скидка 40% с 1−12 мая!
*только для физ лиц
Научитесь собирать ИИ-агентов для DevOps-задач: от LLM-враппера до мульти-агентной системы с мониторингом и деплоем в production.
Разработка ИИ агентов
Что нужно для старта
Для кого этот курс:
Будет проще, если есть опыт с Kubernetes или облачными платформами. Но не обязательно.
Курс рассчитан на инженеров, которые уже работают с инфраструктурой и хотят добавить ИИ-агентов в свой стек. Не нужно быть data scientist-ом или ML-инженером. Нужен Python на уровне чтения и доработки кода, опыт с Docker и командной строкой.
Если пишете на Python и хотите разобраться в ИИ-инженерии без академического ML. Курс построен вокруг кода: врапперы, SDK, фреймворки, тесты. Все, что вы привыкли делать с обычными сервисами, только с LLM под капотом.
Бэкенд-разработчики
Вы уже знаете, как работает инфраструктура. На курсе разберетесь, как подключить к ней ИИ-агентов: автоматический разбор инцидентов, диагностика через kubectl и Docker, мониторинг стоимости LLM-запросов.
DevOps- и SRE-инженеры
- Python на уровне чтения кода и простых доработок
- Командная строка Linux или macOS
- Docker: запуск контейнеров, базовые команды
- Понимание HTTP API и клиент-серверной архитектуры
Агент работает, но никто не объясняет, как его докеризовать, как отслеживать стоимость запросов и что делать, когда LLM начинает галлюцинировать на production-данных.
От первого враппера над LLM до Helm-чарта, CI с eval-тестами и дашборда в Langfuse. Итоговый проект сдается как GitHub-репозиторий с архитектурой, тестами и демо, а не как скриншот из ноутбука.
Здесь вы проходите весь путь
Большинство курсов по ИИ-агентам заканчиваются там, где начинаются реальные проблемы
02
Чем наш курс отличается от других
01
Соберете production-ready AI-систему. Итоговый проект: GitHub-репозиторий с мульти-агентной системой, eval-тестами в CI, мониторингом в Langfuse и документацией. Incident Response, K8s Troubleshooter или Infra Code Reviewer на выбор.
Научитесь работать с актуальным стеком. LangGraph для оркестрации агентов, FastMCP для интеграции с Docker и Kubernetes, LiteLLM для маршрутизации между провайдерами, DeepEval для тестирования, Langfuse для мониторинга. Это инструменты, которые используются в production прямо сейчас, а не учебные фреймворки.
Поймете, сколько стоит ваш агент. Semantic cache, routing между дешевыми и дорогими моделями, prompt compression. После курса вы сможете посчитать ROI и объяснить руководству, почему AI-инфраструктура стоит тех денег, которые на нее тратят.
Сможете довести агента от прототипа до деплоя. Dockerize, Helm, CI с eval-тестами, Langfuse в deployment. Типичная боль: агент работает локально, но никто не знает, как его выкатить. После курса вы будете знать.
Ваш результат за 10 недель на курсе
После курса у вас будет не набор теоретических знаний, а работающий код и конкретные навыки, которые можно применить на следующий день.
Закроете вопрос безопасности. Prompt injection, tool poisoning, RCE через MCP. Вы будете знать, как проводить аудит по OWASP LLM Top 10 и как защитить агента до того, как он натворит дел.
Инструменты, с которыми будете работать:
Сертификат
В случае, если студент изучил 80% курса, но не выполнил или не сдал финальное задание, вместо сертификата выдаётся свидетельство.
