Складчина Каталог
Мои курсы

Принятие решений на основе данных и ИИ

35 участников
ЯШ Автор Ярослав Шуваев Школа karpov.courses

О чём курс

О чём курс

Инструменты генеративного искусственного интеллекта — от исследовательских ассистентов до автономных агентских систем — помогают принимать бизнес-решения. Слушатели без навыков ручного программирования собирают no-code цепочки в браузере, подключают датасеты к базам данных и настраивают генеративную сквозную аналитику (Gen BI).

Для кого

  • Основатели стартапов: для быстрого прототипирования аналитических решений методом вайб-кодинга и внедрения data-driven подхода без найма крупной команды.
  • Аналитики: для расширения инструментария за счёт Python-ассистентов, RAG-систем, инструментов генеративной аналитики и проектирования безопасных автономных процессов.
  • Руководители и менеджеры: для снижения зависимости от технических специалистов и автоматизации подготовки регулярных отчётов.
  • Продакт-менеджеры: для поиска точек роста продукта, построения финансовых моделей и проверки гипотез на основе данных.

Что внутри

Обучение охватывает ключевые направления работы с генеративным ИИ:

  • Стратегические исследования: анализ рынков, конкурентов и расшифровка клиентских интервью с помощью Perplexity и Deep Research, разделение фактов и гипотез.
  • Аналитика данных: автоматизация таблиц Excel и Google Sheets с помощью скриптов, разведочный анализ данных в Python и pandas через диалог с DeepSeek, построение финансовых моделей.
  • Корпоративная память: архитектура RAG на базе Langflow и базы данных Qdrant для извлечения ответов из внутренней документации и отчётов с контролем галлюцинаций.
  • Агенты и сквозная аналитика: настройка систем, самостоятельно пишущих SQL-запросы к PostgreSQL и выводящих графики в Metabase через MCP-интерфейсы.
  • Архитектура и безопасность: внедрение агентов ReAct, Claw-like и Harness в корпоративный контур с использованием изоляции и механизмов human-in-the-loop.

Практические результаты

В каждом модуле выполняются прикладные задания, по итогам которых формируется портфолио:

  • дерево метрик продукта в формате Mermaid;
  • аналитическая записка по рыночному и конкурентному окружению;
  • финансовая модель со сценарным прогнозированием в Jupyter Notebook;
  • работающий прототип RAG-системы или инструментального агента с дорожной картой внедрения.

Об авторе

Ярослав Шуваев обладает более чем 20-летним опытом в цифровой разработке и свыше 10 лет занимается запуском инновационных ИИ-продуктов в крупных компаниях, среди которых Альфа-Банк, Ак Барс Банк, МТС и Viasat.

Программа обучения

Предматериалы. Основы продуктового подхода и метрики Продолжительность: ~6 часов. Разберётесь в циклах Discovery и Delivery (Открытие и поставка), освоите ключевые продуктовые метрики (NPS, DAU/MAU, LTV и другие), научитесь строить дерево метрик и считать юнит-экономику. На практике построите дерево метрик своего продукта через ИИ-ассистента и визуализируете его в mermaid-формате. Технологии: ChatGPT / Claude Модуль 1. ИИ для исследований и принятия решений Продолжительность: 1 неделя, 7 уроков. Научитесь анализировать рынок, конкурентов и клиентские интервью с помощью ИИ-инструментов. Поймёте, как отличать факты от интерпретаций и не попадаться в ловушки корреляций. Освоите концепцию Self-Driving Process и уровни зрелости аналитики. Технологии: Perplexity, Deep Research, поисковые агенты, ChatGPT/Claude Модуль 2. Данные, Python и ИИ-ассистент Продолжительность: 1 неделя, 7 уроков. Начнёте работать с данными через диалог с ИИ: от очистки в Excel и скриптов VBA до разведочного анализа датасетов в Python (pandas) с помощью DeepSeek. Построите финансовую модель и проведёте сценарный анализ, не углубляясь в ручное программирование. Технологии: Python, pandas, DeepSeek, Excel, Google Sheets, VBA Модуль 3. RAG и корпоративная память Продолжительность: 1 неделя, 7 уроков. Разберётесь, как работают векторные базы и эмбеддинги. Соберёте простой RAG-прототип для внутренней документации, научитесь измерять качество ответов и выявлять галлюцинации. Спроектируете корпоративную память для поддержки решений. Технологии: Langflow, Qdrant, OpenAI API Модуль 4. Инструментальные агенты и Gen BI Продолжительность: 1 неделя, 9 уроков. Настроите ИИ-агента, который сам пишет SQL, обращается к базам данных, обрабатывает CSV и строит графики. Реализуете полный цикл Gen BI: от вопроса на естественном языке до готового дашборда в Metabase. Отдельное внимание уделяется безопасности при работе с агентом. Технологии: Langflow, Metabase, PostgreSQL, MCP, Python, SQL Модуль 5. От простых агентов к автономным Продолжительность: 1 неделя, 8 уроков. Изучите архитектуры ReAct, автономных Claw-like и Harness агентов. Научитесь встраивать ИИ-агентов в корпоративный контур с учётом безопасности (песочницы, human-in-the-loop). Разберёте кейс комплексного исследования рынка силами автономного агента. Технологии: ReAct, Claw-like агенты, MCP, API, Harness агенты Модуль 6. Управление ИИ-проектами: от идеи к прототипу Продолжительность: 1 неделя, 6 уроков. Освоите критерии отбора задач для ИИ, распределение ролей в проекте и оценку сроков (time-to-evidence). Научитесь быстро собирать прототипы через вайб-кодинг и планировать масштабирование до промышленной эксплуатации. Технологии: вайб-кодинг, тренажёр data-ai-trainer Модуль 7. Финальный проект Создадите прототип ИИ-решения для реального аналитического процесса: от разведочного анализа до фреймворка запуска ИИ-проекта.

Складчина создана 14 августа 2026 г.

Теги курса

Профессии
АналитикПродакт-менеджер
Навыки
Принятие решенийВайб-кодинг
Инструменты
ИИ

Другие материалы автора 2

ЯШ Ярослав Шуваев Все материалы
Дизайн цифровых продуктов: UX/UI Дизайн цифровых продуктов: UX/UI 1 398 ₽ 23 980 ₽ −94%RAG-боты и автоматизация LLM RAG-боты и автоматизация LLM 816 ₽ 25 000 ₽ −97%

Ещё интересные курсы 12

Ещё интересные курсы

2 316 ₽ 69 000 ₽