Курс для инженера, который применяет ИИ в своей работе: пишет и сопровождает код, держит инфраструктуру, разбирает инциденты, готовит документацию и данные. Курс не учит обучать нейронные сети — он даёт рабочий контур применения готовых моделей: от спецификации задачи до агента, поиска по внутренней документации и модели, запущенной внутри периметра.
Редакция 2026 года. Из программы исключены изучение архитектур свёрточных и рекуррентных сетей и работа с фреймворками обучения: это самостоятельная дисциплина, и обзорное прохождение по ней не даёт применимого навыка. Вместо неё — 45-минутный блок «почему модель ошибается», объясняющий наблюдаемое поведение через токены, окно контекста, потерю середины контекста и недетерминированность вывода. Всё, что инженеру нужно, чтобы диагностировать отказ, а не воспроизвести обучение.
Работа второго дня идёт на учебном репозитории с заложенными дефектами: так практикум остаётся проверяемым и одинаковым для всей группы, независимо от стека, с которым участник пришёл. Результат каждого практикума сдаётся по формальным критериям приёмки, а не демонстрируется.
Отдельный день отведён тому, чего в обзорных курсах обычно нет: внедрению инструкций через обрабатываемый документ, утечке через несогласованные права доступа, экфильтрации данных через вывод модели и запуску модели во внутреннем периметре с замером. Агент, принимающий файлы и тикеты извне, — это канал управления, открытый для отправителя, и относиться к нему нужно соответственно.
55 % учебного времени занимают практикумы и командная работа. Каждый практикум сдаётся по формальным критериям приёмки.
Цель курса:
По окончании курса слушатель сможет:
объяснять наблюдаемое поведение модели — недетерминированность, галлюцинацию, деградацию на длинном контексте — и выбирать приём, устраняющий конкретный отказ;
подбирать модель под класс задачи и обосновывать выбор замером на эталонном наборе, а не заявленными характеристиками;
проектировать спецификацию со структурированным выводом по схеме, валидировать ответ и обрабатывать несоответствие схеме;
определять допустимый контур обработки для кода, конфигураций, журналов и внутренней документации и назначать требования по Закону Республики Казахстан «Об искусственном интеллекте»;
применять агентные инструменты кодогенерации: генерация, рефакторинг, ревью, объяснение чужого кода — с пониманием того, где они систематически ошибаются;
генерировать тестовые случаи и техническую документацию с назначенной границей доверия;
разбирать журналы и инциденты с помощью модели и отличать обоснованный вывод от правдоподобной реконструкции;
работать с программным интерфейсом модели: параметры, потоковая передача, стоимость, лимиты интенсивности, повторные попытки, идемпотентность;
реализовывать вызов инструментов (tool use) и подключать модель к внутренним источникам через MCP;
строить поиск по внутренней документации и измерять его качество на эталонном наборе;
собирать агентный сценарий с обработкой отказов и обязательной точкой контроля человека;
выявлять и блокировать внедрение инструкций через обрабатываемый документ, утечку через права доступа и экфильтрацию через вывод;
разворачивать квантованную модель локально, замерять латентность и определять, при каком профиле нагрузки требуется ускоритель.
Аудитория:
разработчики программного обеспечения — кодогенерация, ревью, тесты, документация;
системные администраторы и инженеры эксплуатации — разбор журналов, инциденты, рутинные процедуры;
DevOps- и платформенные инженеры — автоматизация конвейеров, интеграции, агентные сценарии;
аналитики данных и инженеры данных — извлечение, нормализация, структурированный вывод;
инженеры по тестированию — генерация тестовых случаев и данных, покрытие граничных условий;
технические руководители небольших групп, принимающие решение «строить или покупать» и проверяющие результат подрядчика.
Необходимая подготовка:
Обязательны уверенное чтение и правка кода, Python на уровне самостоятельного скрипта, работа в командной строке, понимание клиент-серверного взаимодействия и работы с программными интерфейсами. Опыт работы с контейнерами желателен. Предварительное знакомство с языковыми моделями не требуется: необходимая часть разбирается в первый день.