Именной сертификат с индивидуальным номером получает студент, если:
- прошёл 80% курса
- принимал участие в решении практик, которые входят в курс
- успешно сдал итоговый проект
Спикеры
Подробнее о спикере
Виктор Ведмич
Senior Solution Architect
Подробнее о спикере
София Филиппова
AI engineer at Innova
- Консультант по безопасности LLM и prompt engineering
- 10+ лет в DevOps и системной архитектуре
- Помогаю клиентам проектировать и запускать решения на базе крупного облачного провайдера (гиперскейлера)
- Kubernetes, GitOps, IaC и CI/CD — от дизайна до продакшена
- Основатель и ведущий канала DevOps Kitchen Talks
- Фокус сейчас — GenAI и MLOps: внедряю AI на уровне компаний и помогаю инженерам перестроить подход к работе и оптимизировать процессы с помощью AI
- 2+ лет опыта интеграций LLM в сервисы различных доменных областей (от EdTech до MedTech)
- Автор статей на Habr и Medium, спикер на профильных конференциях
- 5+ лет в бэкенд-разработке на Python и Node. js
Подробнее о спикере
София Филиппова
AI engineer at Innova
- Консультант по безопасности LLM и prompt engineering
- 2+ лет опыта интеграций LLM в сервисы различных доменных областей (от EdTech до MedTech)
- Автор статей на Habr и Medium, спикер на профильных конференциях
- 5+ лет в бэкенд-разработке на Python и Node. js
Виктор Ведмич
Senior Solution Architect
- 10+ лет в DevOps и системной архитектуре
- Помогаю клиентам проектировать и запускать решения на базе крупного облачного провайдера (гиперскейлера)
- Kubernetes, GitOps, IaC и CI/CD — от дизайна до продакшена
- Основатель и ведущий канала DevOps Kitchen Talks
- Фокус сейчас — GenAI и MLOps: внедряю AI на уровне компаний и помогаю инженерам перестроить подход к работе и оптимизировать процессы с помощью AI
12
1
недель
QA-сессия
Чат с экспертами
12
уроков
Программа курса
Structured output, LLM-арбитр, анализ намерений. Пишем собственный враппер с валидацией и асинхронной записью.
Практика: Свой wrapper + structured output + LLM-judge на простом сценарии.
Практика: Свой wrapper + structured output + LLM-judge на простом сценарии.
SDK через LiteLLM-прокси. Три нюанса: CLI игнорирует BASE_URL, drop_params, совместимость версий LiteLLM.
Практика: Поднять LiteLLM gateway + 2−3 SDK-вызова с tool-use.
Практика: Поднять LiteLLM gateway + 2−3 SDK-вызова с tool-use.
Что такое AI-агент, tool-calling, паттерн ReAct. Собираем агента через create_react_agent, мост в LangGraph.
Практика: ReAct-агент с инструментами: curl, grep, kubectl (read-only).
Практика: ReAct-агент с инструментами: curl, grep, kubectl (read-only).
Пишем MCP-сервер через FastMCP: stdin/stdout транспорт, декоратор @mcp.tool (), типизация параметров.
Практика: Свой MCP-сервер для Docker/K8s, подключение к LangGraph.
Практика: Свой MCP-сервер для Docker/K8s, подключение к LangGraph.
StateGraph, Router, Memory. Human-in-the-loop, Breakpoints, Time Travel. Мульти-агентный incident response.
Практика: Система: classifier, diagnostician, resolver + HITL через Telegram + checkpoint-restart.
Практика: Система: classifier, diagnostician, resolver + HITL через Telegram + checkpoint-restart.
Streamable HTTP, JWT, OAuth 2.1. Демо уязвимости STDIO-RCE и защита. LangGraph MultiServerMCPClient.
Практика: Production MCP-сервер с JWT auth и sandbox, интеграция с LangGraph.
Практика: Production MCP-сервер с JWT auth и sandbox, интеграция с LangGraph.
DeepEval (Pytest-style), Langfuse eval datasets, Agent-as-Judge. Eval-in-CI через GitHub Actions.
Практика: Свой eval-suite (5−10 тестов) + CI-workflow, который падает на регрессии.
Практика: Свой eval-suite (5−10 тестов) + CI-workflow, который падает на регрессии.
