Увеличь продуктивность разработки с AI-DRIVEN подходом
О чём курс
О чём буткемп
Николай Барышников, Михаил Овчинников и Даниил Пелипенко разбирают, как встроить AI-инструменты в повседневную разработку и работу команды. Участники проходят путь от постановки задачи и подготовки контекста до проверки кода и его включения в процесс разработки. Программа рассчитана на 12 недель и объединяет пять тематических блоков с практическими кейсами.
Авторы показывают, как использовать AI при исследовании задачи, планировании, написании кода, тестировании и ревью. В работе с результатом внимание уделено измеримым критериям качества, ограничениям языковых моделей и способам проверки их ответов. Среди практических задач — продуктовая итерация на основе данных о пользователях, подготовка спецификаций и работа с документацией.
Для кого
Буткемп адресован Middle, Senior и Lead-разработчикам с продуктовым мышлением. В числе предполагаемых участников — те, кто проводит код-ревью, помогает коллегам, влияет на технические решения или готовится внедрять AI-практики в команде. Программа также рассчитана на разработчиков, которые уже пробовали AI-инструменты и хотят выстроить управляемый рабочий процесс.
Какие задачи разбирают
Участники настраивают окружение с учётом собственного стека, подключают к работе кодовую базу, проектную документацию и внешние сервисы. В кейсах используются RAG, MCP, агенты, контекстная память и разработка по спецификациям. Отдельное внимание уделено распределению задач между несколькими агентами и выбору моделей под разные виды работы.
Практические кейсы охватывают перенос макета во фронтенд, оценку чужой кодовой базы, восстановление архитектуры проекта без документации и рефакторинг больших систем. Авторы также разбирают проектирование микросервиса, разделение монолита, API-границы и проверку изменений с возможностью отката. В заключительной части участники рассматривают план внедрения AI-практик в команде и способы оценивать изменения в процессе разработки.
Как проходят занятия
Занятия проходят онлайн. Практическая схема включает 10–30 минут теории, час живого разбора кейса и полтора часа самостоятельного решения при участии экспертов. Уроки со второго по пятый проходят дважды в неделю, остальные — раз в неделю; после урока открываются материалы библиотеки.
Об авторах
Николай Барышников работает с распределёнными системами и облачной инфраструктурой; среди его проектов указаны Joylink и DataLightMe. Михаил Овчинников работал в Meta и Google, занимался распределёнными системами и создавал курсы по алгоритмам и машинному обучению. Даниил Пелипенко руководит направлением разработки в Центральном университете и работает в сфере подбора и оценки IT-специалистов.
Программа обучения
M1. Введение — AI как инструмент Вводная встреча и дорожная карта Живые демонстрации на реальных коммерческих кейсах: лендинг за 5 минут, SQL-анализ за 10 минут, архитектурные задачи с AI в роли сеньора. Матрица паттернов, возможности LLM, роль архитектора, дорожная карта. M2. Контекст, основы и подготовка Механизмы работы LLM и философия качества Контекст-инжиниринг Мультиэкспертность Разбор токенов, предсказаний, контекстного окна, критериев качества, разделения ответственности между разработчиком и моделью. Управление памятью агента, работа с ограничениями контекстного окна, кэширование, ролевая память, сравнение моделей, суммаризация транскрипций. AI в роли аналитика данных, дизайнера, тестировщика, DevOps. M3. Агенты Мультиагенты Обзор моделей Агенты, воркфлоу и простые кейсы Агенты в разработке Построение мультиагентных систем, MCP, векторные БД, типы памяти, обзор Claude, GPT, DeepSeek, GigaChat, YandexGPT, работа с n8n и make, Devin и Sweep AI, реверс-инжиниринг внутренней логики Cursor и Claude Code, спецификации с критериями качества, кастомизация агентов через agents.md и skills.md. M4. Quick Wins и сложные кейсы Простые беспроблемные и проблемные кейсы Фреймворк системной декомпозиции Изучение незнакомых систем Рефакторинг и трансформация сложных систем Архитектурная трансформация и интеграция знаний В программе: перенос многостраничного Figma-проекта во фронтенд через Figma MCP, оценка качества большой кодовой базы с GitHub, создание документации для проекта на незнакомом языке, проектирование продуктовой системы через 5 этапов, восстановление архитектуры большого legacy-проекта, безопасный рефакторинг крупной кодовой базы, разделение монолита на микросервисы, риск-менеджмент на архитектурном уровне. M5. Масштабирование и выпуск Трансформация команды и внедрение Окончание и следующие шаги Масштабирование AI-практик на команду и организацию, план внедрения, работа с сопротивлением, оцифровка SDLC, создание корпоративной академии, формирование долгосрочной стратегии развития AI-практик, чеклисты, промпты, плейбуки, вход в комьюнити.
Теги курса
Отзывов пока нет. Будьте первым!
Это не розничная цена — это ваш взнос в складчину. Мы собираем группу участников и делим между ними стоимость официального доступа: каждый платит только свою долю, а получает весь материал. Чем больше участников, тем меньше взнос. После того как сумма собрана, мы оформляем официальный доступ и раздаём материалы всем, кто участвовал.
Нажмите кнопку «Получить доступ» на этой странице и следуйте инструкциям. Вас переведёт на форму оплаты — доступны все современные способы (карта, СБП, электронные кошельки). После оплаты на почту придёт письмо со ссылкой и инструкциями для доступа к материалам. Если ссылка не открывается, загляните в раздел «Помощь» или напишите в поддержку.
Да, конечно. Все материалы — видео, PDF, дополнительные файлы — можно скачать к себе на компьютер и пользоваться ими сколько угодно, без ограничений по времени. Ссылки остаются активными в вашей библиотеке «Мои складчины».