Практикумы второго дня выполняются на учебном репозитории с заложенными дефектами, который предоставляется учебным центром. Собственный код участника использовать не требуется: это сохраняет проверяемость результата и одинаковые условия для всей группы независимо от применяемого стека.
Практические приёмы, отрабатываемые на курсе:
Слушатель осваивает приёмы, применимые к собственным задачам с первого рабочего дня после обучения. Ниже — приёмы в сценарии, которые отрабатываются на практике.
Диагностика отказа вместо подбора формулировок. Наблюдаемое поведение объясняется устройством вывода: ограниченное окно контекста, деградация внимания к середине длинного документа, вероятностный характер генерации. Инженер, понимающий механизм, устраняет причину, а не перебирает формулировки запроса.
Структурированный вывод и валидация. Схема ответа задаётся явно и проверяется программно; несоответствие обрабатывается как штатная ситуация, а не как исключение. Разрешение вернуть пустое значение вместо правдоподобной догадки закладывается в схему.
Эталонный набор как инструмент разработки. Изменение в промпте, смена модели или параметров принимается по замеру на фиксированном наборе случаев, а не по впечатлению от двух примеров. Набор собирается до начала оптимизации.
Агентные инструменты кодогенерации по назначению. Где выигрыш устойчив: типовой код, рефакторинг по образцу, тесты на граничные условия, объяснение незнакомого кода, черновик документации. Где выигрыш отрицательный: изменения, затрагивающие неочевидные инварианты, работа в незнакомой предметной области, задачи с неполным контекстом репозитория.
Работа с программным интерфейсом как с внешней зависимостью. Лимиты интенсивности, повторные попытки с нарастающей паузой, таймауты, идемпотентность, деградация при недоступности сервиса, учёт стоимости на реальном месячном объёме. Интеграция, не обрабатывающая отказ, теряет данные незаметно.
Вызов инструментов и MCP. Передача модели доступа к внутренним источникам и функциям: описание инструментов, разбор вызова, ограничение прав по принципу минимальной достаточности, запрет на автоматическое исполнение необратимых операций.
Поиск по внутренней документации с измеренным качеством. Разбор источников, разбиение с метаданными, векторизация, гибридный поиск, генерация ответа со ссылкой. Ссылка на источник не равна корректности атрибуции и проверяется отдельно.
Защита агента от внедрения инструкций. Демонстрация на стенде: обрабатываемый документ или тикет меняет поведение агента. Разделение инструкции и данных, ограничение прав, проверка вывода на соответствие схеме, запрет действий по содержимому входящего материала.
Локальный запуск и честный замер. Выбор модели под задачу и доступное железо, квантование и его цена в качестве, замер задержки и пропускной способности на своей машине. Ответ на вопрос «хватит ли ноутбука» получается замером, а не оценкой.
Сквозное правило курса: результат принимается по замеру на эталонном наборе, а не по демонстрации на удачном примере; необратимые операции не исполняются агентом без подтверждения человеком. Оба правила входят в критерии приёмки практикумов.
Что участник получает:
работающий поиск по внутренней документации с отчётом по метрикам качества и инструкцией развёртывания;
агентный сценарий с обработкой отказов, ограничением прав и точкой контроля человека;
библиотека спецификаций под задачи жизненного цикла разработки: генерация, ревью, тесты, документация, разбор инцидентов;
эталонный набор случаев для своей задачи и методика замера;
квантованная модель, запущенная локально, с отчётом замера латентности и выводом о требуемом оборудовании;
каталог векторов атак на системы с языковыми моделями с описанием проверки и контрмеры по каждому;
рабочие заготовки: вызов модели с валидацией схемы, обработка отказа программного интерфейса, подключение источника через MCP, журналирование обращений;
классификатор контуров обработки для кода, конфигураций, журналов и документации.
Материалы передаются в редактируемых форматах на электронном носителе для информационного наполнения корпоративной базы знаний.
Что в курс НЕ входит:
Раздел приведён намеренно. Курс изолирован и рассчитан на самостоятельное прохождение, поэтому его границы обозначаются прямо: неверно выбранный курс разочаровывает сильнее слабого.
