AIMU: Внедрение и эксплуатация ИИ-решений

Курс «Внедрение и эксплуатация ИИ-решений» предназначен для менеджеров и пользователей, планирующих внедрение систем искусственного интеллекта (ИИ) и эксплуатирующих их для автоматизации бизнес-процессов с учетом особенностей корпоративной архитектуры и рисков. Курс сочетает необходимую теорию с практическими упражнениями на реальных инструментах и примерах из единого сквозного кейса с описанием бизнес-ситуации. Вы узнаете, как среда внедрения определяет архитектуру и стоимость ИИ-решения, разберете состав команды для внедрения и поддержки ИИ-систем, рассчитаете себестоимость разработки и эксплуатации ИИ-решения, а также спроектируете и реализуете в low-code фреймворке Langflow собственную мультиагентную систему с несколькими LLM, RAG-конвейером дополненной генерации, MCP-сервером и набором инструментов.
Код курса Даты начала курса Стоимость обучения Длительность обучения Формат обучения
AIMU
24 ноября 2026
38 400 руб.
от 3 200 руб. в месяц
16 ак.часов Дистанционный

Аудитория:

Руководители, бизнес-аналитики и архитекторы, менеджеры проектов и пользователи, которые хотят научиться планировать ИИ-проекты, ставить задачи на проектирование и разработку ИИ-систем, а также эффективно использовать их для решения своих бизнес-задач.

Предварительный уровень подготовки:

Желателен (но не обязателен) опыт работы бизнес-аналитиком или менеджером проектов

Стоимость курса зависит от модели онлайн-обучения

  • по записям, когда самостоятельно смотрите видеоуроки, читаете учебник и выполняете задачи. Каждая тема подкрепляется практическим примером, тестами и индивидуальными заданиями. При обучении по видеозаписям без фактического присутствия в группе стоимость курса дешевле на 30%
  • дистанционно, когда с вами всегда в реальном времени работает живой преподаватель. На онлайн-занятиях вы как будто находитесь в классе и учитесь в режиме интерактивного семинара. Также предусмотрена самостоятельная работа с последующей проверкой и обратной связью от преподавателя.

Формат занятий

Командная работа в малых группах (3-4 человека) на практическом кейсе. Даже в онлайн с вами работает живой преподаватель в режиме интерактивного семинара. Теория моментально закрепляется на практике, каждая тема подкрепляется примером, индивидуальными и групповыми заданиями и самостоятельной работой с последующей проверкой и обратной связью от преподавателя. Обучение построено на реальных примерах (case studies).

Результат обучения

В результате обучения вы приобретете базовые знания об архитектуре и принципах работы Apache Kafka, а также навыки проектирования масштабируемых и отказоустойчивых потоковых конвейеров обработки данных с использованием этого брокера сообщений и описания их в виде формальных спецификаций AsyncAPI. После тренинга вы сможете самостоятельно:

  • спроектировать топологию потокового конвейера на Apache Kafka, определив оптимальный набор и конфигурации топиков;
  • описать спроектированную топологию в виде формальной спецификации AsyncAPI;
  • получить автосгенерированную спецификацию AsyncAPI с помощью Python-библиотеки FastStream;
  • использовать возможности локального редактора исходного кода VSCode для разработки Python-скриптов и визуализации структур данных.

Программа курса

  • Назначение, архитектура и принципы работы ИИ, решаемые задачи
    • Практика — по выданному кейсу с описанием бизнес-ситуации определить, какие задачи можно успешно решить с помощью ИИ
  • Отличия классического (дискриминативного) машинного обучения от генеративного ИИ
  • Базовые алгоритмы, типы данных, ЖЦ ML-модели, MLOps. Анализ данных с помощью ИИ
    • Практика — по выданному кейсу с описанием бизнес-ситуации определить, какие задачи можно успешно решить с помощью классического МО, для каждой из них определить тип алгоритма (классификация, регрессия, кластеризация), пример датасета для обучения модели и метрику качества
  • Особенности ИИ-проектов. ЖЦ ИИ-решения, его этапы и их участники. Команда ИИ-проекта. Риски ИИ-проектов
    • Практика — заполнить реестр рисков ИИ-проекта на каждом этапе его ЖЦ, определить стратегии работы с ними и мероприятия по их реализации
  • ИИ-системы в корпоративной архитектуре
    • Практика — разработка представления целей ArchiMate для ИИ-проекта и ИИ-решения: определение стейкхолдеров, драйверов, предположений, целей и ожидаемых результатов, ограничений и требований, а также бизнес-возможностей и сервисов для их реализации
  • Системная архитектура ИИ-решения
    • Практика — эскизное проектирование системной архитектуры ИИ-решения в виде набора диаграмм С4, определение требований и ландшафта внедрения
  • Пирамида метрик ИИ-проекта (от бизнес-метрик к метрикам качества МО)
    • Практика — определение критериев приемки ИИ-проекта, заполнение матрицы метрик
  • Экономика ИИ-проектов. Статьи затрат на разработку и эксплуатацию ИИ-решения. ROI ИИ-проекта: капитальные и операционные затраты, окупаемость и возврат инвестиций
    • Практика — определение статей затрат на реализацию и эксплуатацию ИИ-проекта, расчет себестоимости разработки
    • Практика — расчет ROI и периода окупаемости ИИ-проекта по шаблону
  • Большие языковые модели (LLM): архитектура и принципы работы
  • Основы промпт-инжиниринга: параметры и техники промптинга
    • Практика — бенчмаркинговый тест: сравнение нескольких LLM, оценка влияния параметров генерации на качество ответов
  • Системные промпты. Промпт-инъекции и способы их предотвращения
    • Практика — разработка системного промпта для повышения устойчивости к промпт-инъекциям
  • Архитектура ИИ-систем и технологии их реализации. Популярные фреймворки разработки ИИ-приложений. Архитектура, возможности и компоненты Langflow
    • Практика — создание простого чат-бота в Langflow, настройка параметров генерации LLM для различных бизнес-сценариев, настройка системного промпта
  • RAG (Retrieval-Augmented Generation) и векторные БД, эмбеддинги, чанки. Метрики качества RAG и средства их оценки
    • Практика – проектирование и реализация поискового RAG-конвейера в Langflow
  •  
  • От чат-бота к автономному агенту. Инструменты. MCP-протокол
    • Практика — тестирование MCP-сервера в Postman
    • Практика — разработка одноагентной системы в Langflow с подключением инструментов и MCP-сервера
  • Автономность ИИ-агентов и вовлечение человека в контур принятия решений (Human-on-the-Loop и другие модели)
    • Практика — настройка подтверждения действия человеком (Human-on-the-Loop)
  • Мультиагентные системы: архитектура, паттерны взаимодействия и топология оркестрации. Риски и способы работы с ними. Управление памятью в мультиагентой системе. Guardrails для защиты от промпт-инъекций и утечки данных
    • Практика — преобразование одноагентной ИИ-системы в мультиагентную в Langflow
    • Практика — добавление Guardrails-компонентов в мультиагентный Langflow-конвейер
  • Инженерные аспекты эксплуатации агентских систем и RAG-конвейеров: оценка ИИ-агентов, наблюдаемость мультиагентной системы (LLMOps) и инструменты инфраструктуры наблюдаемости
  • Планирование ИИ-проекта: модели организации работ, задачи в проекте, их исполнители и результаты
    • Практика — разработка плана проекта создания и внедрения ИИ-решения

