачиваем стенд одной командой: 16 контейнеров, три брокера, продюсеры, консьюмеры и Kafka UI.
   Разбираем, зачем нужен брокер сообщений, когда Kafka уместна, а когда избыточна, и где в этой истории зона аналитики.
   ✔️ РЕЗУЛЬТАТ: у вас на компьютере работает собственный Kafka‑кластер, и вы понимаете, зачем он нужен.
   [*]Анатомия кластера
   Брокеры и кластер, ZooKeeper и Controller, ключевые параметры брокера
   Топики и партиции, распределение сообщений по ключу
   Репликация и синхронизированные реплики: как Kafka защищает данные
   Создаете топик через интерфейс, меняете настройки, роняете брокер и смотрите, как перезажигают лидеры партиций
   ✔️ РЕЗУЛЬТАТ: цифры в ТЗ (партиции, фактор репликации, retention) перестанут быть магией.
   [*]Поток данных: продюсеры, консьюмеры, гарантии
   Как продюсер выбирает партицию, что такое консумер-группы, из чего состоит сообщение, что такое оффсеты, коммиты и consumer lag
   Гарантии доставки, acks и идемпотентность: что выбирать для логов, что для заказов, а что для платежей
   Пишите сообщение в топик через интерфейс и через терминал, сбрасываете оффсет и смотрите, как группа перечитывает данные
   ✔️ РЕЗУЛЬТАТ: вы обоснованно выбираете гарантии под задачу. Это то, что на собеседовании отличает заученное определение от понимания.
   [*]Сбои, DLQ и масштабирование
   Ребалансировка и падение брокера
   Паттерн DLQ: разбираем инцидент по сообщению из очереди ошибок так, как это делают в реальных командах.
   Масштабируемость и надежность: что и когда масштабировать, что может пойти не так
   Плюсы и минусы Kafka, хорошие и плохие практики настройки одной шпаргалкой
   ✔️ РЕЗУЛЬТАТ: вы понимаете, что происходит при сбоях и под нагрузкой, и закладываете это в ТЗ заранее.
   [*]Практика: пишем настоящее ТЗ на интеграцию
   Берем реальную задачу: перевод интеграции заказов и уведомлений с REST на Kafka, разбираем схему до и после. Проходим список вопросов, которые аналитик задает перед любой интеграцией. Заполняем спеку на интеграцию: цель, топик, формат, ключ, гарантии, DLQ.
   ✔️ РЕЗУЛЬТАТ: готовый документ‑образец, который вы адаптируете под любую рабочую задачу.

Я собирала этот воркшоп из того, чего мне самой не хватало в начале пути, когда я первый раз получила задачу на интеграцию с Kafka и не понимала вообще ничего: ни как брокер устроен внутри, ни что писать в ТЗ, у разработчиков, ни почему все статьи в интернете написаны так, будто я собрала себе кластер.
Поэтому моя цель здесь не в том, чтобы выдать вам еще один пересказ документации. За пять часов вы не станете архитектором распределенных систем, и я не буду обещать этого.
Обещаю только то, что вы перестанете бояться этой темы, начнете понимать, что происходит внутри, и сможете описывать интеграцию так, чтобы разработчики забрали задачу в работу без единого уточняющего вопроса.
И главное: после воркшопа у вас на руках останется вещи, которыми можно пользоваться уже завтра.

​

Научитесь использовать ИИ в работе Аналитика - от электронных таблиц и работы с SQL до автоматизации парсинга и получения данных из API через Python. 5 инструментов: Claude + Claude Code (главные), Codex, MiniMax Code, Qwen и ГигаЧат.
Очистка грязной выгрузки: 6 часов раньше -> 20 минут с AI. Claude Code/Minimax Code/ Codex пишет Python для анализа сайта конкурента за вас. 6 часов на изучение => экономия сотен часов работы в Вашей Карьере

Чему вы научитесь

• Тонете в «грязных» выгрузках? Научитесь чистить их с ИИ за минуты: дубли, кривые даты и суммы текстом перестанут съедать вечера.
• Забыли синтаксис ВПР? Формулы и сводные соберёт ИИ, вы научитесь ставить задачу и проверять результат до копейки.
• Директор ждёт цифры к пятнице? Соберёте дашборд и три вывода для совета директоров за один вечер.
• Просят передать базу клиентов подрядчику? Освоите обезличивание персональных данных: юристы спокойны, аналитика работает.
• SQL кажется тёмным лесом? Развернёте свою базу за 10 минут и будете получать запросы, задавая вопросы на русском.
• Python пугает? Окружение настроит ИИ, код напишет ИИ, а вы научитесь читать его, править и ловить ошибки.
• Каждый понедельник один и тот же отчёт? Автоматизируете его: скрипт сам прочитает выгрузки и соберёт Excel с подсветкой роста.
• Дизайнеры уверяют, что новый лендинг продаёт лучше? Проверите честным A/B-тестом и переведёте p-value на язык директора.
• Нужных данных нет в базе? Заберёте курсы валют из API Центробанка и соберёте цены конкурента прямо с сайта.
• Боитесь привязаться к одному сервису? Приёмы отработаете в Claude, Qwen, Codex, MiniMax Code и GigaChat

О курсе
Это курс о том, как делать аналитику руками ИИ и отвечать за результат

«Аналитика с ИИ»: практический курс для всех, кто работает с данными, который показывает, как встроить ИИ-ассистентов в ежедневную работу аналитика, ускоряя очистку выгрузок, формулы и сводные, SQL-запросы, Python-скрипты, статистику, работу с API и парсинг. Курс построен как работа в настоящей компании: вы аналитик интернет-магазина «ТехноЛавка», задачи ставит коммерческий директор, а все данные связаны между собой: выручка, посчитанная сводной в Excel, сойдётся с SQL и pandas копейка в копейку.

Каждый урок: пошаговый сценарий «с экрана». Вы повторяете действия на тех же файлах, сверяетесь с контрольными цифрами и забираете точные промпты автора для ежедневной работы. Основной инструмент: Claude и Claude Code; в конце каждого модуля та же задача решается в GigaChat, Qwen, Codex и MiniMax, чтобы приёмы остались с вами при смене сервиса. Финал курса: сквозной мини-проект, где данные проходят путь от сайта конкурента до Excel-отчёта для директора.

Главная особенность: сквозные данные. Все файлы созданы специально для курса и связаны между собой. Выручка, которую вы посчитаете сводной таблицей в Excel, сойдётся с SQL-запросом из модуля 2 и с расчётом в pandas из модуля 3 копейка в копейку. У каждого задания есть контрольные цифры: вы всегда знаете, что сделали правильно, и учитесь проверять за ИИ. Это главный навык курса.

Что внутри
Модуль 1. Электронные таблицы: очистка данных, формулы, сводные, дашборд и кейс обезличивания персональных данных
Модуль 2. SQL: собственная база за 10 минут, text-to-SQL, джойны, оконные функции, разбор легаси и оптимизация
Модуль 3. Python: разведочный анализ, очистка больших файлов, графики, дебаг, автоотчёты и A/B-тест
Модуль 4. Интернет-данные: API Центробанка, парсинг сайта конкурента, сбор по расписанию и мини-проект: пайплайн от сайта до Excel-отчёта директору.

