Новые складчины

​

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.

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Изучаем самые актуальные продвинутые методы работы с LLM и трансформерными моделями

Изучаем самые актуальные технологии и архитектуры, связанные с LLM и трансформерными моделями, которые стали стандартом в области работы с текстом. Генеративные LLM, такие как ChatGPT и GPT4 позволяют решать огромное множество задач на высоком уровне. На рынке IT есть потребность в специалистах, которые владеют технологиями работы с этими моделями на уровне архитектуры и умеют адаптировать их для своих бизнес-задач.

LLM — один из самых востребованных вариантов применения генеративного ИИ, поэтому на курсе мы делаем фокус на самые актуальные технологии работы с большими языковыми моделями. Студенты на практике научатся работать с самыми передовыми моделями и фреймворками, которые сегодня являются state-of-the-art в области NLP.

Для кого этот курс

• Этот курс для тех, кто хочет за минимальный срок на высоком уровне освоить самые продвинутые методы LLM и сразу начать применять их на практике.
• Практикующие DS специалисты, которые хотят получить углубленные знания по трансформерным моделям и научиться работать с LLM на высоком уровне;
• Выпускники курсов Machine Learning. Professional, Machine Learning. Advanced, NLP / Natural Language Processing, которые хотят освоить самые передовые методы работы с LLM;
• ИТ-специалисты, которым на работе приходиться работать с текстовыми данными и внедрять методы работы с трансформерными моделями и LLM.

Необходимые знания

• Базовая высшая математика: умение работать с матрицами и векторами, базовое знание математической статистики, теории вероятности и мат. анализа;
• Методы классического ML, умение работать с классическими ML моделями;
• Основы Deep Learning, базовое представление о pytorch;
• Программирование на Python для машинного обучения.

Что даст вам этот курс
Вы научитесь

• Работать с LLM (большими языковыми моделями) на высоком уровне;
• Самым передовым методам работы с LLM и трансформерными моделями;
• Применять самые продвинутые архитектуры и адаптировать их под широкий круг бизнес-задач;
• Дообучать языковые модели под свои задачи;
• Поднимать модели в телеграм-боте.

Программа

Базовые понятия трансформерных моделей
В данном модуле вы познакомитесь с фундаментальным понятием NLP и трансформерных моделей. Рассмотрите архитектуру трансформера, механизм внимания и применение трансформеров в задачах машинного перевода и языкового моделирования.
Тема 1: Задача языкового моделирования и понятие языковой модели
Тема 2: Архитектура трансформер и задача машинного перевода // ДЗ
Тема 3: BERT и другие трансформерные энкодеры // ДЗ
Тема 4: GPT и другие декодерные модели для генерации текста
Тема 5: Seq2seq модели. Дообучение трансформеров на практическом примере // ДЗ
Тема 6: Методы за ChatGPT + Q&A сессия

Новая эра LLM: базовые методы
В этом модуле вы изучите современные подходы к большим языковым моделям (LLM) и их оптимизации. Вы освоите мультиязычные трансформеры, работу с длинным контекстом и практические техники промптинга.
Тема 1: Современные LLM и оптимизация архитектуры
Тема 2: Практическое занятие: теория промптинга LLM // ДЗ
Тема 3: Методы за моделью DeepSeek - на пути к современному ризонингу
Тема 4: LoRA и доменная адаптация (Domain adaptation) // ДЗ
Тема 5: Мультиязычные трансформеры
Тема 6: Работа с длинным контекстом
Тема 7: Q&A сессия и дискуссионный клуб

Продвинутые методы работы с LLM
В этом модуле вы изучите углубленные подходы к работе с трансформерами.
Тема 1: Sentence-transformers // ДЗ
Тема 2: Эффективные трансформеры
Тема 3: Практическое занятие: фреймворки для эффективной работы с LLM // ДЗ
Тема 4: LangChain
Тема 5: RAG - генерация на основе базы знаний

Доп. главы работы с LLM
В данном модуле вы узнаете о дополнительных аспектах работы с LLM, которые выходят за рамки стандартной программы.
Тема 1: Оценка LLM
Тема 2: Распределенное обучение
Тема 3: Практическое занятие: интеграция LLM в тг-бота // ДЗ
Тема 4: Q&A сессия и дискуссионный клуб

Трансформеры для других модальностей
В данном модуле вы ознакомитесь с применением трансформеров в мультимодальных задачах.
Тема 1: Мультимодальные и Vision трансформеры
Тема 2: Практическое занятие по работе с мультимодальными моделями
Тема 3: Введение в AI агентов // ДЗ
Тема 4: Трансформеры для временных рядов
Тема 5: Трансформеры для табличных данных
Тема 6: Q&A сессия и дискуссионный клуб

Проектная работа
Проектный модуль, во время которого студенты выполняют финальную работу на основе методов, изученных на курсе.

Преподаватели

• Андрей Носов. AI Architect, Raft. PhD Communication Science, Tampere University (Finland)
• Никита Овчинников. Lead of Research And Development Peech
• Алексей Клочков. Data Science Team Lead Kept
• Анна Козлова
• Раиль Сулейманов. Machine Learning Engineer Garage IT
• Мария Тихонова. Лидер Research кластера Сбер, ВШЭ
• Дмитрий Гайнуллин. Machine Learning Engineer AIC

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

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.

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

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.

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Для кого этот курс:

• Курс ориентирован не только на разработчиков и прежде всего не на разработчиков. В курсе разбираем как настроить автономных агентов для решения повседневных рутинных задач.

Особенности курса:

• Практические кейсы
  Рассматриваем применение ИИ инструментов на реальных задачах из мира 1С.
• Современные инструменты
  OpenClaw - 376 000 звёзд на github
  Hermes-agent - 176 000 звёзд на github
  Agency-Agents - 107 000 звёзд на github
  Paperclip - 68 000 звёзд на github
  И это всё за год или меньше.
  В сумме 600+ тысяч звёзд на github - инструментарий этого курса.
• Ориентировано на экосистему 1С
  Используются специализированные MCP для 1С (предоставляются) и скиллы, написанные для 1С (предоставляются)

Программа:

• Автономные агенты: базовая архитектура
  • что такое автономный агент
  • agent loop
  • память
  • tools (MCP)
  • skills
• OpenClaw (автономный агент)
  • Установка и настройка
  • Подключение к Telegram
  • Подключение к 1С (MCP)
  • Добавление нужных скиллов
  • Работа с браузером
• Hermes Agent (автономный агент)
  • Установка и настройка
  • Подключение к Telegram
  • Подключение к 1С (MCP)
  • Добавление нужных скиллов
  • Работа с браузером
• Агентные компании, Company as Code
  • роли, skills, policies;
  • шаблоны компаний;
  • версионирование;
  • объявление агентов.
• Paperclip (платформа агентных компаний)
  • установка и настройка;
  • создание агентной компании;
  • подключение к 1С;
  • практический кейс - компания 1С: Франчайзи.
• Agency Agents (платформа агентных компаний)
  • установка и настройка;
  • создание агентной компании;
  • подключение к 1С;
  • практический кейс - компания 1С: Франчайзи.
• Особенности эксплуатации в Enterprise
  • политики доступа;
  • логинрование;
  • мониторинг;
  • модели.