обучение нейронных сетей, работа с фреймворками обучения, архитектуры свёрточных и рекуррентных сетей. Исключены осознанно: это самостоятельная дисциплина, а обзорное прохождение по ней не даёт применимого навыка. В курсе — 45-минутный блок «почему модель ошибается», объясняющий наблюдаемое поведение;
дообучение моделей под предметную область. В курсе даётся дерево решений: что закрывается спецификацией, что поиском по документации, что сменой модели и только что — дообучением;
промышленное развёртывание локального контура на серверном оборудовании, расчёт стоимости владения инфраструктурой и обоснование закупки. На курсе модель запускается локально на ноутбуке участника — этого достаточно, чтобы измерить границы, но не чтобы спроектировать промышленный контур;
перевод бизнес-задач в постановку, оценка целесообразности, карты пользовательского опыта и подготовка технических заданий — это предмет программы для специалистов бизнес-функций;
регламент допуска ИИ-решения к эксплуатации службой информационной безопасности и классификация систем по уровням риска;
тестирование на проникновение и инструментальный аудит ИИ-систем.
Как проверяется результат:
Входное тестирование. Проводится за 3 рабочих дня до старта, 20 вопросов. Замеряет стартовый уровень для последующего сравнения и выявляет разброс подготовки: по его результатам ведущий распределяет участников по парам на практикумах второго и четвёртого дня и выдаёт дифференцированные задания.
Итоговое тестирование. 30 вопросов в конце пятого дня. Целевой прирост — не менее 25 процентных пунктов к входному результату, проходной порог — 70 %.
Приёмка практикумов по формальным критериям. Итоговый критерий курса: поиск по внутренней документации отвечает со ссылками и имеет измеренные на эталонном наборе полноту извлечения и обоснованность ответа; агентный сценарий отрабатывает подготовленный набор случаев, включая попытку внедрения инструкции через входящий документ; локально запущенная модель имеет отчёт замера латентности.
Перенос навыка в работу. Индивидуальный «План 30 дней»: две задачи своего участка, переведённые на проверяемый контур применения, с эталонным набором и замером. Отложенный опрос через 30 дней о фактическом применении.
Измеряемый эффект. Сокращение времени на подготовку тестов и технической документации; сокращение времени поиска сведений во внутренней документации; доля инцидентов, разобранных с применением проверяемого контура. Методика замера передаётся заказчику.
День 1. МОДЕЛЬ, ГРАНИЦЫ, УПРАВЛЯЕМЫЙ ВЫВОД
Ландшафт и типы задач. Искусственный интеллект, машинное обучение, глубокое обучение, генеративные модели — что чем является и где проходят границы. Типы задач: классификация, регрессия, кластеризация, генерация — и какие из них решаются языковой моделью, а какие традиционными методами дешевле и точнее. Краткий разбор того, как нынешнее поколение моделей получилось таким, — ровно настолько, насколько это объясняет их поведение. 45 минут.
Почему модель ошибается. Токенизация и её следствия. Окно контекста и что происходит при его переполнении. Деградация внимания к середине длинного документа. Вероятностный характер генерации и недетерминированность вывода. Природа галлюцинации: почему модель уверенно достраивает отсутствующее. Замена исключённого блока по архитектурам: инженеру нужно диагностировать отказ, а не воспроизвести обучение. 45 минут.
Контур обработки и правовая рамка. Три контура: публичный сервис, корпоративный доступ по программному интерфейсу с договором обработки и отключённым обучением, локальное развёртывание. Что физически уходит наружу при передаче кода, конфигурации, журнала, фрагмента базы. Секреты в коде и журналах как отдельный риск. Закон Республики Казахстан «Об искусственном интеллекте» № 230-VIII, введённый в действие 18 января 2026 года: уровни риска систем, маркировка синтетического содержимого в машиночитаемой форме, информирование о взаимодействии с ИИ, обязанности владельца и оператора. 60 минут.
Выбор модели и параметры генерации. Семейства моделей и открытые веса, лицензионные ограничения, длина контекста, поддержка вызова инструментов, стоимость обращения. Параметры генерации и их влияние на воспроизводимость. Соответствие класса задачи размеру модели: типовая ошибка — максимальная доступная модель под задачу извлечения по схеме. Практикум: подбор двух моделей-кандидатов под собственную задачу. 60 минут.