Основной инструмент: Claude и Claude Code. В конце каждого модуля ту же задачу решаем в альтернативах: Qwen, Codex, MiniMax Code, GigaChat.

Приёмы одни, кнопки разные: курс не привязывает вас к одному сервису.

Для кого этот курс

• Для тех, кто работает с данными без программирования: аналитики, маркетологи, менеджеры продуктов, финансисты, предприниматели. Если вы хоть раз до ночи чистили чужую выгрузку руками, этот курс вернёт вам вечера.
• Для начинающих аналитиков: курс даст практику на реалистичных данных и три артефакта в портфолио, о которых будет что рассказать на собеседовании.
• Для опытных специалистов, которые хотят встроить ИИ в ежедневную работу: внутри отработанные приёмы постановки задач и проверки результата, без обзора интерфейсов и инструкций по установке.

Начальные требования
Уверенная работа с компьютером и базовое знакомство с Excel
Опыт в SQL и Python не нужен: окружение настроит ИИ, а курс проведёт от первого запроса до готового пайплайна
Возможность установить и настроить платный тариф для агентов

Наши преподаватели
Максим Мигутин 10 лет с данными: Booking.com, IBM, KFC. Преподаю в магистратуре РАНХиГС, Otus, Udemy.
10 лет строю системы данных: Booking.com, IBM, KFC.
Преподаю в магистратуре РАНХиГС, в Otus и на Udemy. 17 000+ студентов из 120 стран прошли мои курсы по Data Engineering и Data Observability.

Как проходит обучение
Курс состоит из видеоуроков, в среднем по 10-15 минут: все действия показаны на экране от начала до конца. К каждому уроку прилагаются конспект в PDF, файлы с данными и кодом + точные промпты автора: вы повторяете шаги на тех же данных и сверяете результат с контрольными цифрами.

В конце каждого модуля тест на способы работы, в финале курса сквозной мини-проект: от парсинга сайта конкурента до Excel-отчёта для директора.

Учитесь в своём темпе, доступ к материалам остаётся у вас.

Программа курса
1.Каĸ устроен ĸурс + настройĸа инструментов.Первая задача: разобрать «грязную» выгрузĸу
2.Формулы, ĸоторые пишет ИИ
3.Сводные таблицы и быстрые ответы бизнесу
4.Кейс: обезличивание персональных данных
5.Диаграммы и мини-дашборд в таблице
6.Каĸ проверять ИИ: ĸонтрольные суммы и здравый смысл
7.Та же задача в другом инструменте: Qwen
8.Настраиваем базу за 10 минут руĸами ИИ
9.Text-to-SQL: от вопроса бизнеса ĸ запросу
10.Join-ы без боли
11.Читаем и распутываем чужой SQL
12.Оĸонные фунĸции через задачи
13.Оптимизация: почему запрос тормозит?
14.Та же задача в другом инструменте: Codex + ГигаЧат
15.Оĸружение без страданий
16.Разведочный анализ (EDA) за 20 минут
17.Очистĸа и трансформация в pandas
18.Графиĸи, ĸоторые понимает бизнес
19.Дебаг: чиним упавший сĸрипт
20.Автоматизация рутины
21.Проверĸа гипотез: A/B-тест на практике
22.Та же задача в другом инструменте: MiniMax Code
23.Что таĸое API на пальцах + первый запрос
24.Продвинутая работа с API: кэширование и fall back-и
25.Парсинг: таблица из сайта конкурента
26.Регулярный сбор данных (парсинг) по расписанию
27.Строим data pipeline
28.Та же задача в другом инструменте: Codex + MiniMax Code
29.Подведение итогов курса

​

Включает:

• Дизайн:
  • Подробный блок по созданию дизайна в Figma
• ИИ-агенты:
  • Настройка, подключение, использование, экономика
• Инструменты:
  • Установка и настройка окружения для разработки
• Промптинг:
  • Разработка архитектуры сложного проекта
• Проект:
  • Создание коммерческого сайта с интернет-магазином
• Кастомизация:
  • Расширение функционала с помощью фреймворка
• Дебаггинг:
  • Важные особенности и подходы при разработке с ИИ
• Стек:
  • Symfony Framework, Doctrine ORM, EasyAdmin, Payment
• Референсы:
  • Готовый сайт, макеты Figma, материалы и инструменты
• Решение проблем:
  • Подключение ИИ-агентов во всех регионах

• Время обучения:
  • 10 дней
• Объем курса:
  • 38 уроков

​

Чему вы научитесь

• Понимать, как работает Next.js (App Router, серверные и клиентские компоненты)
• Уверенно ориентироваться в документации Next.js и применять её на практике
• Работать с роутингом (динамические, вложенные и параллельные роуты)
• Строить архитектуру реального проекта на Next.js
• Работать с API в Next.js (Route Handlers, Server Actions)
• Обрабатывать формы с помощью react-hook-form и zod
• Реализовывать простую авторизацию (JWT, cookies, bcrypt)
• Работать с серверным рендерингом (SSR) и оптимизацией
• Управлять состоянием загрузки (loading, suspense)
• Подключать и использовать базу данных
• Делать SEO-оптимизацию (metadata, OG, robots.txt)
• Оптимизировать приложение (кэширование, lazy loading, dynamic import)
• Разворачивать проект (Vercel + production setup)
• Создавать проект уровня “YouTube clone” для портфолио

Спойлер: Программа:

1. База NextJS:

1. Введение
2. Как будет устроена верстка
3. Устанавливаем Next
4. Немного о себе
5. Роутинг
6. Формируем структуру проекта
7. Делаем шапку (узнаем про модульный css)
8. Страница 404 (Компонент Image)
9. Навигация (Компонент Link)
10. Metadata
11. Добавляем видео на сайт (embed)
12. Обрабатываем формы: react-hook-form + zod
13. Refine и superRefine из zod
14. API роуты
15. Запрос за данными к Next api
16. Рисуем превью для видосов
17. Обрабатываем страницу отдельного видео
18. Исходники

2. Верстка:

1. Верстка шапки
2. Верстка левой меню
3. Верстка страницы 404
4. Верстка превью видео
5. Верстка layout
6. Верстка страницы отдельного видео
7. Верстка формы загрузки
8. Исходники

3. Погружаемся в особенности NextJS:

1. Введение
2. Что было во 2 модуле (для тех, кто пропустил)
3. Достаем больше информации о видосах
4. Исходники
5. Достаем информацию по 1 видео
6. Как делать серверный рендеринг
7. Загрузка (Suspence, файл loading.tsx)
8. Серверный рендеринг для 1 видео
9. Особенности работы с .env в next
10. Обновляем NextJS + рефакторинг
11. Добавляем категории к видео
12. Страница "Видео по категориям"
13. Группировка роутов NextJS
14. Приватные папки NextJS
15. Метаданные и их динамическая генерация
16. Функция notFound в NextJS
17. Страница "Ваши видео"
18. Немного рефакторинга + верстка
19. Что дальше?