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Курс создан специально для тех, кто только начинает знакомство с Python. Мы всё разберём простым и понятным языком, без сложных терминов и лишней академической теории. Не важно, есть ли у вас опыт в программировании — здесь вы научитесь работать с Python с нуля и сможете применять знания в реальных задачах. Вас ждут видеолекции, конспекты, практические задания и поддержка автора по всем материалам курса.

Этот курс создан специально для тех, кто начинает знакомство с Python и анализом данных. Мы разберем всё простым и понятным языком, без сложных терминов и лишней академической теории, с авторской поддержкой по всем материалам курса.

Не важно, есть ли у вас опыт в программировании — здесь вы научитесь работать с Python с нуля и сможете применять знания в реальных задачах. Вас ждут видеолекции, конспекты, практические задания и поддержка автора по всем материалам курса.

Перед покупкой рекомендую:

• Ознакомиться с подробной презентацией курса
• Изучить программу и объем материалов
• Ознакомиться с дополнительной полезной информацией в репозитории по ссылке
• Посетить Telegram-канал с ответами на возможные вопросы
• Если остались вопросы — напишите мне лично в Telegram (пишите, не стесняйтесь).

Цель курса — получить фундаментальные знания и навыки работы с Python для анализа данных, что позволит достичь ваших целей:

• Повысить конкурентоспособность на рынке труда
• Сменить должность или место работы — начать карьеру в аналитике данных
• Увеличить стоимость ваших услуг и улучшить условия труда как специалиста

Особенности курса:

• Поддержка автора по всем материалам курса
• Логичная структура: от основ синтаксиса до написания функций и обработки исключений
• Подробные конспекты к каждой лекции
• Более 280 тестовых заданий
• Более 235 практических заданий
• Задания на закрепление материала после каждой темы
• Идеальный баланс теории и практики
• Курс подходит как для начинающих, так и для тех, кто хочет систематизировать знания по Python
• В конспектах представлен код из уроков и готовые решения задач
• Программа разработана на основе анализа требований рынка и запросов студентов
• Работа в Jupyter Notebook и Google Colab — доступно на Windows, macOS

Для кого этот курс:

• Аналитиков данных
• Бизнес-аналитиков
• Маркетинговых аналитиков
• Продуктовых аналитиков
• Системных аналитиков
• BI-аналитиков и BI-разработчиков
• Разработчиков
• Тестировщиков
• Маркетологов
• Project и Product менеджеров
• Data Engineer и Data Scientist
• Предпринимателей и руководителей подразделений
• Студентов технических специальностей
• Начинающих специалистов для старта карьеры в IT
• Всех, кто хочет освоить Python с нуля

Начальные требования:

• Базовые навыки работы с компьютером на уровне обычного пользователя

Как проходит обучение:

Виды материалов:

• Видеолекции с объяснениями
• Оформленные конспекты к урокам
• Тестовые задания на закрепление материала
• Интерактивные задачи для отработки навыков
• Оформленные файлы и конспекты Google Colab

Рекомендации по изучению:

• Повторяйте пройденные темы
• Не пропускайте практические задания
• Выполняйте все задания самостоятельно
• Задавайте вопросы в комментариях курса
• Делайте пометки и комментарии в материалах

Чему вы научитесь:

• Устанавливать и настраивать Jupyter Notebook, разбираться в отличиях от Google Colab
• Использовать Markdown для оформления кода, комментариев и структурирования записей
• Понимать основы синтаксиса Python и следовать стилю PEP 8
• Работать с переменными, целыми числами, числами с плавающей точкой и комплексными числами
• Выполнять конвертацию типов данных
• Использовать функции ввода-вывода input и print
• Выполнять индексацию строк, срезы и применять строковые функции
• Работать с логическим типом данных, логическими операторами и типом NoneType
• Использовать основные структуры данных: списки (создание, методы, операции), кортежи, множества, словари
• Импортировать модули и библиотеки
• Выполнять базовую работу с файлами
• Работать с датой и временем: модуль datetime, работа с датами, временем, временными промежутками
• Применять условные операторы if, elif, else и тернарный оператор
• Использовать циклы while и for, операторы continue, break, pass
• Создавать списки с помощью List Comprehensions
• Писать собственные функции, работать с параметрами и аргументами функций
• Использовать *args и **kwargs для гибкой работы с аргументами
• Обрабатывать исключения с помощью try и except
• Применять map, filter, lambda-функции, reduce и lambda-сортировку
• Решать практические задачи на закрепление каждой темы

Что вы получаете:

• Навыки и знания по работе с Python: от основ синтаксиса до написания собственных функций и обработки исключений
• Более 280 тестовых заданий для проверки теории
• Более 235 интерактивных задач для отработки навыков
• Пожизненный доступ к материалам и обновлениям курса
• Изучение в своем темпе
• Доступ к форуму решений
• Помощь преподавателя по всем материалам курса
• Оформленные файлы и конспекты Google Colab

Программа:

Введение в курс:

• Презентация курса
• Демо-доступ
• Вступительное слово, ссылки на полезные материалы
• Демо-доступ
• Jupyter Notebook vs Google Colab
• Демо-доступ
• Установка и запуск Jupyter Notebook
• Демо-доступ
• Markdown: Основы синтаксиса
• Демо-доступ
• PEP: Руководство по стилю кода в Python
• Демо-доступ

Введение в язык, переменные и базовые типы данных:

• Переменные и целые числа
• Демо-доступ
• Практика по теме "Переменные и целые числа"
• Демо-доступ
• Числа с плавающей точкой, комплексные числа, конвертация типов
• Практика по теме "Числа с плавающей точкой, комплексные числа"
• Логический тип данных, логические операторы, NoneType
• Практика по теме "Логический тип данных, логические операторы"

Строки и ввод-вывод:

• Строки и функции ввода-вывода (input & print)
• Демо-доступ
• Практика по теме "Строки и функции ввода-вывода (input & print)"
• Индексация строк и срезы
• Демо-доступ
• Практика по теме "Индексация строк и срезы"
• Демо-доступ
• Практика по теме "Индексация строк и срезы"
• Строковые функции и методы (ч. 1)
• Практика по теме "Строковые функции (ч. 1)"
• Строковые функции и методы (ч. 2)
• Практика по теме "Строковые функции (ч. 2)"

Упорядоченные коллекции данных:

• Тип данных — "Список (ч. 1)"
• Практика по теме "Списки (ч. 1)"
• Тип данных — "Список (ч. 2)"
• Практика по теме "Списки (ч. 2)"
• Тип данных — "Кортеж"
• Практика по теме "Кортежи"

Неупорядоченные коллекции данных:

• Тип данных — "Множества"
• Практика по теме "Множества"
• Тип данных — "Словарь"
• Практика по теме "Словарь"

Работа с модулями и дата/время:

• Модули и библиотеки
• Работа с датой и временем (ч. 1)
• Работа с датой и временем (ч. 2)
• Практика по теме "Работа с датой и временем"

Дополнительные типы данных:

• Дополнительные типы данных
• Практика по теме "Дополнительные типы данных"

Работа с файлами:

• Базовая работа с файлами

Условия:

• Условный оператор
• Практика по теме "Условный оператор"
• Тернарный оператор
• Практика по теме "Тернарный оператор"

Циклы и управление итерациями:

• Цикл while
• Практика по теме "Цикл while"
• Цикл for (ч. 1)
• Практика по теме "Цикл for (ч. 1)"
• Цикл for (ч. 2)
• Практика по теме "Цикл for (ч. 2)"
• Операторы continue, break и pass
• Практика по теме "Операторы continue, break и pass"
• Comprehensions
• Практика по теме "Comprehensions"

Функции:

• Методы и функции
• Функции с параметрами
• Практика по теме "Функции с параметрами"
• Работа с параметрами функций: *args и **kwargs
• Обработка исключений: try и except

Функциональное программирование: Map, Filter, Reduce, Lambda:

• Map, Filter и Lambda-функции
• Практика по теме "Map, Filter и Lambda-функции"
• Функция apply
• Условные выражения, Reduce и Lambda-сортировка
• Практика по теме "Усл. выражения, Reduce и сортировка с Lambda"
• Python: полезные материалы

Feedback:

• Завершение и итоги курса
• FeedBack
• Бонус: Единый конспект лекций

Автор Алексей Андросов

• Разрабатываю структурированные и доступные онлайн-курсы по аналитике данных.
• Образование: НИУ ВШЭ, бизнес-информатика.
• Опыт: бизнес-аналитик, аналитик данных.

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Онлайн-курс «Системный аналитик с нуля до старта» от Веры Коноваловой представляет собой комплексное решение для быстрого и эффективного освоения ключевых компетенций в системном анализе. Разработанный для тех, кто только начинает свой путь в IT, а также для аналитиков с опытом до трех лет, желающих укрепить теоретическую и практическую базу, курс позволит вам систематизировать знания и уверенно решать рабочие задачи. Программа также будет крайне полезна специалистам, меняющим направление в IT, таким как тестировщики, менеджеры проектов и бизнес-аналитики.

Курс предлагает прочную основу, созданную практикующим старшим системным аналитиком Верой Коноваловой, чей опыт включает работу над более чем 15 крупными проектами для компаний уровня Т-Инвестиции, Лаборатории Касперского, Райффайзенбанка и Сбера. Содержание курса тщательно продумано и включает:
- 11 часов видеоуроков, текстовые материалы, тесты и практические задания для глубокого погружения.
- Разбор реальных кейсов и предоставление готовых шаблонов, применимых в повседневной работе.
- Изучение методологий и лучших практик, проверенных на реальных проектах, а не только теоретические основы.

В ходе обучения вы приобретете следующие навыки и знания:
- Готовность работать в Agile-команде и четкое понимание зоны ответственности.
- Свободное владение IT-терминологией, включая «таски», «стори», «спринты» и «баги».
- Эффективные методы сбора, уточнения и формулирования требований.
- Использование User Story и Use Case для структурированного описания задач и бизнес-логики.
- Применение подходящих диаграмм: BPMN, Activity Diagram (UML), DFD, IDEF0, EPC, ERD и другие.
- Навыки оптимизации бизнес-процессов, переход от модели AS IS к TO BE.
- Понимание принципов работы и проектирования баз данных.
- Глубокие знания об интеграциях, их видах и REST API.
- Умение четко и понятно оформлять задачи для команды разработки.

По завершении курса вы не только получите сертификат, но и закроете пробелы в теории, приобретете четкие шаблоны для немедленного применения, перестанете бояться сложных задач, сможете самостоятельно принимать решения и уверенно проходить собеседования.

Начните свой путь к мастерству в системном анализе прямо сейчас и обеспечьте себе стабильное профессиональное будущее в IT!

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Данный курс является нашим флагманским продуктом и продолжением нашего курса "1С программирование для начинающих", так как мы собрали в нём все основные знания программиста 1С, которые по нашему мнению важны и часто используются в программировании на 1С.
Курс поможет как начинающему, так и продолжающему программисту освоить множество различных инструментов и техник разработки на 1С.

Чему вы научитесь

• Начнем с самых основ, но конечно с более обширным заходом. Например в блоке про платформу разберем установку и работу в EDT, а в блоке "Конфигурация" разберем установку и настройка собственного виртуального сервера 1С.
• Повторим базовые основы программирования на 1С с более сложными и интересными примерами.
• Поговорим про состав конфигурации более профессиональным языком и подробно разберем все их возможности.
• В блоке с программной работой с объектами конфигурации рассмотрим реальные примеры программирования.
• Подробно разберем все возможности и особенности запросов к базе данных.
• Познакомимся с формами и научимся с ними работать.
• Кратко познакомимся с бухгалтерским учетом.
• Научимся создавать интересные печатные формы, в том числе в формате Word.
• Разберемся с правами и ролями в 1С, как одним из пунктов, который очень важен в повседневной работе программиста.
• Познакомимся с регламентными и фоновыми заданиями.
• Разберем задачи по бизнес-процессам.
• Попрактикуемся в работе с типовыми конфигурациями, в том числе поговорим про их обновление и созданию внешних обработок и печатных форм.
• Познакомимся и попрактикуемся в работе с интеграциями и обменами данных.
• Ну и наконец - пройдем финальный модуль, наполненный множеством интересных задач!

