Продолжительность курса: 16 ак. ч.

Описание курса:
Искусственный интеллект перестал быть просто технологическим трендом — он стал ключевым драйвером бизнес-трансформации и конкурентного преимущества. Курс создан для тех, кто хочет не просто наблюдать за революцией Generative AI, а возглавить её в своей компании.
Мы пройдём полный путь внедрения ИИ: от стратегической оценки применимости и расчёта экономической эффективности (ROI) до проектирования автономных AI-агентов, RAG-систем и автоматизации аналитики. Вы научитесь «говорить» с нейросетями на одном языке, трансформировать рутинные бизнес-процессы и выстраивать конвейер инноваций (Innovation Pipeline) — от сырой идеи до рабочего прототипа и бизнес-кейса.

Аудитория:
• руководители
• Product- и Project-менеджеры
• бизнес- и системные аналитики
• разработчики и QA-инженеры
• Data-аналитики

Необходимая подготовка:
• Понимание бизнес-процессов: умение описывать процессы, формулировать бизнес-требования и понимать жизненный цикл ИТ-продукта
• Высокая цифровая грамотность
• Общее представление об ИИ: понимание на пользовательском уровне разницы между традиционным машинным обучением (ML), генеративным ИИ (GenAI) и большими языковыми моделями (LLM)

Программа курса:
Модуль 1. Определение применимости AI в процессах
• AI-native-организация
• Возможности ML, AI, LLM, GenAI
• Типы решаемых задач, кейсы применения
• Подход AI Opportunity Canvas
• Методология выявления процессов для внедрения AI
• Критерии выбора операций для внедрения AI
• Бизнес-кейс и ROI
• Финансовая оценка: TCO, NPV, «стоимость промедления»

Модуль 2. Промпт-инжиниринг (Prompt Engineering)
• Conversational AI
• Обзор LLM (DeepSeek, GigaChat и т. д.)
• Вопросы выбора LLM (соревнование LLM)
• Параметры настройки LLM (температура и т. д.)
• Виды промптов (роль, контекст, система)
• Написание системных промптов (промпт промптов)
• Примеры промптов для разных задач, библиотеки
• Особенности работы с LLM

Модуль 3. AI-агенты и мультиагентное взаимодействие
• Понятие AI-агента
• Виды AI-агентов
• Инструменты для AI-агентов
• Оценка уровня AI в агенте
• Мультиагентное взаимодействие
• Принципы мультиагентного взаимодействия
• Демонстрация: практическая работа AI-агентов, инструменты, взаимодействие

Модуль 4. Примеры AI-агентов (Data & Document AI)
• Внешние сервисы для работы AI-агентов
• Распознавание документов и изображений
• Генерация изображений и видео
• Чат-боты — помощники (понятие RAG) на базе Wiki
• Генерация контента с помощью AI-агентов
• Парсинг интернета с помощью инструментов
• Ограничения в применении AI-агентов
• Демонстрация: практическая работа AI-агентов, вызов внешних сервисов

Модуль 5. Формализация процессов и требований с AI
• Определение проблематики по процессу
• Описание процессов и генерация моделей
• Описание требований к ИТ
• Особенности генерации графических моделей при определении требований и описании процессов
• Генерация спецификаций

Модуль 6. Создание кода и его документирование
• Специализированные LLM для создания кода
• Примеры создания формул в Excel
• Примеры генерации пользовательского интерфейса
• Примеры генерации бизнес-логики
• Генерация тестов

Модуль 7. Документирование ИТ-решений
• Формы документирования ИТ-решений
• Примеры документирования кода
• Написание инструкций пользователей

Модуль 8. Анализ данных с AI
• Подготовка данных для анализа
• Анализ данных в LLM
• Реверс-инжиниринг описания данных
• Process Mining, Task Mining
• Predictive & Prescriptive Analytics: прогноз спроса
• Паттерны применения LLM в анализе данных

Модуль 9. Trend Scouting & Innovation Pipeline
• Поиск инноваций и анализ трендов
• Радар технологических новинок
• Дизайн и проведение AI-воркшопов
• Цикл: от идеи до прототипа (discovery → прототип → workshop → бизнес-кейс)

Окончательная цена указывается в договоре на обучение. Записаться на курс