4. Авторизация:

1. Исходники
2. Введение
3. Верстаем страницы авторизации/регистрации
4. хук useRouter
5. bcrypt
6. Авторизация
7. Куки + jsonwebtoken
8. HOC для получения авторизованного пользователя
9. Регистрация
10. Выход из аккаунта (log out)
11. Безопасность авторизационного токена
12. Небольшой рефакторинг
13. Верстка

5. Хостинг:

1. Введение
2. Исходники
3. Заливаем код на github
4. Регистрируемся на vercel
5. Избавляемся от api роутов
6. Серверные экшены
7. Подключаем БД

6. Добиваем страницы:

1. Обновляемся на NextJS 16
2. Разделяем пользователей
3. Страница автора
4. Исходники
5. Файл error.tsx
6. transitionType
7. NextJS 16.2
8. Флаг --inspect
9. Файл global-error.tsx
10. Верстка

7. SEO:

1. Введение
2. Тоннель для тестов
3. Подключаем favicon
4. OG разметка
5. robots файл
6. Исходники
7. meta noindex
8. opengraph image

8. Оптимизации:

1. Процесс...
2. proxy.ts (middleware.ts)
3. Чуть больше про редиректы
4. Введение
5. Оптимизация картинок (loading lazy, optimization, decoding)
6. Динамические импорты
7. Как уменьшать use client
8. Параллельные запросы
9. Кэширование запросов
10. Кэширование целой страницы
11. Исходники

9. Параллельные роуты:

1. Введение
2. Создаем параллельный роут
3. В чем идея этих роутов?
4. Исходники

10. Итоги:

1. О чем-то рассказываю

Роман Максимов

• Senior Frontend Developer
• Уже больше 8 лет пишу код
• Работал как в маленьких, так и крупных компаниях

​

Внедрение разработки с ИИ в командах

Разработка — процесс коллективный. Индивидуальная подписка на ИИ ещё не означает, что команда стала работать быстрее. Постройте управляемый контур: MCP, общие правила и Skills, контроль бюджета и безопасности, оркестрация вызовов. Выстройте процессы SDLC с ИИ. Посчитайте экономику и скорректируйте текущие процессы.

Для кого этот курс:
- Для тех, кому нужно превратить индивидуальные эксперименты с ИИ в управляемый командный процесс.
- Руководителям ИТ-компаний. Нужно сохранить устойчивость бизнеса, получить преимущество до того, как разработка с ИИ станет промышленным стандартом и найти реальный потенциал снижения затрат.
- Руководителям отделов и тимлидам. Backlog растёт, сотрудники используют ИИ по-разному, измеримого эффекта нет, а ИБ и инфраструктура не готовы к корпоративному внедрению. Это про вас? Тогда вы по адресу.
- Специалистам. Хотите стать амбассадором внедрения, не повторять чужих ошибок и укрепить своё положение на меняющемся рынке труда. Курс поможет вам оставаться востребованным специалистом.

Что должно измениться в команде:
- Единый рабочий контур. Общий слой с MCP, Guardrails, памятью, правилами и Skills. Контроль бюджета и безопасность передаваемой информации.
- Обновлённый SDLC. Работа со спецификациями, контролируемые агентские циклы. Решения для применения ИИ на разных этапах разработки.
- Процессы эксплуатации. Не только разработка, но и эксплуатация. Часть задач можно полностью делегировать ИИ и «забыть» про них.

Программа:
12 модулей командного внедрения ИИ. От выбора моделей и корпоративного доступа — к безопасному SDLC, общей памяти, экономике, автономным агентам и масштабированию. Рассмотрим LiteLLM, Cognee, OpenViking, Headroom, vLLM, Hermes, OpenClaw и многое другое.
- Введение и диагностика. Почему внедрение не равно покупке подписки, что считать результатом, уровни зрелости и самодиагностика команды.
- Модели и подписки. Общее и индивидуальное использование, локальные и российские модели, vLLM, оборудование и полная стоимость владения.
- Доступ и агрегация моделей (LiteLLM). Корпоративные и личные аккаунты, VPS, LiteLLM, лимиты и бюджеты на сотрудника, OmniRouter, 9Router и связанные риски.
- Кодовая база и стартовый репозиторий. EDT или Конфигуратор, обычные формы, Git, работа с пустого репозитория и стартовые rules для команды.
- Инфраструктура MCP, CI и доступы. Развёртывание и оркестрация MCP, CI, доступы, автоматические обновления, рабочие репозитории и сетевая доступность.
- Безопасность, право и персональные данные. PII, 152-ФЗ, обезличивание баз, guardrails, логирование, DLP, код заказчика, NDA, права на сгенерированный код.
- Полный SDLC: от задачи до релиза. Постановка задач через MCP и агентов, спецификации, SDD, связка аналитика и разработчика, контроль, ревью ИИ-кода и Definition of Done.
- Командный контекст и память. Общие rules, каталог skills, личная и командная память, общая база знаний и корпоративный RAG.
- Экономика ИИ-разработки. Токены, привязка расходов к заказчикам и проектам, бюджеты, экономия контекста, стоимость подписок, VPS и оборудования.
- Автономные агенты (Hermes/OpenClaw). Поддержка, обновление документации, контроль регламентных операций и граница между разработкой и эксплуатацией.
- Люди, роли и ритуалы. Сопротивление и возражения, лидеры направлений, новые scrum-ритуалы, интеграция в процессы и инструменты для разных ролей.
- Пилот и масштабирование. Состав пилота, выбор задач, метрики до и после, волны внедрения и итоговый регламент.

Бонус:
- План внедрения на 90 дней. Краткий, но достаточно детальный план внедрения, который позволит начать уже сразу после покупки курса, просматривая лекции и изучая материал параллельно.

Получите готовую структуру для работы с ИИ в команде и начните трансформацию процессов без лишней теории. Присоединяйтесь к участникам, которые уже выстраивают эффективный контур внедрения искусственного интеллекта.

​

Описание материала:

Задачи из личной практики — с формулировками, эталонными решениями и подробным описанием каждого шага. Это не курс и не сухая теория, а реальные задачи из рабочих кейсов по УНФ 3.0. В основе лежат 8 практических заданий, 8 детальных решений и 8 наглядных схем алгоритмов.

Что внутри тренажера:

- 8 задач из практики. Восемь реальных задач из моих проектов — от настройки печатных форм до сложных доработок документов.
- Эталонные решения. Готовые файлы, которые можно сразу применить в своей базе УНФ 3.0 после изучения.
- Схемы решений. Пошаговые текстово-графические схемы, показывающие логику и точный ход решения каждой задачи.

После разбора материалов вы сможете подходить к реальным задачам в УНФ 3.0 без страха и сомнений. С этим тренажёром вы перестанете бояться нестандартных ситуаций и сможете решать их уверенно, шаг за шагом.