О курсе

Цель: наша цель помочь людям, которые решили освоить такую сложную и востребованную профессию как 1С разработчик, разобраться и понять, что же это такое программирование в 1С.
Для для тех, кто совершенно ничего не знал про 1С до этого момента. Мы начинаем учиться с самых основ.
Помощь: наша команда всегда поможет вам в любой ситуации с любым вопросом! Мы не бросим вас одних в таком тяжелом процессе как обучение новому и всегда подскажем, и направим вас в нужном направлении.
Сертификат: в конце курса каждый из учеников получит подтверждающий сертификат!
Награды: наши курсы так же получают награды, одна из которых была получена на Stepik Awards 2024. Курс победил в номинации Прорыв года!​

Для кого этот курс

Курс рассчитан как для начинающих 1С разработчиков, так и для продолжающих программистов 1С. В этом курсе каждый что-то новое и полезное, что обязательно пригодится ему в практической работе!​

Начальные требования

Очень важно пройти курс - 1С программирование для начинающих. С ним вы будете чувствовать себя более уверенно при прохождении данного углубленного курса.​

Наши преподаватели: Василий Еремин
Автор канала на ютуб: VasiliiPro1C и создатель "Academy PRO 1C"
Привет друг!
Меня зовут Василий и я всю свою осознанную жизнь (с момента когда ушел с последнего курса института) - занимаюсь 1С.
За более чем 10 лет я прошел путь от оператора/бухгалтера до аналитика и разработчика 1С в крупной компании и хочу делиться с вами своим опытом!
С 26 ноября 2025 года являюсь сертифицированным преподавателем фирмы 1С!
Регистрационный номер сертификата CSOOO6090648!

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Продвинутый курс для системных аналитиков, которые уже знают базу архитектуры и хотят глубже разбираться в проектировании сложных и высоконагруженных систем.
На курсе вы разберёте C4, архитектурные слои, антипаттерны, модульность, индексы, репликацию, шардирование, кэширование и NoSQL

Вам подойдёт этот курс, если:

• Уже знаете базу архитектуры, но хотите глубже разобраться в сложных темах: highload, C4, архитектурные слои, модульность, индексы, репликация, шардирование, кэширование и NoSQL
• Хотите не просто знать термины, а уметь объяснять, почему выбрано именно такое архитектурное решение
• Хотите укрепиться как senior-аналитик или развиваться в сторону архитектора, защищать архитектурные решения, понимать trade-off, риски, антипаттерны и последствия решений для системы

Чему научитесь:

• Поймете, что такое highload-системы и какие проблемы возникают при росте нагрузки
• Научитесь работать с RPS, Latency, Throughput, SLA, SLO, SLI и понимать их влияние на архитектуру
• Сможете описывать архитектуру в нотации C4: Context и Container
• Разберетесь в архитектурных слоях, уровнях, антипаттернах и типовых ошибках проектирования
• Поймете принципы модульности, связности и связанности, чтобы оценивать качество разбиения системы
• Разберетесь, когда нужны индексы, репликация, шардирование, кэширование и NoSQL, а когда они создают новые проблемы
• Сможете обсуждать архитектуру сложной системы через ограничения, trade-off, риски и последствия решений
• На итоговом проекте соберете архитектурное описание системы: C4-схемы, слои, хранилища и решения по масштабированию

Если Хард пока рано:

• Тогда начните с базового курса по архитектуре.
• Курс "Архитектура систем. Хард" рассчитан на тех, кто уже понимает базу и хочет глубже разбираться в сложных архитектурных решениях: highload, архитектурных слоях, антипаттернах, индексах, репликации и шардировании.
• Если пока плаваете в этих темах, сначала пройдите "Архитектура систем. База". Там вы разберётесь в фундаменте: НФТ, декомпозиции по DDD, API, очередях, вебхуках, callbacks и балансировщиках.

Что делает курс практичным:

• Сквозной проект
  Весь курс строится вокруг МаркетХаба: вы видите, как архитектура усложняется по шагам, а не изучаете темы в отрыве друг от друга
• Не просто термины
  Разбираем не "что такое шардирование", а зачем оно нужно, какие проблемы решает и какие новые риски создаёт
• Фокус на trade-off
  Учитесь смотреть на архитектурное решение через ограничения, риски, последствия и компромиссы
• C4 на практике
  Не просто говорим про архитектуру, а учимся описывать её структурно: через контекст, контейнеры и понятные схемы
• Highload без магии
  Разбираем нагрузку, SLA/SLO/SLI, CAP, кэширование, репликацию и шардирование простым языком и на примерах
• Закрываем пробелы
  Разбираем темы, в которых чаще всего плавают аналитики, понятным языком и на реальных примерах

Результат курса — архитектурное решение сложной системы:

На выходе у вас будет готовое описание архитектуры: C4-схемы, слои, хранилища, кэширование, репликация, шардирование и логика масштабирования. Вы сможете не просто назвать технологии, а объяснить, почему выбрано именно такое решение.

Программа:

Неделя 1. Введение про highload-приложения и С4:

Урок 1. Зачем системному аналитику понимать архитектуру:

• Определение и зачем нужна архитектура ПО
• Разница и граница разделения обязанностей архитектора и аналитика
• Цена неверного архитектурного решения

Урок 2. Проблемы highload-приложений:

• Что такое highload системы
• Как измерять нагрузку: метрики RPS, Latency, Throughput, SLA, SLO, SLI
• 6 основных проблем нагруженных систем
• Масштабирование — куда расти?
• База данных — самое уязвимое звено
• Кэширование — не так просто, как кажется
• Сетевые задержки и асинхронность
• Управление состоянием
• Мониторинг и observability
• Примеры плохой архитектуры

Урок 3. Как строить архитектуру в нотации С4:

• Как описывать архитектуру: ArchiMate, TOGAF, UML, C4
• Концепция нотации С4
• Уровни С4
• Объекты нотации
• Примеры С4

Урок 4. Разбираем на примере, как строить архитектуру в С4:

• Отрабатываем на примере проекта МаркетХаб, это "сквозной" проект на протяжении всего курса

Домашняя работа:

• Построение архитектуры в С4

Неделя 2. Архитектурные слои:

Урок 5. Архитектурные уровни и слои:

• Зачем слои аналитику
• Что такое слой на примере чистой архитектуры
• Слой vs Уровень
• Уровень представления (Presentation Layer)
• Уровень бизнес-логики (Business Logic Layer)
• Уровень данных (Data Layer)
• Многослойная архитектура (Layered)
• Плюсы и минусы многослойности
• N-Tier — физическое разделение