Спецификация и структурированный вывод. Структура «роль → контекст → данные → задача → формат вывода → ограничения → самопроверка». Жёсткая схема ответа и программная валидация. Обработка несоответствия схеме как штатной ситуации. Разрешение вернуть пустое значение вместо догадки. Декомпозиция на шаги, эталонный пример разметки, требование ссылки на фрагмент источника. Практикум: спецификация со схемой и валидатором на собственной задаче. 105 минут.
Эталонный набор и замер. Почему изменение промпта принимается по замеру, а не по двум удачным примерам. Состав набора: типовые случаи, пограничные, заведомо неразрешимые. Автоматизация прогона и её пределы. Практикум: сборка эталонного набора и базовый замер. 45 минут.
День 2. ИИ В ЖИЗНЕННОМ ЦИКЛЕ РАЗРАБОТКИ
Агентные инструменты кодогенерации. Чем агентный инструмент отличается от автодополнения: планирование, чтение репозитория, многошаговое изменение, запуск проверок. Как инструмент формирует контекст проекта и чем этот контекст ограничен. Где выигрыш устойчив и где отрицателен: изменения, затрагивающие неочевидные инварианты, незнакомая предметная область, неполный контекст. Режимы работы и разграничение прав инструмента в репозитории. 60 минут.
Работа на учебном репозитории. Учебный репозиторий с заложенными дефектами: генерация нового модуля по спецификации, рефакторинг по образцу, ревью изменения, объяснение незнакомого кода. Сопоставление найденного моделью с фактическим перечнем дефектов: какие классы ошибок находятся устойчиво, какие не находятся никогда. Практикум: прохождение по репозиторию и протокол расхождений. 105 минут.
Тесты и техническая документация. Генерация тестовых случаев, покрытие граничных условий, подготовка тестовых данных. Типовой отказ: тест написан под текущее поведение кода, а не под требование. Генерация и поддержка технической документации, описаний интерфейсов, сообщений фиксации изменений. Назначение границы доверия: что принимается после беглого просмотра, а что проверяется построчно. Практикум: тесты и документация к модулю учебного репозитория. 105 минут.
Требования, пользовательские истории, разбор инцидентов. Преобразование сырого запроса в требование и пользовательскую историю с критериями приёмки. Выявление пропущенных условий и противоречий. Разбор журналов: выделение аномалий, построение гипотез о корневой причине, подготовка сводки инцидента. Граница: модель строит гипотезу, подтверждение даёт инженер по данным. Практикум: разбор журнала инцидента из учебного набора. 90 минут.
День 3. ПРОГРАММНЫЕ ИНТЕРФЕЙСЫ И ПОДКЛЮЧЕНИЕ К СИСТЕМАМ
Работа с программным интерфейсом модели. Эндпоинты, модели, параметры, системные сообщения, потоковая передача. Лимиты интенсивности, повторные попытки с нарастающей паузой, таймауты, идемпотентность. Учёт стоимости на реальном месячном объёме и её чувствительность к длине контекста. Деградация при недоступности сервиса. Практикум: скрипт с валидацией схемы, обработкой отказа и журналированием обращений. 105 минут.
Вызов инструментов. Описание доступных функций, разбор вызова, передача результата обратно, многошаговый цикл. Ограничение набора инструментов по принципу минимальной достаточности. Запрет на автоматическое исполнение необратимых операций. Типовые отказы: вызов несуществующей функции, зацикливание, игнорирование результата вызова. Практикум: подключение двух инструментов и обработка отказов. 105 минут.
MCP: подключение внутренних источников. Назначение протокола и решаемая им задача: единообразное подключение источников и инструментов вместо отдельной интеграции под каждый. Состав: ресурсы, инструменты, подсказки. Разграничение прав и область видимости. Что уходит на сторону модели при подключении внутреннего источника. Практикум: подключение собственного источника через MCP. 90 минут.