Описание задач тренажера:

- Задача 1. Доработка печатной формы документа «Расходная накладная».
- Задача 2. Разработка новой печатной формы для документа «Счёт на оплату».
- Задача 3. Разработка внешней печатной формы для документа «Расходная накладная».
- Задача 4. Внедрение расчета и хранения агентского процента в документе «Расходная накладная».
- Задача 5. Печать договора купли-продажи из документа «Расходная накладная» (форма договора прилагается).
- Задача 6. Печать договора о приёме на работу из документа «Прием на работу» (форма договора прилагается).
- Задача 7. Внедрение учёта количества мест в документе «Производство».
- Задача 8. Загрузка спецификаций из Excel файла (пример файла прилагается).

Позвольте себе систематизировать практические знания и перейти от теории к уверенным действиям. Откройте материалы, проработайте каждый кейс самостоятельно и ощутите, как растёт ваша экспертность в работе с УНФ 3.0 прямо сегодня!

​

У тебя наверняка уже есть идея: свой скринер, бот с алертами, автоматизация входов по твоей стратегии. То, что ты держишь в голове или раскидал по заметкам и хотел бы наконец собрать.

Курс помогает пройти этот путь коротко и по делу: 20 уроков, 4 проекта, шаблон, skills и работа с AI-агентом. Без затянутой теории, скучной подачи и цены в несколько раз выше.

Ты покупаешь не лекции ради лекций, а понятный маршрут от идеи до первого инструмента, который можно запустить и развивать дальше.

Программа курса по актам.
20 уроков, 6 часов видео: от вступления и фундамента до скринеров, VPS, API биржи и финального маршрута дальше.

Акт 0 · Вступление
Как устроен курс и главный принцип: код пишет агент, ты понимаешь и направляешь.
Акт 1 · Фундамент
Окружение, Python, AI-агенты, универсальный шаблон, SKILLS, Git и крипто-основы.
Акт 2 · Наблюдение
Telegram-бот уведомлений, REST-скринер, WebSocket-скринер, аренда и деплой на VPS 24/7.
Акт 3 · Действие
API биржи, ордера limit/market/TP/SL, SQLite, веб-админка, торговая стратегия и деплой.
Акт 4 · Завершение
Итоги курса, как продолжать работать с AI-агентами дальше, финальное слово.

Тариф Базовый:

• 20 уроков и 6 часов видео
• Универсальный шаблон проектов
• 21 skills для AI-агента
• Доступ в закрытое сообщество
• Обновления курса
• Бонусные ролики
• Бессрочный доступ к материалам

​

Курс объединяет Математику, Python и Промпт-инжиниринг в одну рабочую связку. Вы последовательно изучите функции, основы статистики, векторы, матрицы и работу с данными в JSON-файлах, затем закрепите эти темы программированием на Python и научитесь ставить нейросетям точные задачи через промпты и SKILL.md.

Чему вы научитесь:

• Программировать скрипты на Python, извлекать массивы данных из JSON файлов, анализировать их и делать выводы
• Реализовывать математические идеи на Python и видеть связь между формулой, кодом и результатом анализа
• Работать с основными характеристиками данных: модой, медианой, квартилями, децилями и перцентилями
• Понимать виды и категории данных
• Применять функции для описания и моделирования процессов, находить нули функций и отличать линейные зависимости от нелинейных
• Работать с векторами, скалярным, векторным и смешанным произведениями, матрицами и матричными операциями
• Использовать метод Гаусса как основу для дальнейшей работы с матрицами
• Составлять промпты для нейросетей при работе со статистикой, функциями, векторами и матрицами
• Создавать и выстраивать систему SKILL.md, чтобы нейросеть точнее понимала аналитическую задачу и выдавала проверяемый результат

Этот курс выстраивает знания в правильной последовательности: сначала вы приобретаете необходимые базовые знания из Python, потом нарабатываете навык работы с алгебраическими преобразованиями, далее закрепляете математическую основу анализа: введение в статистику, функции и моделирование, векторы и матрицы. После формирования этой базы вы переходите к промпт-инжинирингу и учитесь ставить нейросетям задачи так, чтобы использовать их как рабочий инструмент аналитика: задавать контекст, описывать требования к расчётам, формулировать ограничения и проверять результат.

Важно: на курсе отдельное внимание уделяется JSON-файлам, потому что это распространённый формат передачи и хранения данных. Таким образом математика не остаётся набором формул, а программирование не сводится к копированию чужого кода. Вы учитесь видеть связь между аналитической задачей, математической моделью и её реализацией.

В курсе предусмотрены отдельные задания по созданию файлов скиллов типа SKILL.md, постановке задач для статистического, векторного и матричного анализа, а также итоговые экзаменационные задачи.

Как проходит обучение:

Курс построен так, чтобы вы не изучали математику, Python и промпт-инжиниринг по отдельности, а сразу видели их связь в аналитических задачах:

• Сначала через видеоурок или текст вы разбираете математическую идею простым языком и понимаете, где она применяется в анализе данных
• Затем изучаете, как реализовать эту идею на Python и работать с данными, включая данные в JSON-файлах
• После этого закрепляете материал на практических задачах с автоматической проверкой
• Далее учитесь ставить нейросети точные задачи по изученной теме: описывать контекст, указывать требования к расчётам, задавать ограничения и проверять ответ
• По отдельным блокам выполняете итоговые задания, которые объединяют математику, программирование и работу с ИИ

Для кого этот курс:

• Вы знаете базовый Python, но пока не понимаете, как применять его для математических и аналитических задач
• Вы изучали математику раньше, но не видите её связи с моделированием процессов, данными и программированием
• Вы хотите разобраться в функциях, статистических показателях, векторах и матрицах не только теоретически, но и через код
• Вы сталкиваетесь с JSON-файлами и хотите понимать, почему данные передаются в таком формате и как с ними работать
• Вы используете нейросети, но хотите перейти от случайных запросов к понятной постановке аналитических задач
• Вы хотите уверенно объяснять, что делает код, какие математические действия за ним стоят и насколько корректен результат

Начальные требования: базовые знания арифметики и уверенное владение ПК. Обучение начинается с простейших основ.