Урок 6. Ошибки и антипаттерны при проектировании уровней:

• Зачем аналитику знать антипаттерны
• Что такое антипаттерны и какие бывают на примерах: умный UI, толстый контроллер, прямой доступ из UI в БД, Layer Bleed (размытые границы), God Service, анемичная доменная модель
• Чеклист для ревью требований и архитектурных обсуждений

Домашняя работа:

• Разделение по слоям

Неделя 3. Архитектурные стили и подходы:

Урок 7. Принципы модульности и связности:

• Что такое модульность
• Модульность в контексте связности и связанности
• Связность (Cohesion), виды, примеры хорошей и плохой связности
• Связанность (Coupling), виды, примеры
• Принцип слабой связанности (Loosely Coupled) на практике

Урок 8. Архитектурные стили и подходы:

• MVC
• Layered Architecture
• Microfrontend
• BFF: Backend for Frontend
• Rate Limiter
• Как аналитику распознать, когда стиль нужен или не нужен

Урок 9. Разбираем на примере, как разбивать на архитектурные слои и уровни:

• Отрабатываем на примере проекта МаркетХаб, это "сквозной" проект на протяжении всего курса

Домашняя работа:

• Отработка архитектурных паттернов

Неделя 4. Индексы, репликация, шардирование:

Урок 10. Индексы:

• Что такое индексы
• B-Tree
• Hash
• Bitmap
• RUM
• Как и когда индексы помогают, а когда мешают
• Примеры использования

Урок 11. Репликация:

• Что такое репликация и зачем она нужна
• Какие бывают репликации
• master-slave / master-master / master-less
• sync / async / semisync
• logical / physical
• push / pull
• CAP-теорема в жизни: какой подход для каких сценариев

Урок 12. Шардирование:

• Партиционирование и его виды
• Шардирование и его виды
• Горизонтальное и вертикальное шардирование
• Географическое шардирование
• Комбинируем схемы: когда вместе репликация и шардирование
• Сравнение подходов и примеры реальных компаний

Урок 13. Разбор как делать шардирование и репликацию на примере:

• Отрабатываем на примере проекта МаркетХаб, это "сквозной" проект на протяжении всего курса

Домашняя работа:

• Шардирование, репликация

Неделя 5. Кэширование, NoSQL и API Gateway:

Урок 14. NoSQL базы данных:

• Что такое NoSQL и почему это не "анти-SQL"
• Виды NoSQL
• Разбираем примеры MongoDB, Cassandra и Redis
• Графовые БД
• Выбор БД, типичные ошибки

Урок 15. Кэширование и in-memory хранилища:

• Определение и суть кэша
• Кэширование и in-memory хранилища
• Когда кэш не нужен
• Где кэш может находиться в системе: browser, CDN, In-memory, Distributed, Database
• Локальный кэш vs распределённый кэш
• Как работает cache hit / miss
• Ключ кэша: что именно храним, примеры
• Cash-aside
• Read-through: кэш сам читает источник
• Write-through: сначала кэш, потом источник
• Вытеснение: как не захламить память
• Инвалидация: самая сложная часть кэша
• Практические кейсы: где кэш уместен

Урок 16. API Gateway:

• API Gateway: зачем нужна единая точка входа
• Функции API Gateway
• Место API Gateway в общей архитектуре
• Rate Limiting: одно правило для всех запросов
• Агрегация: один запрос клиента — несколько вызовов Gateway
• API Gateway vs BFF: один для всех или у каждого свой
• Gateway: когда брать, когда не брать
• Что должен описать системный аналитик

Домашняя работа:

• Добавление API Gateway, кеша

Автор Владимир Бурмистров

• Главный системный аналитик в ИТ-холдинге Т1, проект Dion. Специализируется на системном анализе и архитектуре
• Владимир проектирует системы, помогает командам выстраивать архитектуру и развивать продукты. На курсе он показывает, как системному аналитику разбираться в сложных архитектурных решениях, видеть ограничения и говорить с командой на одном языке
• с 2007
  работает в IT-сфере
• Видеолекции
  записал уроки курса по архитектуре сложных систем
• Воркшопы
  будет проводить разборы по темам курса и практическим заданиям

Тариф Только послушать

• Доступ ко всем урокам курса
• Доступ к материалам на 5 месяцев
• Материалы для самостоятельного изучения
• Без проверки домашних заданий, обратной связи и участия в воркшопах

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Этот практический онлайн‑интенсив помогает Frontend‑разработчикам понять полный путь проектирования сложных веб‑систем: от сбора требований и взаимодействия с бэкендом до архитектуры клиентской части и финального деплоя. Курс снимает страх перед System Design на собеседованиях и дает понятный фреймворк, который можно сразу применять в рабочих проектах.

Для кого подходит этот интенсив
Программа будет максимально полезна специалистам, которые хотят мыслить шире уровня компонентного кода и уверенно обсуждать архитектуру системы целиком.

• Middle и Senior Frontend‑разработчикам, готовящимся к архитектурным секциям на интервью и System Design‑собеседованиям.
• Инженерам из крупных продуктов, которым важно лучше понимать взаимосвязь клиентской части с серверной инфраструктурой и общую логику построения ИТ‑систем.

Что вы получите после обучения

• четкий алгоритм проектирования веб‑приложений — от бизнес‑контекста до масштабирования;
• понимание того, как backend‑архитектура влияет на frontend‑решения;
• навык проектирования API‑контрактов;
• структурный подход к устройству и масштабированию клиентской архитектуры;
• понимание процессов тестирования, релизов и стабильной поставки функциональности.

Программа интенсива
В основу курса заложен сквозной процесс проектирования системы. Обучение разбито на 5 ключевых этапов:

1. Сбор требований и SLA
Разбор бизнес‑целей, пользовательских сценариев, ограничений и метрик качества: доступность, нагрузка, задержки, ошибки.

2. Проектирование сервера
Базовая архитектура backend‑систем: как устроен сервисный слой, маршрутизация, базы данных, кэширование и доставление данных до клиента.

3. Контракты API
Принципы интеграции систем. Проектирование удобных, расширяемых и предсказуемых интерфейсов взаимодействия между Frontend и Backend.

4. Архитектура Frontend
Системный подход к клиентской части: слои приложения, управление состоянием, зависимости, подходы к масштабированию и поддерживаемости.

5. Тестирование и деплой
Как устроен жизненный цикл приложения после разработки: стратегии тестирования, CI/CD, безопасные релизы и мониторинг.

