AI Bootcamp: от RAG до агентов

AI Bootcamp: от RAG до агентов — это интенсивная практическая программа, которая помогает разработчикам быстро перейти от базовой работы с LLM к созданию настоящих production-ready AI‑систем.

Что вы узнаете и создадите на AI Bootcamp

Курс построен вокруг полного цикла разработки современных AI-продуктов: от RAG‑систем и агентов до тестирования и продакшн‑мониторинга. Благодаря акценту на реальные инструменты и архитектуры вы создадите рабочие AI‑модули, которые можно сразу внедрять в проекты и портфолио.

AI Assistant на основе RAG

Вы научитесь использовать Retrieval-Augmented Generation для построения ассистента, который отвечает на вопросы по документации, GitHub‑репозиториям, YouTube‑транскриптам и другим источникам данных. Это отличный фундамент для корпоративных внутренних ассистентов и инструментов знаний.

Agentic AI Systems

Вы освоите принципы создания AI‑агентов: function calling, интеграцию инструментов, MCP и многошаговое рассуждение. Работа с PydanticAI и OpenAI Agents SDK позволит создавать системы, которые не просто генерируют текст, но и выполняют целевые действия.

Тестирование и Evaluation

Практика unit‑тестов, offline‑метрик, ranking‑подходов и LLM‑as‑a‑Judge научит вас качественно сравнивать модели, промпты, инструменты и стратегии chunking — ключевой навык для стабильных AI‑продуктов.

Мониторинг и Guardrails

• Observability через Grafana, OpenTelemetry и Logfire
• Контроль стоимости, токенов и latency
• Guardrails для предотвращения ошибок, misuse и утечек данных

Программа AI Bootcamp по модулям

Модуль 1. LLMs и RAG

• Основа работы LLM
• Создание RAG‑архитектуры
• OpenAI SDK и data‑pipelines
• Рабочий RAG pipeline с реальными данными

Результат: собственный функциональный RAG‑ассистент.

Модуль 2. Agentic Flows и MCP

• Function Calling на практике
• PydanticAI и OpenAI Agents SDK
• Tool‑using agents: архитектуры и паттерны
• Model Context Protocol (MCP)

Результат: AI‑агент, который умеет выполнять действия.

Модуль 3. Testing & Evaluation

• Unit-тестирование AI‑систем
• LLMs as Judges
• Ranking metrics и честное сравнение моделей
• Evaluation в Evidently и LangWatch

Результат: протестированная и валидированная AI‑система.

Модуль 4. Monitoring & Guardrails

• OpenTelemetry, Grafana, Logfire
• Трассировка токенов и стоимости
• Guardrails для безопасности

Результат: продакшн‑мониторинг для AI‑ассистента.

Модуль 5. Практические AI‑проекты

На курсе вы разработаете более 8 реальных проектов, включая:

• FAQ Assistant
• YouTube Q&A
• Documentation Agent
• Wikipedia Search Agent
• AI Coding Agent
• Deep Research Agent
• Code Evaluator
• Website Generator Agent

Модуль 6. Capstone Project

На финальном этапе вы создадите собственное полноценное AI‑приложение: от архитектуры и пайплайнов до развёртывания.

Идеи проектов:

• Resume Reviewer
• Podcast Summarizer
• Internal Knowledge Assistant
• AI Research Copilot
• или любой ваш проект

Результат: готовый проект для портфолио и собеседований.

Финальный Hackathon

Командная разработка боевого проекта с использованием всех изученных технологий — отличная подготовка к реальным рабочим задачам AI‑инженера.

Для кого предназначен этот AI Bootcamp

• Python-разработчиков, желающих перейти в AI Engineering
• ML Engineers, работающих с LLM‑системами
• Backend‑инженеров, интересующихся AI‑агентами
• Техлидов, внедряющих AI в продукты
• Разработчиков, которым нужны реальные AI‑приложения, а не просто промптинг