Для выполнения практических заданий вы получаете доступ к Langflow- и MCP-серверам нашего УЦ, развернутым в инфраструктуре Yandex Cloud. Также для выполнения практических заданий вы получите заготовки с шаблонами промптов, конфигураций и программного кода.

Для работы на курсе вам понадобятся следующие программные и аппаратные ресурсы (на вашем компьютере):

  • Браузер последней актуальной версии (Google Chrome, Яндекс.Браузер или Mozilla Firefox)
  • Инструмент тестирования веб-API Postman (обязательно десктопная версия, не веб-клиент)
  • Любой табличный кода ( MS Excel или облачные Google Sheets)
  • Доступ к публичным CDN-сервисам (https://cdn.jsdelivr.net) и внешним IP-адресам по портам 80, 443, 7860 и 8000 (точные адреса серверов УЦ будут предоставлены на занятии)
  • Стабильное интернет-подключение без ограничений на входящий/исходящий трафик по портам 80, 443, 7860 и 8000. Разрешить исходящий UDP-трафик в диапазоне портов 10000–20000 (критически важно для передачи WebRTC видео- и аудиопотоков в реальном времени) для онлайн-трансляций
  • Процессор 2-4 ядра и более
  • Оперативная память: минимум 8 ГБ RAM
  • Мышь и клавиатура. Желательно большой монитор (от 24 дюймов и выше с разрешением не менее Full HD 1920×1080) или 2 монитора (основной от 22–24 дюймов для сборки агентов и второй любого размера под онлайн-трансляцию, чтобы видеть экран преподавателя и чат занятия)

Кто проводит тренинг

Анна Вичугова
Анна Вичугова
Автор и ведущий курса
  • основатель и CPO Школы анализа и проектирования информационных систем
  • аналитик в ИТ-проектах с 2009 года
  • разработчик и проектировщик ИС
  • автор и преподаватель ИТ-курсов
  • кандидат технических наук (Системный анализ, управление и обработка информации, 2013)
  • сертифицированный бизнес-аналитик (CBAP 2020, международная сертификация IIBA)

Подробнее о преподавателе

Зоя Маттис (Степчева)
Преподаватель курса
  • Работает в ИТ с 2005 года как аналитик, разработчик, архитектор ИС
  • Бэкенд-разработчик с 10-летним опытом
  • Ведущий системный аналитик в ТБанке
  • Автор и преподаватель ИТ-курсов
  • Кандидат технических наук, доцент

Подробнее о преподавателе

Оставьте заявку на обучение

Остались вопросы по формату обучения, содержанию курсов, стоимости, сертификатам или другим важным моментам? Оставьте номер телефона или e-mail и мы оперативно проконсультируем вас в течение дня.

    Условия обучения

    Работаем напрямую без посредников. Все наши программы учебных курсов являются авторской разработкой наших преподавателей и специалистов.

    Стоимость обучения

    Предлагаем гибкие условия оплаты: предоплата; оплата по факту проведения занятий; счет-оферта; заключение рамочного договора; пост-оплата под гарантийное письмо.

    Минимальная группа

    Минимальный размер группы для проведения корпоративного или выездного обучения — 6 человек. Стоимость составляет 2400р за один час обучения одного человека, в том числе НДС 5%.

    Остались вопросы?

    Звоните нам +7 (495) 108-70-38

    Или напишите нам в соц.сетях