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Освой командную строку, Bash и ключевые инструменты терминала, чтобы ускорить работу, автоматизировать рутину и уверенно взаимодействовать с серверами и разработческими окружениями.

Что ты освоишь на курсе
Работа в командной строке
Поймешь основы и научишься уверенно использовать терминал в повседневных задачах разработки и администрирования.

Язык Bash
Детально изучишь Bash: от простых однострочных команд до сложных скриптов с функциями, циклами и ветвлениями.

Ключевые команды и инструменты
Освоишь работу с файловой системой и научишься эффективно применять команды find, grep, sed, awk и другие утилиты.

Выбор между оболочкой и языками программирования
Разберешься, когда лучше использовать командную оболочку, а когда — полноценный язык программирования.

Оптимизация работы в терминале
Узнаешь полезные приёмы и «фишки», ускоряющие работу в терминале и повышающие продуктивность.

Интерактивные терминальные программы
Познакомишься с популярными инструментами: Midnight Commander, Vim и Nano, htop и другими.

Кому подходит курс
Инженерам и разработчикам
Тем, кто хочет оптимизировать ежедневные задачи — многие рутинные процессы можно автоматизировать простыми терминальными однострочниками.

Тем, кто работает с серверами
90% серверов — без графической оболочки. Курс научит эффективно взаимодействовать с системой через командную строку.

DevOps-инженерам и всем, кто работает с инфраструктурой
Подходит тем, кто использует Docker, системы контроля версий (Git, SVN), базы данных, веб‑серверы и инструменты удалённого управления ОС.

Цели и результаты обучения
Курс даёт глубокое понимание работы в терминале, уверенное владение Bash и ключевыми командами, а также помогает научиться выбирать между командной оболочкой и полноценными языками программирования.

Ты освоишь приёмы оптимизации работы в терминале и познакомишься с важными интерактивными инструментами, расширив свой набор навыков для разработки и системного администрирования.

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Курс по использованию системы контроля версий Git и платформы GitHub.

После курса можно смело вливаться в команду или начинать разработку своего продукта. Пройдите путь от новичка до уверенного пользователя.

Git – это мощный инструмент для контроля версий, а GitHub – самая популярная платформа для командной разработки. Если вы хотите полностью разобраться в Git, научиться работать в команде, отправлять pull request'ы, проводить ревью кода и уверенно пользоваться GitHub, то этот курс для вас!

Вы не будете изучать "а смотрите, как ещё тут можно, но не знаю зачем". Вы будете изучать 100% полезный материал, необходимый для реальной работы.

Чему вы научитесь:

• Устанавливать и настраивать Git на Windows, Linux и macOS
• Настраивать SSH-ключи и аутентификацию в GitHub
• Создавать репозитории
• Клонировать репозитории
• Связывать локальные репозитории с удалёнными
• Работать с основными командами Git: commit, push, pull, branch, merge, rebase
• Работать с ветками main и development, понимать смысл их использования
• Откатывать изменения и управлять историей коммитов
• Понимать разницу между git reset и git revert
• Выбирать между merge и rebase
• Создавать форки
• Обновлять форки изменениями из оригинальных репозиториев
• Работать с Open-source проектами
• Работать с pull request'ами
• Проходить код-ревью
• Проводить код-ревью
• Разрешать конфликты слияния в IDE
• Разрешать конфликты слияния в GitHub
• Использовать git diff для просмотра изменений в файлах
• Использовать git diff для просмотра изменений в ветках
• Настраивать .gitignore
• Интегрировать Git с популярными IDE
• Приглашать участников в свой репозиторий на GitHub

Что Вас ждет в курсе:

• Практический подход – все команды и процессы объясняются на реальных примерах
• От основ до продвинутых тем – начнем с базовых команд и постепенно перейдем к работе с ветками, pull request'ами и разрешению конфликтов
• Работа в команде – научитесь правильно оформлять коммиты, предлагать изменения через pull request'ы, проводить код-ревью и сливать ветки
• Разбор инструментов – помимо работы в терминале с Git, рассмотрим работу с UI GitHub
• Полная подготовка к работе в любом проекте – после курса вы будете готовы работать в командах, использовать GitHub в разработке или запускать собственные проекты

Для кого этот курс:

1. Новички, которые только начинают разбираться в Git
2. Разработчики, желающие улучшить навыки работы с Git и GitHub
3. Фрилансеры и командные разработчики, работающие с кодом на GitHub
4. Все, кто хочет без проблем работать в проектах, где используется Git

После прохождения курса вы сможете уверенно работать с Git и GitHub в любом проекте!

Начальные требования:

Базовые навыки владения командной строкой и любой IDE или редактором кода.

Как проходит обучение:

• Курс полностью в текстовом варианте. К каждому действию прилагается скриншот для лёгкого восприятия информации. Немного теории в начале и всё остальное практика с тестами.
• В конце каждого урока удобная табличка "Команды из урока".
• В конце курса – общая таблица со всеми командами.

Спойлер: ПРОГРАММА КУРСА

Приветствие:

• 1. Здравствуйте!
• 2. Что потребуется для обучения

Что такое Git и GitHub:

• 1. Что такое Git
• 2. Основные понятия Git
• 3. Разница между Git и GitHub
• 4. Установка Git на Ubuntu
• 5. Установка Git на Windows
• 6. Установка Git на MacOS
• 7. Установка имени пользователя и email
• 8. Переключение языка интерфейса Git
• 9. Переключение языка на Windows
• 10. Переключение языка на Linux
• 11. Переключение языка на MacOS

Основные действия в Git:

• 1. Инициализация Git
• 2. Добавление в индекс
• 3. Создание коммита
• 4. Переключение коммитов

Настройка GitHub:

• 1. Создаём репозиторий в GitHub
• 2. Создаём токен доступа на GitHub
• 3. Для чего нам SSH
• 4. Linux и MacOS: создаём SSH-ключ для GitHub
• 5. Windows: создаём SSH-ключ для GitHub

Ветки, Pull Request и ревью кода:

• 1. Что такое ветки
• 2. Сливаем (мерджим) ветки локально
• 3. Что такое Pull Request
• 4. Приглашаем участника в личный репозиторий на GitHub
• 5. Пишем код в новой ветке
• 6. Открываем Pull Request первым способом
• 7. Проводим ревью кода
• 8. Устраняем недостатки после ревью
• 9. Одобряем Pull Request
• 10. Сливаем ветки и закрываем Pull Request
• 11. Пулимся после слияния
• 12. Открываем Pull Request вторым способом

Особенности коммитов и веток:

• 1. Удаление файлов из индекса отслеживания
• 2. Создание коммита через редактор
• 3. Сброс коммита git reset (откат изменений)
• 4. Безопасная отмена коммита git revert
• 5. "Отсоединённая голова" и git checkout
• 6. Сбросить состояние файла git restore
• 7. Переключиться git switch и отличия от git checkout
• 8. Обновляем локальную ветку изменениями из main
• 9. Слияние веток через git rebase
• 10. Интерактивный rebase и squash
• 11. Merge или Rebase – что выбрать?
• 12. Конфликты слияния в IDE
• 13. Конфликты слияния в GitHub
• 14. Разница в файлах git diff
• 15. Получаем изменения с помощью git fetch

Работа с репозиторием:

• 1. Клонирование репозитория HTTPS (git clone)
• 2. Клонирование репозитория SSH (git clone)
• 3. Создаём форк репозитория
• 4. Обновляем форк репозитория из оригинального репозитория
• 5. Отправляем Pull Request в оригинальный репозиторий
• 6. Сохраняем пустые папки в удаленном репозитории (.gitkeep)
• 7. Оптимизация .gitignore
• 8. Интеграция Git в PyCharm
• 9. Интеграция Git в VS Code
• 10. Графические клиенты для Git

Дополнительно:

• 1. Таблица команд
• 2. Завершение курса

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Детерминированный контроль качества в эпоху AI-first разработки. Перестаньте ревьюить нейрослоп — стройте Quality Gates.

Для кого этот курс:

• Middle+ и Senior разработчики (от 6 месяцев коммерческого опыта).
• Вы уже активно используете ИИ-ассистентов в работе и уперлись в потолок качества.
• Устали тратить часы на ревью сгенерированного кода и починку багов, которые ИИ незаметно оставил в других частях приложения.
• Хотите научиться управлять агентами через инженерные контракты, а не через текстовые уговоры.

Ловушка 3-го уровня:

Индустрия требует от нас ускорения в 10 раз. Вы начинаете активно использовать AI-агентов, и поначалу кажется, что вы взломали систему. Задачи закрываются быстрее, объем выдаваемого кода растет экспоненциально.

Но очень скоро наступает суровая реальность.
Вместе со скоростью генерации растет и технический долг. Бизнес-логика усложняется, AI начинает говорить что задача сделана, хотя на самом деле нет и бесконечно чинит одно, ломая другое.

В итоге вместо проектирования архитектуры вы превращаетесь в редактора: сидите и вручную вычитываете сотни строк чужеродного кода. Чем больше кода пишет нейросеть, тем больше времени вы тратите на ревью и отлов багов в продакшене. Доверие падает и к вам, и к вашему агенту.

Эволюция боли, или 5 уровней AI-разработки:

По классификации Дэна Шапиро (от Spicy Autocomplete до Dark Factory)

1. [Basic] Level 1: Coding Intern
   Вы делегируете ИИ мелкую рутину — написать бойлерплейт, добавить JSDoc или базовый юнит-тест. По сути, это просто умный автокомплит. Ваша работа фундаментально не изменилась, вы всё ещё ограничены скоростью собственной печати.
2. [Где большинство сейчас] Level 2: Junior Developer
   Вы в состоянии потока. ИИ — ваш интерактивный джуниор-напарник. Вы отдаете ему целые куски логики, пишете код в паре. Вы продуктивны как никогда. Кажется, что это и есть будущее. Но это только начало.
3. [Ловушка] Level 3: Developer Trap
   ИИ генерирует значительную часть кодовой базы, а вы — ревьювер нейрослопа. 8 часов сплошного код-ревью, легендарное LGTM и вопрос «когда прод упадет опять?». Здесь выгорают команды.
4. [Куда мы идем] Level 4: Engineering Team
   AI работает автономно часами. Вы не проверяете каждый написанный им символ. Вы ставите задачу, планируете архитектуру и уходите. Вы доверяете не агенту, а внедренным вами инструментам контроля результатов его работы.
5. [Финальная цель] Level 5: Software Factory
   Вы не смотрите код вообще. Вы управляете только целями и бизнес-логикой. Система сама определяет реализацию, пишет код, покрывает его тестами, фиксит баги и катит в продакшен.

Промпт-инжиниринг — это тупик:

Иллюзия контроля. Почему промпт-инжиниринг — это тупик.

Ключом к росту является осознание и принятие того факта, что LLM — это слот-машина. Не существует фразы, которая заставит ее гарантированно давать вам выигрыш. Вы пытаетесь контролировать недетерминированную систему (которой является любая LLM) такими же недетерминированными методами — текстом на естественном языке.

Вам нужно прекратить писать промпты. Вместо этого сделайте так, чтобы машина сама дергала ручку рандома, пока не выпадут заветные три вишенки. А для этого и вы, и агент должны одинаково понимать, что является «победой» в вашей задаче.

Робот проверяет робота. Вы занимаетесь архитектурой:

• Вы пишете тест – это техническое задание.
  Агент пишет реализацию.
• Инфраструктура сама бьет его по рукам, если он ошибся.

Что внутри курса:

Программа спроектирована так, чтобы провести вас от базового понимания стратегии — когда, какие и сколько тестов писать — до внедрения механизмов контроля за самими тестами. Вы перейдете от “веры в кодовую базу” к системе четких метрик, определяющих надежность вашего проекта.

Программа:

• Блок 01. Принципы тестирования
  Разбираем базу: контракты, инварианты и метрики покрытия. Главный фокус — почему нужно тестировать поведение, а не реализацию. Если ваши тесты привязаны к деталям реализации, они станут мертвым грузом, когда ИИ-агент начнет переписывать код.
• Блок 02. Инфраструктура и мутационное тестирование
  Разбираем тестовый стек (Vitest), фикстуры, параллелизацию и изоляцию тестов.
  Отдельное внимание — мутационному тестированию (Stryker). Агент легко генерирует тесты, которые «зеленые», но ничего не проверяют. Stryker намеренно вносит ошибки (мутации) в ваш код. Если тесты при этом не падают — значит, они мусор. Мы учимся ловить агента на халтуре.
• Блок 03. Unit-тестирование как техническое задание
  Учимся писать тесты так, чтобы агент понимал их однозначно. Разбираем структуру Arrange-Act-Assert, работу с зависимостями (DI) и test doubles (моки, стабы, шпионы). Вы увидите, как выглядит код, который принципиально невозможно протестировать, и почему агент генерирует именно его.
• Блок 04. Интеграционные и E2E-тесты
  Выходим на уровень всего приложения. E2E (Playwright), управление состоянием, изоляция баз данных. Разбираем главную боль E2E — flaky-тесты (мигающие тесты) и паттерны их стабилизации. Учимся рефакторить сгенерированный ИИ код под тестируемость.
• Блок 05. Внедрение в реальный (legacy) проект
  Пошаговое руководство. Как писать характеризующие тесты для незнакомого кода. Как сажать нестабильные тесты в «карантин». Полный AI-workflow: пишем тест руками → агент реализует → Stryker проверяет → уточняем тест.
• Практические сессии (Zoom, 4 встречи)
  На живых сессиях (каждая по 2–3 часа) мы пишем код руками. От настройки Vitest и тестирования API-сервера до E2E в Playwright и внедрения тестов в legacy-проект с помощью Claude Code.

