AI Education Platform

Полный путь от ML-основ до production AI-агентов

Курс для Python-разработчиков, которые хотят уверенно работать с LLM, MCP и агентными системами — с теорией, практикой и реальными production-конфигами.

26 модулей·3 трека·~120 часов практики·308 заданий и чеклистов
Программа

Три трека, один путь

Трек выбирается по интересу или задаче. Можно проходить последовательно или комбинировать.

11 модулей

AI-driven разработка

От базовой модели агента до production-паттернов: MCP, память, оркестрация, безопасность и внедрение в команду.

  • Реальность AI-агентов в разработке
  • Базовая модель агента
  • Практика работы с кодом через AI
  • Spec-Driven Development (ключевой блок)
Начать трек
5 модулей

Advanced MCP

Глубокое погружение в протокол MCP: wire-уровень, создание серверов на FastMCP, multi-agent системы на Strands SDK.

  • MCP под капотом — протокол на уровне wire
  • Создание MCP-серверов на FastMCP
  • Strands SDK и multi-agent системы
  • Production MCP — security, OAuth, sampling, observability
Начать трек
2 модуля

LLM Infrastructure

Production-gateway для LLM: LiteLLM Proxy с маршрутизацией и приоритизацией, Semantic Router, vLLM deployment.

  • LiteLLM Proxy: routing, prioritization, caching
  • Semantic Router: intelligent routing & vLLM deployment
Начать трек
Содержание

Что вы изучите

Основы

Реальность AI-агентов в разработке

Сформируйте честные ожидания: где AI ускоряет x2+, где ломается. Уровни автономности L0–L4.

Практика

Spec-Driven Development

Ключевой блок: как писать спецификации, которые AI выполняет предсказуемо. Шаблоны задач, review-чеклисты.

Расширение

Tools и MCP — интеграция инструментов

Расширение возможностей агентов через функции и MCP. От концепции до рабочего кода.

Расширение

Memory и состояние агента

Типы памяти: in-context, episodic, semantic. Персистентное состояние в production-системах.

Production

Безопасность — критически важный блок

Prompt injection, jailbreak, guardrails. Банковская специфика: compliance, audit trails, изоляция.

Advanced MCP

MCP под капотом — wire-уровень протокола

JSON-RPC фреймы, lifecycle сессии, три server primitives. Дебаг через MCP Inspector.

Advanced MCP

Strands SDK и multi-agent системы

Мультиагентная коллаборация, tool loops, orchestrator-worker паттерны на реальном SDK.

Infrastructure

LiteLLM Proxy с приоритизацией

Production-grade gateway: 7 стратегий маршрутизации, priority queues, 3 уровня кэширования.

Infrastructure

Semantic Router & vLLM deployment

Intelligent routing по смыслу запроса. vLLM в продакшне: KV-cache, batching, квантизация.

В цифрах
26
модулей
107+
практических заданий
258+
ресурсов и ссылок
201
чеклист-пунктов
Библиотека знаний
Теория
258 ссылок на статьи, спецификации и документацию
Видео
Лекции, плейлисты, разборы с указанием длительности
Практика
107 заданий с оценкой времени выполнения
Чек-листы
201 пунктов проверки знаний по каждому модулю
Инструменты
Сравнительные таблицы: Cursor, Claude Code, Aider, LangChain, vLLM
Аудитория

Для кого этот курс

Backend-инженеры, переходящие в AI

Вы уверенно пишете на Python, но агенты, MCP и LangGraph кажутся чёрным ящиком. Курс даёт структуру: от базовой модели агента до production-паттернов с конкретными инструментами.

ML-инженеры, осваивающие LLM-стек

Вы понимаете обучение моделей, но хотите строить системы поверх LLM: RAG, агентные пайплайны, MCP-серверы, production-gateway. Курс закрывает именно этот пробел.

Тимлиды и архитекторы

Вам нужно принимать решения об инструментах, оценивать риски и строить процессы с AI в команде. Модули по безопасности, compliance и внедрению написаны специально для этой роли.

Процесс

Как это работает

01

Регистрация

Одна минута — имя, email, пароль. Прогресс сохраняется автоматически.

02

Выбор трека

По интересу или по текущей задаче. Можно идти по всем трём последовательно.

03

Прохождение модулей

Теория → ресурсы → практика → инструменты → чеклист. Каждый модуль — 1–2 часа.

04

Применение в проде

Реальные конфиги, реальные задачи. Всё что изучаете — запускаете руками.

Технологии

Что вы будете использовать

Только актуальный инструментарий — то, что применяется в production прямо сейчас.

PyTorchHuggingFaceLangChainLangGraphMCPFastMCPStrands SDKvLLMLiteLLMAnthropicOpenAIFastAPIDockerEnvoyPrometheusGrafanaQdrantRedispgvectorLangFuse
Начать

Готовы строить AI-системы в проде?

Регистрация занимает минуту. Прогресс сохраняется автоматически.

Начать обучение бесплатно

Регистрация занимает минуту · Прогресс сохраняется автоматически