Дерево решений: чем закрывать задачу. Что решается спецификацией и структурированным выводом, что — few-shot-примерами, что — поиском по документации, что — сменой модели, и только что — дообучением. Стоимость подготовки размеченных данных как основная и обычно замалчиваемая статья. Признаки, по которым дообучение предлагают вместо более дешёвого решения. 60 минут.
День 4. ПОИСК ПО ВНУТРЕННЕЙ ДОКУМЕНТАЦИИ И АГЕНТЫ
Пайплайн от документа до ответа. Этапы: разбор источника, нормализация, разбиение на фрагменты, векторизация, индексирование, поиск, переранжирование, сборка контекста, генерация, атрибуция. Стратегии разбиения и метаданные фрагмента. Где ломается чаще всего и почему диагностика начинается с этапа извлечения, а не с формулировки запроса. Гибридный поиск: почему лексическая составляющая выигрывает на точных обозначениях, номерах и кодах. 90 минут.
Сборка поиска по внутренней документации. Разбор корпуса технической документации, индексирование, поиск, генерация ответа со ссылкой на источник. Требование отвечать только по найденным фрагментам и разрешение вернуть обоснованный отказ. Почему ссылка на источник не равна корректности атрибуции. Практикум: работающий поиск на учебном корпусе. 120 минут.
Агенты и оркестрация. Агент как цикл «планирование → действие → наблюдение» и его отличие от последовательного сценария. Когда достаточно детерминированного сценария в оркестраторе, а когда нужен агент. Обработка отказов, ограничение числа шагов, стоп-условие, стоимость запуска. Обязательная точка контроля человека на необратимых операциях, журнал операций. Практикум: агентный сценарий с обработкой отказов. 105 минут.
Замер качества поиска. Полнота извлечения — попал ли нужный фрагмент в выдачу. Обоснованность ответа — следует ли утверждение из процитированного фрагмента. Доля обоснованных отказов на вопросах без ответа в корпусе. Задержка и стоимость обращения. Диагностика по симптому: фрагмент не извлекается, извлекается но игнорируется, ответ верен но ссылка ведёт не туда. 45 минут.
День 5. БЕЗОПАСНОСТЬ И ЛОКАЛЬНЫЙ ЗАПУСК
Атаки на системы с языковыми моделями. Внедрение инструкций через обрабатываемый документ — демонстрация на стенде: присланный файл или тикет меняет поведение агента и вынуждает его выполнить постороннее действие. Экфильтрация данных через вывод модели. Утечка через несогласованные права доступа: права проверяются на уровне файла, индекс построен на уровне фрагмента. Секреты и учётные данные в контексте. Контрмеры и их стоимость: разделение инструкции и данных, ограничение прав, валидация вывода, запрет действий по содержимому входящего материала. Практикум: атака на чужой сценарий и защита своего. 105 минут.
Локальный запуск квантованной модели. Выбор модели под задачу и доступное железо. Форматы квантования и их влияние на объём памяти, скорость и качество вывода. Развёртывание инференс-сервера на ноутбуке участника, запуск модели 7–8B на центральном процессоре, подключение к ней собственного скрипта предыдущих дней. Практикум: развёртывание и проверка работоспособности. 105 минут.
Замер и граница применимости. Что измерять: задержка первого токена, задержка полного ответа, пропускная способность, поведение при увеличении длины контекста. Условия воспроизводимости замера. Сопоставление с внешним программным интерфейсом по задержке и стоимости. Ответ на вопрос «при каком профиле нагрузки ноутбука достаточно, а когда требуется ускоритель» — по собственным замерам, а не по оценке. Практикум: замер трёх конфигураций и отчёт. 60 минут.
Человек в контуре, журналирование, аудиторский след. Перечень операций, не исполняемых без подтверждения. Состав журнала, достаточный для разбора инцидента с недетерминированной системой: запрос, использованные фрагменты, версия модели и параметры, вывод, действие человека. Маркировка сгенерированного содержимого и техническая реализуемость требования. Сроки хранения и доступ к журналу. 45 минут.
Итоговое тестирование и «План 30 дней». Индивидуальный план переноса: две задачи своего участка, переведённые на проверяемый контур применения, с эталонным набором и замером, контрольная точка. Итоговое тестирование, разбор результатов и сопоставление с входным тестом. 45 минут.