Что вы получаете:

• Чёткое понимание базовых конструкций Python, без лишних отступлений
• Уверенность в математических основах, которые нужны для анализа данных
• Системное понимание функций, описательной статистики, векторов, матриц и их роли в анализе данных
• Навык работы с данными в JSON-файлах и понимание структуры передаваемой информации
• Практику программирования математических и аналитических задач на Python
• Понимание связи между функциями, моделированием процессов, кодом и интерпретацией результата
• Навык постановки задач нейросетям для статистического, векторного и матричного анализа
• Умение создавать файлы навыков типа SKILL.md и использовать промпт-инжиниринг как инструмент аналитика, а не как способ получить непроверенный готовый ответ
• Подготовку к более сложным задачам анализа данных, где требуется одновременно владеть математикой, кодом и современными ИИ-инструментами

Программа:

1. Знакомство и простые задачи

• Распространённые ошибки в современной аналитике

2. Введение в Python. Ввод/Вывод

• Ввод информации: от input() до файлов
• Вывод информации: от print() до логов

3. Введение в Python. Структуры данных

• Списки в Python
• Кортежи в Python
• Множества в Python
• Словари в Python

4. Введение в Python. Циклы и ветвления

• Циклы
• Условия

5. Введение в Python. Must-Have библиотеки

6. Введение в алгебру

• Аналитика и алгебра: с чего начинается связь?
• Степени в аналитике
• Дробные выражения в аналитике
• Применение уравнений в анализе данных
• Экзамен: популярные выражения в анализе данных

7. Неделя 1. Концепции о данных и их программная реализация

• Мода, медиана, квартили, децили, перцентили
• Кейс: закупки сиропов для кофейни
• Виды и категории данных
• JSON файлы и почему данные передаются в них
• Промпт-инжиниринг: учимся писать SKILL.md
• Промпт-инжиниринг: экзаменационная задача

8. Неделя 2. Функции и процессы в аналитике

• Про функцию простейшим языком
• JSON-данные и анализ линейных процессов
• Единство в функциях между программированием и математикой
• Моделирование массы человека
• Нелинейные и параболические процессы
• Нули функций в анализе данных

9. Неделя 3. Функции и процессы в аналитике

• Метод Гаусса и предисловие к матрицам
• Промпт-инжиниринг: формируем правильную систему скиллов
• Экзамен: базовое моделирование процессов

10. Неделя 4. Векторы и матрицы

• Суть векторов и их применение в аналитике
• Скалярное произведение в анализе данных
• Векторное произведение в анализе данных
• Смешанное произведение. Работа векторов в связке
• Векторный анализ через JSON файлы
• Матрицы и операции над ними при анализе данных
• Промпт-инжиниринг: скиллы для матричной аналитики
• Экзаменационные задачи

Автор Ильдар Мустафин

• Преподаватель математики и математического программирования
• Разработал авторскую методику по упрощённому изучению аналитической математики для гуманитариев и программистов
• Выпускник ТУСУР (факультет РТФ), диплом бакалавра с отличием, диплом магистра с отличием
• Выпускник КГПИ (факультет РТФ), диплом бакалавра с отличием

​

Длительность: 2-3 месяца
Время обучения: 45 часов

Программа рассчитана на новичков, которые хотят изучить язык программирования C# с самых основ и до построения полноценных проектов. Вы изучите все тонкости языка, разработаете несколько приложений под Windows и создадите веб-сайт на основе ASP.NET.

Программа обучения

Модуль 01 - Основы C#
В ходе первого модуля вы приступите к изучению основ языка программирования C#. В лекциях вы изучите использование всех основных концепций: от переменных до массивов, условий, циклов и тому прочее.

За урок будет рассмотрена теория для понимания процесса работы C#. Также вы научитесь выполнять отладку проекта для быстрого нахождения ошибок в коде.

Модуль 02 - Продвинутый C#
Во втором модуле вы приступите к изучению различных встроенных классов в языке C#. При помощи таковых классов вы научитесь создавать: исключения, делегаты, коллекции, научитесь работать с файлами и методами расширения LINQ.

Все эти вещи позволяют быстрее манипулировать данными в проекте. Вы изучите их применение на реальных практических примерах.

Модуль 03 - Классы и объекты. ООП в C#
Язык C# является объектно-ориентированным языком программирования. По этой причине любой файл в проекте является классом. За модуль вы познакомитесь с понятием ООП и научитесь создавать классы и объекты.

Дополнительно в модуле будет представлена информация относительно: наследования, абстракции, полиморфизма, инкапсуляции. Помимо классов в модуле будут рассмотрены: интерфейсы, перечисления, события, и будет рассмотрена работа со статическими данными.

Модуль 04 - Углублённые концепции языка
Язык C# действительно огромен, поэтому в программе будет еще один модуль по изучению более сложных концепций языка.

За модуль вы познакомитесь с разработкой потоков данных, изучите тему многопоточности, научитесь выполнять сериализацию и параллельное программирование.

Дополнительно в модуле будет изучено асинхронное программирование. На его основе вы создадите проект для получения данных со стороннего сайта, их обработки и вывода в консоль.

Модуль 05 - Контроль версий Git
В модуле вы ознакомитесь с технологией Git. Git - это специальная системой для хранения версий вашего проекта. Благодаря Git вы всегда сможете проследить где и когда возникла ошибка и по необходимости откатить проект до момента когда всё было хорошо.

Модуль 06 - Тестирование проектов. Платформа Docker
Все программы необходимо тестировать и чтобы этот процесс не превратился в монотонную работу - его лучше оптимизировать. За модуль вы познакомитесь с юнит-тестированием и изучите работу с библиотекой xunit.

Вы пропишите классы тестирования, запустите тесты и познакомитесь полноценным тестированием программ. После модуля процесс тестирования программ будет для вас простым.

Дополнительно вы научитесь работать с платформой Docker. Благодаря этой программе вы сможете быстро запустить любую среду на вашем компьютере.

Модуль 07 - Базы данных. C# и SQL
Язык C# обладает большим набором методов для работы с базами данных. В ходе модуля вы познакомитесь с системой управления базами данных SQLite, MySQL и PostgreSQL. Вы научитесь работать с каждой из них через язык программирования С#.

За модуль вами будут изучены все основные команды языка запросов SQL.

Модуль 08 - Entity Framework
При работе с базами данных вы можете использовать Entity Framework. Это отдельная технология, что обеспечивает удобный доступ к базе данных. За счет Entity вы можете быстро создавать базы данных, манипулировать таблицами и записями в них.

За модуль вы научитесь работать с этой технологией на практике. Также вы научитесь работать с технологией Fluent API.

Модуль 09 - Изучение HTML
Разработка веб сайтов ведется с использованием языка разметки HTML и языка стилей CSS. Поэтому, прежде чем создавать какие-либо проекты на ASP.NET, вам необходимо изучить язык разметки для построения веб сайтов.

В ходе модуля вы изучите HTML, познакомитесь со всеми стандартными HTML тегами и атрибутами для них.

Модуль 10 - Изучение CSS
Для добавления стилей к странице используется язык CSS.

В ходе модуля вы научитесь работать с каскадными таблицами стилей, научитесь прописывать селекторы, изучите все основные стили и создадите множество практических примеров применяя HTML и CSS.

В крайнем уроке вы создадите полноценный веб сайт, используя лишь HTML и CSS.

Модуль 11 - Введение в ASP.NET
Начиная с этого модуля вы приступите к изучению платформы ASP.NET. Это платформа построенная на основе языка C# и предназначена для разработки веб проектов различного жанра и уровня сложности.

За модуль вы ознакомитесь со всеми базовыми концепция. Вы научитесь создавать веб сайты на основе ASP, ознакомитесь с подключением базы данных, обработкой данных от пользователя и изучите процесс создания файлов с дизайном.