Langfuse v3 self-hosted: tracing, sessions, prompts, datasets, experiments. Grafana + ClickHouse datasource.
Практика: Поднять Langfuse + подключить агента + eval-judge + скриншот дашборда.
Практика: Поднять Langfuse + подключить агента + eval-judge + скриншот дашборда.
Dockerize LangGraph + Helm chartlet. DeepEval в CI + Langfuse в deployment + LiteLLM routing для cost. OWASP LLM Top 10 для агентов.
Практика: Докеризовать агент + DeepEval-in-CI + Langfuse в deployment + FinOps-измерение.
Практика: Докеризовать агент + DeepEval-in-CI + Langfuse в deployment + FinOps-измерение.
Разбор rubric (11 критериев). Три варианта проекта: Incident Response, K8s Troubleshooter, Infra Code Reviewer.
Практика: GitHub repo + README с Mermaid-архитектурой + eval badge + 10-минутное демо.
Практика: GitHub repo + README с Mermaid-архитектурой + eval badge + 10-минутное демо.
Варианты участия
Поток
12 уроков с записями
Практические задания
Чат потока с экспертами
QA-сессии
Проверка итогового проекта
Сертификат
в рассрочку на 4 месяца или 59 900 ₽ единовременно
14 975 ₽/мес
Написать нам
В 75% случаев обучение готова оплатить компания. Напишите нам, и мы поможем.
Курс за счёт работодателя
Написать нам
Узнать про вычет
Узнать про вычет
Предоставим все необходимые документы для получения вычета.
Налоговый вычет 13%
Оплатить участие
в курсе «Разработка ИИ агента», тариф «Поток»
в курсе «Разработка ИИ агента», тариф «Поток»
Вы можете оплатить российской картой, купить в рассрочку, а также ввести промокод на следующем шаге. Или подать заявку на оплату зарубежной картой
Нужна консультация?
задайте нам свой вопрос
задайте нам свой вопрос
Нужна консультация?
задайте нам свой вопрос
задайте нам свой вопрос
Рассрочка
только для физических лиц
Условия рассрочки:
Процесс оформления:
Командное предложение
от 10 человек
специальные условия
специальные условия
от 5 человек
-10%
от 3 человек
-7%
Командное предложение
на курс «Разработка ИИ агента»
на курс «Разработка ИИ агента»
Вы отправляете нам заявку. Мы связываемся с вами, чтобы обсудить все детали, обменяться документами и запустить обучение ваших специалистов
79 900 ₽
Поток
12 уроков с записями
Практические задания
Чат потока с экспертами
QA-сессии
Проверка итогового проекта
Сертификат
Перейти
Перейти
Подарите своему сотруднику скидку или курс целиком. А мы упакуем ;)
Подарочный сертификат
Перейти
Выгодно и быстро обучим целые команды. Единоразовое оформление и быстрый доступ к курсам.
Универсальные доступы
Перейти
Заявка от компании
на курс «Разработка ИИ агента»
на курс «Разработка ИИ агента»
Вы отправляете нам заявку. Мы связываемся с вами, чтобы обсудить все детали, обменяться документами и запустить обучение ваших специалистов
Часто задаваемые вопросы
Нет. Курс про AI-инженерию: вы работаете с LLM через API и SDK, а не обучаете модели. Достаточно базового Python и опыта с Docker.
Уроки открываются по расписанию, записи остаются доступными на 2 года. Итоговый проект сдается до 2 сентября, остальные задания без жестких дедлайнов.
LangGraph, CrewAI, FastMCP, LiteLLM, Langfuse, DeepEval, Claude Agent SDK, Docker, GitHub Actions.
Курс практический, с написанием кода. Если вы готовы писать Python и работать в терминале, да. Если нужен обзорный формат без кода, этот курс не подойдет.
Нужна консультация?
задайте нам свой вопрос