Встраивается в график работающего инженера:

Курс «Тестирование в эпоху агентов» — это практический фундамент для перехода на этот уровень. Мы по шагам разбираем, как выстроить инфраструктуру детерминированного контроля, чтобы сгенерированный код можно было безопасно пускать в продакшен. Мы строим Quality Gates.

• 5 блоков теории
  ~25 видеолекций по 15 минут. Чистая выжимка подходов, паттернов и работы с инфраструктурой.
• 4 Zoom QA-сессии
  Встречаемся в Zoom и кодим в реальном времени. Без таймингов: сессии длятся по 2–3 часа, я сижу до последнего вопроса и разбираю ваши реальные рабочие кейсы. Вы берете подходы из лекций и сразу применяете их на своих рабочих проектах.
• 100% практический разбор
  Вы берете методики детерминированного контроля качества, предложенные Ильей, и сразу внедряете их на реальных рабочих legacy-проектах во время разборов.

Тариф Основной

• Теория: 5 блоков, ~25 видео по 15 минут
• 4 живые сессии в Zoom (по 2–3 часа): пишем код, разбираем ваши рабочие кейсы
• Записи всех живых сессий — доступ не сгорает
• Видеоразборы самых сложных заданий

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Тариф Персональный, для частных лиц, Online.

SmartData — единственная в России специализированная конференция по инженерии данных для бэкенда, аналитики и ML.

Мы делимся практическим опытом и разбираем устройство технологий: от хранилищ и стриминга до платформ MLOps и архитектуры ML‑решений.

• Data Processing
• MPP DBMS and Data Storage
• SMP and Specialized DBMS
• Architecture of Data Platforms
• Data Management
• DataOps
• Cloud Solutions
• Database Internals

Тариф Online

• Прямой эфир
• Бессрочный доступ к видео

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Agentic Dev Conf — это практическая конференция о том, как меняется профессия айтишника в эпоху стремительного развития AI, AI-агентов и новой технологической инфраструктуры. Эксперты из индустрии помогут понять, что ждёт разработчиков, инженеров и руководителей в ближайшие годы.

О чём эта конференция
Индустрия трансформируется быстрее, чем когда‑либо: появляются AI‑агенты, агентная архитектура, системы оркестрации и новые модели взаимодействия человека и машины. На конференции мы разберём, как эти перемены влияют на карьеру и повседневную работу специалистов.

Главные вопросы, которые мы исследуем

• Чем мы будем заниматься через пару лет?
• Как изменятся наши профессии?
• Какую роль человек будет играть в новой IT‑индустрии?
• Какие задачи нам будут ставить и как эффективно их выполнять?
• Какие инструменты станут ключевыми и как изменится уровень дохода?

Три трека конференции
Каждый трек ориентирован на конкретные роли и помогает понять, как AI и агентные системы меняют требования к специалистам.

Инфраструктура
Для инфраструктурных инженеров, DevOps-специалистов, SRE, системных администраторов и техлидов.

• Автоматизация и автономные агенты в инфраструктуре
• Новая роль инженера в эпоху self-managed систем
• Эволюция инструментов и компетенций

Разработка
Для разработчиков и архитекторов.

• AI‑агенты как часть архитектуры приложений
• Изменение роли программиста: от написания кода к проектированию поведения систем
• Как AI влияет на CICD, тестирование и качество

Управление
Для тимлидов, руководителей ИТ-команд, технических директоров и ИТ‑управленцев.

• Как AI меняет процессы, управленческие модели и командные роли
• Планирование и стратегия в условиях агентной экономики
• Требования к руководителям будущего

Почему стоит участвовать
Agentic Dev Conf — это возможность подготовиться к будущему, которое наступает уже сейчас. Вместе с экспертами вы сформируете понимание новых карьерных траекторий, необходимых навыков и перспектив развития в мире, где AI становится ключевым командным игроком.

Программа:
01. AI — это не очередной инструмент, а новая природа организации _ Рафаэл Тонаканян, К
02. AI-assisted Reverse Requirements Engineering _ Софья Калинина (Ростелеком ИТ)
03. Axelix_ Масштабируем Open Source с помощью AI _ Михаил Поливаха (Axelix Labs)
04. Spec-Driven Development через все роли команды_ как мы внедрили единый процесс в монолит с 10-л
05. Воркшоп «Осторожное внедрение агентов в рабочий процесс тестировщика» _ Юлия Дол
06. Воркшоп «Под капотом автономных агентов_ 10 архитектурных паттернов на чистом Python
07. Выживут ли QA_ Quality Builder_ кто будет отвечать за качество _ Михаил Новотарский (Сбер)
08. Грабли во внедрении ИИ в SDLC – почему ИИ есть, а результата нет (и как это лечить) _ Н
09. Закрыли SRE - агента. Никакого чуда _ Иван Юрченко (Т-Банк)
010. ИИ в масштабе_ Как управлять внедрением, метриками и трансформацией команды из 500+
011. Как подготовить проект и окружение к агентной разработке _ Кирилл Мокевнин (Hexlet)
012. Как собрать свой Agentic Harness и что это такое _ Артем Астапенко (AgentArea)
013. Круглый стол «MCP vs CLI, harness, агентские платформы_ куда несёт индустрию и кому верить
014. Преодолевая сопротивление_ ИИ глазами разработчика _ Андрей Кулешов (Yandex Infrastructure)
015. Проблемы с доверием_ Как научиться доверять AI-агентам и позволить мигрировать кри
016. Прыжок веры_ кейс трансформации команды _ Сергей Чистяков (Райффайзен Банк)
017. Разработчик под нагрузкой_ 7 правил по работе с несколькими AI-агентами _ Николай Се
018. Скиллы вместо функций_ как агенты учатся и сами улучшают свои навыки _ Константин

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...