По итогу вы создадите небольшой веб блог с системой регистрации и авторизации.

Модуль 12 - Разработка проекта на ASP.NET
Платформа ASP.NET достаточно огромна и предоставляет возможность построения проектов разного жанра.

За модуль вы разработаете полноценный интернет магазин на базе этой технологии. В магазине будут товары, корзина с ними и система просмотра товаров по отдельности. Дополнительно в проекте вы реализуете систему оплаты прямиком на сайте. В конце вы выгрузите проект на удаленный сервер.

Модуль 13 - Создание приложений WinForms
Язык C# позволяет создавать проекты из разных сфер. За модуль вы изучите платформу WinForms для разработки простых проектов под Windows.

WinForms является относительно простой платформой и предназначена для разработки небольших проектов. Вы научитесь создавать приложения с графическим дизайном и подключением к базе данных.

К концу модуля у вас будет проект с системой регистрации и авторизации. Также в проекте будет реализована игра «Пинг Понг».

Модуль 14 - Фреймворк WPF
Для разработки более сложных и интересных приложений необходимо использовать платформу WPF. В ходе модуля вы приступите к изучению WPF и изучите все основные концепции данной технологии.

Дополнительно за модуль вы создадите приложение с дизайном и подключением к базе данных. В таком проекте вы реализуете красивый дизайн, систему регистрации и авторизации и плюс создадите приложение для получения погоды из разных городов.

Тариф Мини:
- Доступ ко всем лекциям
- Материалы к урокам
- Домашние задания к лекциям

​

Освойте фундаментальные математические концепции, необходимые для успеха в цифровую эпоху

Для кого этот курс:

• Для тех, кто хочет сформировать базу по математике, необходимую для профессионального роста
• Для тех, кто хочет развивать карьеру в машинном обучении и Data Science
• Для тех, кто хочет работать с математическими моделями

Необходимые знания:

Для прохождения курса необходимо владение школьной математикой:

• Решение уравнений и неравенств, работа с дробями и степенями
• Функции и графики: что такое функции и графики, область применения. Линейные, логарифмические и степенные функции
• Геометрия: понимание угла и его измерения, синус, косинус
• Тригонометрия

Что даст вам этот курс:

• Выстроенную систему обучения, которая поможет пройти курс до конца
• Продуманную программу, которая охватывает области математики, наиболее востребованные в цифровом мире
• Простое объяснение сложных тем
• Поддержку на протяжении курса: Q&A-сессии с преподавателем, коммьюнити студентов, помощь наставников

По итогам обучения вы научитесь:

• Выполнять линейные преобразования и факторизацию матриц (например, сингулярное разложение) для анализа многомерных данных и понижения их размерности
• Искать экстремумы функций с использованием производных и классических алгоритмов, включая метод наименьших квадратов
• Рассчитывать вероятности событий и описывать случайные величины с использованием различных законов распределения и формулы Байеса
• Оценивать параметры распределений и проверять статистические гипотезы на основе выборочных данных

Программа:

1. Линейная алгебра для работы с данными:

В этом модуле мы изучим базовые инструменты линейной алгебры, которые используются для представления и преобразования данных. Разберём векторы, матрицы и линейные отображения, научимся работать с базисами и понимать, как данные меняют представление при преобразованиях. Познакомимся с собственными значениями и разложениями матриц как инструментами анализа и приближения данных.

Темы:

• Тема 1: Матрицы и векторы. Основные определения и операции
• Тема 2: Векторное пространство. Базис
• Тема 3: Линейное отображение и его матричное представление // ДЗ
• Тема 4: Зависимость матрицы отображения от выбора базисов векторных пространств
• Тема 5: Нормированные векторные пространства, скалярное произведение
• Тема 6: Собственные значения линейных операторов. Диагонализация матрицы
• Тема 7: Сингулярное разложение матрицы // ДЗ

2. Производные и методы оптимизации:

В этом модуле мы изучим основы математического анализа, необходимые для понимания оптимизации моделей. Разберём производные функций в одномерном и многомерном случаях, научимся находить экстремумы и формулировать критерии оптимальности. Рассмотрим метод наименьших квадратов и базовые алгоритмы оптимизации, применяемые при обучении моделей.

Темы:

• Тема 1: Введение в математический анализ. Производная одномерной функции
• Тема 2: Производная в многомерных пространствах // ДЗ
• Тема 3: Критерии оптимальности // ДЗ
• Тема 4: Метод наименьших квадратов
• Тема 5: Классические алгоритмы оптимизации

3. Теория вероятностей и математическая статистика:

В этом модуле мы изучим математические методы работы с неопределённостью и данными. Разберём вероятностные модели, случайные величины и распределения, научимся вычислять вероятности и анализировать зависимости между переменными. Познакомимся с основами статистического вывода: оцениванием параметров, доверительными интервалами и проверкой статистических гипотез.

Темы:

• Тема 1: Аксиоматика теории вероятностей. Классическая вероятность
• Тема 2: Условная и полная вероятность. Формула Байеса // ДЗ
• Тема 3: Дискретные случайные величины и их характеристики
• Тема 4: Многомерные дискретные величины. Корреляция
• Тема 5: Непрерывные случайные величины. Нормальное распределение // ДЗ
• Тема 6: Введение в задачу статистики. Точечные оценки
• Тема 7: Интервальные оценки параметров
• Тема 8: Проверка статистических гипотез I
• Тема 9: Проверка статистических гипотез II // ДЗ

Автор Глеб Карпов

• Исследователь, Преподаватель математики
• Skoltech Computational Intelligence Laboratory

​

Для кого этот курс:

• Для новичков в разработке
  изучите Python c нуля, научитесь писать код, создадите первое портфолио
• Для программистов на других языках
  расширите стек, повысите квалификацию, сможете продвинуться по карьерной лестнице

Что вам даст этот курс:

• Сформируете чёткое представление о разных областях, с которыми соприкасается Python-разработчик
• Освоите базовые навыки программирования на Python, сможете претендовать на позицию младшего Python-разработчика
• Изучите синтаксис Python
• Научитесь пользоваться фреймворками FastAPI и Django
• Научитесь работать с базами данных
• Сможете ориентироваться в разных сферах применения языка: веб-разработке, автотестировании, асинхронном программировании, работе с API, парсинге сайтов

Станьте самодостаточной единицей в команде разработчиков

Некоторые занятия курса посвящены смежным темам. Например: shell, git, а также DevOps-инструментам: Docker, Gitlab CI/CD, Github Actions

Процесс обучения:

• У нас нет предзаписанных уроков. Занятия в OTUS - это онлайн-вебинары. Преподаватели-практики помогут погрузиться в теорию, обучат на реальных примерах, расскажут о необходимых в работе инструментах. Вы всегда сможете задать вопрос и получить обратную связь.

Формат обучения:

• Интерактивные вебинары
  2 занятия по 2 ак.ч. в неделю. Доступ к записям и учебным материалам - навсегда
• Практика
  13 заданий для отработки навыков на реальных задачах

Длительность 6 месяцев.

