Нейросети и AI-агенты — программа курса

Нейросети и AI-агенты — программа курса

AI❤️4Life

Нейросети и AI-агенты: программа курса

Маршрут обучения состоит из двух уровней: «База» и «AI-Агенты». Для QA-инженеров предусмотрен бесплатный дополнительный мини-курс по автоматизации тестирования.

В программе собраны существующие темы и направления развития курса. Новые занятия по вайбкодингу, Figma и отдельным лабораториям описаны как планируемые дополнения; порядок и состав материалов могут меняться. Доступность конкретных записей уточняется в учебном пространстве.

Формат обучения

Видео и материалы доступны в закрытом учебном пространстве. К урокам прилагаются конспекты, шпаргалки, задания и примеры; часть тем дополняется короткими разборами. На живых встречах обсуждаем вопросы и практику участников.

Ориентир по нагрузке – 2–4 часа в неделю; сложность и время зависят от опыта и выбранного проекта. Установка инструментов и дополнительные технические лаборатории могут потребовать больше времени. Сервисы отличаются условиями доступа и тарифами, некоторые функции платные или ограничены по регионам.

Уровень 1. База: нейросети для работы

Цель: уверенно ставить задачи нейросетям, проверять результат и применять его в своей профессии.

Модели, запросы и безопасность

  • Как работают языковые модели, что такое контекст, токены и галлюцинации.
  • Как описывать цель, контекст, ограничения и ожидаемый формат.
  • Почему нужно проверять факты и ссылки, не передавать секреты и обезличивать чувствительную информацию.
  • Как сравнивать ответы моделей и выбирать инструмент под задачу, в том числе с помощью Arena.ai.

Исследования и рабочие материалы

  • Создание ассистентов с инструкцией, уточнение задачи и Deep Research.
  • NotebookLM: подбор и проверка источников, вопросы к материалам, учебные артефакты.
  • Документы, презентации, таблицы и данные: постановка задачи, редактирование и приёмка результата.
  • Google AI Studio: работа с моделями, инструкциями и инструментами, создание учебных прототипов.

Визуал, медиа и цифровые продукты

  • Изображения, инфографика и схемы: как объяснить информацию визуально и проверить подписи и данные.
  • Интерфейсы приложений в AI Studio, проектирование экранов и итеративные правки.
  • Google Labs, Gemini и Gemini Spark: практические задачи, работа с материалами и агентные сценарии.
  • Дополнительные лаборатории по видео и звуку, включая Flow и Suno, по мере подготовки материалов.

Практика под профессию

QA-инженер может разобрать требования и собрать проверки; аналитик – превратить заметки в требования; менеджер – подготовить статус, риски и план; дизайнер – исследовать пользовательский сценарий; маркетолог – собрать визуальную концепцию; преподаватель – разработать учебный материал. Можно выбрать собственный кейс.

Результат: набор проверенных шаблонов, навыки безопасной работы и готовый артефакт по своей роли.

Уровень 2. AI-агентные системы

Цель: освоить безопасную работу с агентом и собрать собственный рабочий процесс. Вход открыт после базового уровня. Для старта достаточно навыков работы с файлами; технические проекты требуют дополнительной практики.

Coding-агенты и проектная среда

  • Чем агент отличается от чата: инструменты, файлы, выполнение шагов и проверка.
  • DeepSeek Harness и другие среды, включая Cline, Kilo Code и Antigravity: выбор под задачу и доступные модели.
  • Папки, версии, правила проекта, минимальные права и безопасное хранение секретов.
  • Постановка задачи: цель, контекст, ограничения, критерии готовности и способ проверки.
  • Чтение плана и изменений, запуск проверок и приёмка результата.

Skills, плагины, MCP и команда агентов

  • Skills и инструкции как способ повторять рабочий процесс.
  • Плагины и MCP: подключение инструментов и источников с проверкой прав доступа.
  • База знаний, поиск нужного контекста и проверка источников.
  • Субагенты: разделение задач, сбор результатов и контроль со стороны человека.
  • Ролевой рабочий пакет: шаблоны и правила для QA, аналитика, PM, дизайнера или другой профессии.

Вайбкодинг: от идеи к проверенному прототипу

Планируемая практическая линия курса: описываем задачу и пользовательские сценарии, задаём критерии готовности, создаём прототип с AI, уточняем его по шагам и проверяем работу. Разбираем структуру проекта, основные тесты, ошибки интерфейса, адаптацию под телефон и основы безопасности.

Публикацию рассматриваем отдельно: права доступа, конфиденциальные данные, зависимости, расходы и то, что необходимо проверить перед выпуском. Рабочий прототип не равен защищённому производственному приложению.

Figma и взаимодействие с агентом

Планируемая практика: изучение макета и его состояний, компонентов и правил дизайн-системы; формулирование задачи на реализацию; сравнение готового экрана с дизайном. Разбираем подключение Figma к агенту через доступный инструмент при наличии разрешений, а также работу с экспортированными материалами, когда подключение невозможно.

Для QA – проверка соответствия макету и пользовательских состояний; для дизайнера – подготовка передачи в разработку; для разработчика и аналитика – уточнение контекста и ограничений.

Hermes: личный ассистент

  • Подготовка среды и установка с помощью освоенного агента.
  • Модель и провайдер, резервные варианты, канал связи.
  • Память и skills под свою роль без хранения секретов.
  • Регулярный сценарий: напоминание, бриф, статус или дайджест; проверка фактического запуска.
  • Связка coding-агента и Hermes: проектная работа, контекст и операционные задачи.

Результат: выбранный агент, ролевой рабочий пакет, настроенный Hermes, один skill и один проверенный регулярный сценарий. Для его бесперебойной работы нужны доступная среда, сеть и действующие доступы.

Бесплатный бонус для QA: автоматизация с агентами

Участие по желанию; бонус не является отдельным обязательным уровнем. Состав дополнительных уроков может уточняться.

  • Проект и окружение. Что автоматизировать, как устроен учебный проект, как подключать MCP и skills безопасно.
  • Локаторы и падения. Поиск устойчивых локаторов, логи и отчёты, диагностика причины, исправление и повторный запуск.
  • API по Swagger/OpenAPI. Выбор эндпоинтов, позитивные и негативные проверки, данные, тесты и анализ прогона.
  • Проектирование и покрытие. Приоритизация рисков, комбинирование сценариев, метрики и ревью пробелов.
  • Тестовая документация. От требований к тест-кейсам; связь проверок с автотестами и поддержка документации.

Результат: проверенный фрагмент автоматизации и понятное описание покрытия и оставшихся ограничений. Зелёный прогон сам по себе не доказывает полноту проверок и не заменяет анализа причин ошибок.

Как попасть на курс

Напишите @Eugeniusz_1 сообщение «хочу на курс» – получите условия обучения.

AI❤️4Life · QA❤️4Life

Report Page