Программа:

1. Основы Python:

В данном модуле познакомимся с базовыми темами Python. Разберемся с основными типами данных, научимся управлять потоком выполнения кода при помощи операторов ветвления и циклов. Разберемся, как устроены функции в Python, и научимся создавать генераторные функции и декораторы. В финале модуля будем работать с файлами при помощи Python.

Темы:

• Тема 1: Введение в курс. Подготовка к работе
• Тема 2: Вводное занятие по Python
• Тема 3: Базовые типы данных
• Тема 4: Управление потоком
• Тема 5: Коллекции
• Тема 6: Функции. Часть 1
• Тема 7: Функции. Часть 2 (Декораторы)
• Тема 8: Работа с файлами // ДЗ

2. Продвинутый Python:

Во втором модуле нас ждут модули и импорты, разбиение кода на отдельные модули. Большая тема ООП в Python: инкапсуляция, наследование, полиморфизм, основные дандер-методы, статические и классовые методы, исключения. А также познакомимся с основами тестирования при помощи библиотек Pytest и UnitTest.

Темы:

• Тема 1: Основы ООП
• Тема 2: Продвинутый ООП. Продолжение
• Тема 3: Продвинутый ООП. Исключения
• Тема 4: Модули // ДЗ
• Тема 5: Знакомство со встроенной библиотекой
• Тема 6: Тесты // ДЗ
• Тема 7: Практика

3. Взаимодействие с внешним миром. Создание простейшего API. Сборка проекта:

Основы работы с файлами (локально) и сетью (HTTP). Создание API.

Темы:

• Тема 1: Управление зависимостями в Python: pip, Poetry, uv
• Тема 2: Качество кода в Python: Ruff, Pylint, Flake8, Black, isort
• Тема 3: Работа с сетью в Python: requests, httpx и API
• Тема 4: Основы HTML: структура и элементы веб-страницы
• Тема 5: CSS, Bootstrap и обзор современных CSS-фреймворков
• Тема 6: FastAPI: старт, маршруты, параметры и структура запроса
• Тема 7: FastAPI: тело запроса, Pydantic, валидация, формы и файлы
• Тема 8: FastAPI: APIRouter, шаблоны, статика и организация мини-проекта
• Тема 9: Docker // ДЗ
• Тема 10: Групповая менторская консультация

4. Работа с базами данных, асинхронное программирование:

Знакомство с асинхронным программированием. Знакомство с базами данных: PostgreSQL, MongoDB, Redis. Знакомство с ORM, асинхронная работа с БД.

Темы:

• Тема 1: Хранение данных в реляционных БД. Язык SQL
• Тема 2: ORM: SQLAlchemy
• Тема 3: SQLAlchemy: связи между таблицами в БД
• Тема 4: Миграции схем: alembic
• Тема 5: Сложные связи в БД
• Тема 6: Знакомство с асинхронным программированием в Python
• Тема 7: Асинхронная работа с API
• Тема 8: Асинхронная работа с БД и подключение API // ДЗ
• Тема 9: Взаимодействие приложений между контейнерами, docker compose // ДЗ
• Тема 10: Асинхронная работа API с БД
• Тема 11: Групповая менторская консультация

5. Веб-разработка на Django:

Знакомство с Django, Django ORM, Generics. Тестирование веб-приложений, фабрики.

Темы:

• Тема 1: Знакомство с Django
• Тема 2: Django ORM // ДЗ
• Тема 3: Шаблоны (Templates)
• Тема 4: Работа с админкой, кастомные команды
• Тема 5: Групповая менторская консультация
• Тема 6: Формы в Django // ДЗ
• Тема 7: Class-Based Views (CBV)
• Тема 8: Кастомный пользователь и личный кабинет
• Тема 9: Тестирование Django-приложений с Pytest // ДЗ
• Тема 10: Django и отложенные задачи с Celery и Redis // ДЗ
• Тема 11: Асинхронность, кеширование, middleware и Django Debug Toolbar
• Тема 12: API в Django и продвинутая ORM // ДЗ
• Тема 13: Деплой, Docker, ASGI и production basics
• Тема 14: Выбор темы и организация проектной работы
• Тема 15: Групповая менторская консультация

6. DevOps:

Автоматизация тестирования и деплоя. Знакомство с GitHub Actions, GitLab CI/CD.

Темы:

• Тема 1: GitHub Actions // ДЗ
• Тема 2: GitLab CI // ДЗ
• Тема 3: GitLab CD
• Тема 4: Групповая менторская консультация

7. Проектная работа:

Заключительный месяц курса посвящен разработке проекта. В качестве темы выбирается то, что интересно писать студенту и то, что потенциально можно будет потом включить в своё резюме. Участие в разработке некоего open source продукта тоже может рассматриваться в качестве выпускного проекта. При этом не обязательно закончить его за месяц. В процессе написания по проекту можно получить консультации преподавателей.

Найти работу проще, когда у вас в портфолио есть интересный проект. Создайте архитектуру приложения, опишите задачи, которые это приложение будет выполнять; реализуйте основную функциональность. Выполните проект для веб-разработки, для интеграции с сервисами или для data science.

Темы:

• Тема 1: Консультация по проектам и домашним заданиям
• Тема 2: Защита проектных работ

Темы работ наших выпускников:

• Сайт объявлений по продаже авто
• Новостной портал английского футбола
• Система управления VPN сервером
• GIS для оптимизации градостроительной деятельности
• Интернет-магазин на базе Telegram-бота

Бонус:

• Получите бесплатный доступ к мини-курсу по Kafka и событийной архитектуре с разбором реальных задач для подготовки к собеседованиям

Авторы:

Руководитель курса Сурен Хоренян:

• Senior Python Backend Developer, Руководитель группы разработки
• ВК Реклама

Станислав Никуличев:

• Tech Lead
• NDA, ex Microsoft, ex Yandex

Леонид Орлов:

• Python Developer

Старт 26 августа 2026 года.

​

Практический онлайн курс, в котором с нуля до трудоустройства: научат безопасно разворачивать, мониторить и масштабировать приложения в облаке за 7 месяцев.

Кем ты станешь:

DevOps — это некая идеология, возникшая примерно в 2007 году. До наступления счастливой даты разработчики, пишущие код, трудились отдельно от специалистов по эксплуатации, которые этот код развертывали и поддерживали.
На курсах девопс-инженеров в TeachMeSkills студентов учат автоматизировать и интегрировать между собой процессы двух команд — той, что разрабатывает и той, что развертывает, и поддерживает.

Твой результат в конце курса:

1. Изучишь основные практики и методики DevOps.
2. Научишься администрировать операционные системы.
3. Научишься разрабатывать скрипты для автоматизации задач и мониторинга приложений.
4. Изучишь системы управления конфигурацией.
5. Погрузишься в облака и микросервисную архитектуру.
6. Станешь востребованным DevOps инженером.

224 академических часа
Составлена практикующими IT специалистами для новичков в DevOps. Это лучший курс по DevOps для начинающих.

​

Программа:

1. Отбор лучшей казуальной модели с помощью R-скорера

• Класс RScorer для сравнения нескольких моделей эффекта по R-критерию (Nie & Wager).
• Применять для объективного выбора лучшей модели CATE – это альтернатива использованному в работе сравнению по остаточному среднеквадратичному отклонению (MSE).

2. Примеры использования OrthoIV и DRIV

• Семейство алгоритмов с инструментальными переменными (OrthoIV, DMLIV, DRIV), сочетающих подходы двойного и дважды робастного машинного обучения.
• Применять при эндогенном воздействии, когда присутствует ненаблюдаемый конфаундер, но доступен инструмент.
• Частный случай (Intent-to-Treat DRIV) – рандомизированный эксперимент с неполным соблюдением (non-compliance).

3. Примеры применения взвешенного двойного машинного обучения

• Применение DML к взвешенным или агрегированным данным.
• Применять, когда данные поступают в виде сегментов или сводок (число наблюдений и дисперсия по сегменту), а не построчно.

4. Примеры применения двойного машинного обучения

• Демонстрирует классы LinearDML и SparseLinearDML.
• Применять, когда воздействие не является эндогенным (инструменты не требуются), а конфаундеры наблюдаемы; SparseLinearDML – именно в случае, когда вектор контролей W высокоразмерный и обе стадии оценивания линейны.

5. Примеры применения динамического двойного машинного обучения

• Класс DynamicDML для воздействий, назначаемых последовательно во времени и влияющих на будущие исходы.

6. Примеры применения ортогонального случайного леса и каузального леса

• Классы CausalForestDML и OrthoForest (ортогональный случайный лес).
• Применять, когда требуется оценка гетерогенного эффекта воздействия (HTE) и есть основания подозревать нелинейные взаимодействия.
• ORF особенно эффективен при большом количестве конфаундеров благодаря ортогонализации.

7. Примеры трансформация воздействия

• Аргумент treatment_featurizer для учета нелинейности по самому воздействию (например, когда отклик линеен относительно квадрата воздействия).
• Применять, когда исход зависит от преобразования воздействия, а не от него напрямую; этот прием, например, может помочь уловить нелинейный отклик D→Y, оставшийся незахваченным.

8. Policy Learning (построение политики назначения воздействия) с помощью деревьев и лесов

• Классы PolicyTree и PolicyForest: не просто оценить эффект, а вывести правило назначения воздействия (кому следует применять вмешательство), максимизирующее бизнес-value.
• Применять для перевода оценок CATE в практическую политику – прямой мост к бизнес-рекомендациям по ценовым сегментам.

9. Обобщенные случайные леса

• Низкоуровневый модуль econml.grf (высокопроизводительная Cython-реализация R-пакета grf): CausalForest, IVForest, RegressionForest.
• Применять, когда нужны максимальная производительность и тонкий контроль над построением леса, а не высокоуровневая обертка.

10. Валидация моделей оценки CATE

• Диагностика качества оценки CATE: тест на наилучший линейный предиктор (BLP), коэффициент Qini и калибровка.
• Применять, чтобы убедиться, что обнаруженная гетерогенность реальна, а не является артефактом модели.

​

AiConf 2026 — это практико-ориентированная конференция нового поколения, фокусирующаяся на прикладных решенияx, инженерной экспертизе и реальных сценариях использования AI/ML. Обновленная программа объединяет технологии, продакшен-практики и бизнес-ценность, создавая площадку для обмена опытом между разработчиками, архитекторами и руководителями AI-направлений.

Технологические тренды AiConf 2026
Эволюция AI-агентов и современные паттерны RAG
От простых пайплайнов на Python — к полноценным агентным системам с детерминированной логикой и контролируемыми сценариями. Эксперты обсудили:

• SGR Agent Core и новую архитектуру управляемых агентов;
• Реализацию RAG в высоконагруженных продуктах;
• Первые кейсы внедрения ИИ в телефонию (SIP/VoIP);
• Сегментацию задач между агентами и LLM.

Observability, тестирование и контроль качества
Индустрия уходит от «магии нейросетей» к инженерной дисциплине. Основные акценты:

• Инструментирование моделей через Langfuse и аналоги;
• Использование LLM-as-a-judge для оценки качества;
• Unit-тестирование RAG и анализ отказоустойчивости;
• Прозрачная диагностика «черного ящика» и отслеживание деградации моделей.

Оптимизация, инфраструктура и производительность
AiConf 2026 детально разобрал технический стек для продакшен-развертывания LLM:

• Сравнение vLLM, SGLang, NVIDIA Dynamo;
• Оптимизация доставки данных на GPU и устранение bottleneck’ов;
• Обзор альтернативного железа: AMD, TPU, Groq, Cerebras, AWS;
• Практики стабильной эксплуатации LLM в высоконагруженных системах.

Безопасность данных и новые подходы к обучению
Отдельный трек был посвящен ответственному и безопасному использованию ИИ:

• Machine Unlearning для точечного удаления данных из весов моделей;
• Генерация сложных синтетических наборов данных (пример GigaChat Ultra);
• Методы обнаружения и предотвращения фрода при разметке;
• Управление качеством данных для промышленных ML-систем.

Интерактивные форматы AiConf 2026
Практические воркшопы
Участники в реальном времени решали инженерные задачи:

• разворачивали наблюдаемость AI-систем;
• проводили нагрузочные тесты и ломали RAG-пайплайны через Unit-тесты;
• создавали синтетические датасеты через Яндекс Задания;
• собирали голосовых роботов с нуля.

Панельная дискуссия «От хайпа к прибыли»
Лидеры индустрии (МойОфис, Cloud.ru, Umbrella IT, Авито, Just AI) обсуждали реальные финансовые эффекты AI-проектов, поиск продуктовой ценности и критерии закрытия нерентабельных инициатив.

Групповая работа «AI для бизнеса без иллюзий»
Формат тематических столов с экспертами Сбера, Альфа-Банка, ВШЭ, Райффайзен Банка и MWS позволил обсудить самые проблемные аспекты внедрения AI:

• расчёт ROI и экономической эффективности;
• коммуникацию с токсичными стейкхолдерами;
• проблему грязных данных;
• сопротивление команд цифровой автоматизации.

Международный контекст и научный стрим
Особое внимание уделено глобальному развитию AI:

• технологическая культура Baidu, Xiaomi, SenseTime;
• особенности технического китайского для CV и LLM research;
• технологии автоматизации научных исследований;
• путь академической статьи к конференциям уровня A*.

Для кого предназначена AiConf 2026
Конференция будет полезна специалистам, работающим над созданием и внедрением AI/ML-продуктов:

• Data Scientists и ML-инженерам, оптимизирующим модели и продакшен-стек;
• Архитекторам данных и системным инженерам, строящим RAG и AI-инфраструктуру;
• AI Team Leads, Product Owners и Enterprise-менеджерам, отвечающим за бизнес-результаты AI-проектов.