Новые складчины | страница 12

​

Этот курс — погружение в профессию QA Automation Engineer
Мы будем работать с современными и востребованными технологиями, такими как HTTPX, Pydantic, Allure, Allure TestOPS и Pytest. Без воды, только практическая информация, которую вы сможете сразу применить в реальных проектах.

О чем этот курс?
Мы разберем автоматизацию API-тестирования на атомы. Наша цель — не просто научиться отправлять запросы к API и проверять коды ответа, а создать полноценный фреймворк автотестов, который можно использовать в боевых проектах.
Что вас ждет в курсе?
✅ Практика, практика и еще раз практика:

Вы не просто изучите, как отправлять HTTP-запросы, а напишете полное покрытие сервера API автотестами с учетом всех нюансов.
Большую часть API тестов вы будете писать самостоятельно в рамках домашних заданий.
Работа с production like сервером: тестируем API, анализируем серверные логи, смотрим, как работает сервер «изнутри».
✅ Пошаговое обучение – от базовых концепций API до построения production ready тестового фреймворка.

✅ Глубокий разбор инструментов – изучаем широкий спектр инструментов, не ограничиваясь простым форматом: вот инструмент, вот документация, разберитесь сами. Мы глубоко погружаемся в каждый инструмент, рассматриваем альтернативы, сравниваем их, анализируем плюсы и минусы, а также выделяем риски и преимущества.

✅ Глубокое понимание API — мы не просто тестируем API, а разбираем его работу «под микроскопом»: от HTTP-протокола до анализа логов серверов.

Поработаем с загрузкой файлов
Разберем самые сложные и нетривиальные случаи в тестировании и работе с API
Как читать Swagger-документацию и тестировать API через неё
Как устроена аутентификация, авторизация, идентификация
Что такое JWT-токены и как с ними работать
Как API обрабатывает запросы на уровне кода
Изучим клиент-серверную архитектуру
Разберём, что такое REST API, и обсудим принципы RESTful-архитектуры
Поработаем с протоколами HTTP, gRPC, WebSocket и TCP/IP
✅ Глубокая проработка CI/CD — не только запустим тесты вручную, а настроим их на CI/CD. Вы научитесь правильно организовывать тестовый фреймворк и запускать его в автоматическом режиме.

✅ Разработка API-клиента и фреймворка с нуля — вместо того, чтобы выполнять сырые запросы прямо в тестах, мы создадим гибкий API-клиент, который можно переиспользовать во всем проекте. Покроем работу с фикстурами, логированием, отчетами, JSON Schema, параллельным запуском тестов и настройками проекта.

✅ Визуализация покрытия API тестами — вы получите уникальный инструмент swagger-coverage-tool, который отслеживает, какие части API покрыты тестами, и показывает это в интерактивном отчёте. Покрытие считается не по "статус-кодам", а по каждому параметру и полю ответа. Такой подход позволяет визуально понимать, насколько качественно протестирован API. Этого нет ни в одном другом курсе — инструмент разработан эксклюзивно для участников и используется в продвинутых проектах.

✅ Процесс автоматизации тестирования — детально разберём, как должен выглядеть эталонный процесс автоматизации тестирования в команде — от начала разработки до запуска тестов в CI/CD.

Программа курса:

Приветствие и инструкции

1. Знакомимся
2. Советы по изучению материала
3. Инструкции по отправке заданий на проверку

Введение в профессию QA Automation Engineer

1. Основы тестирования программного обеспечения
2. Основные виды тестирования
3. Техники тест-дизайна
4. Артефакты тестирования и тестовая документация
5. Введение в автоматизацию тестирования
6. Основные инструменты автоматизации тестирования

Настройка окружения

1. Установка и настройка окружения Python
2. Установка и настройка PyCharm

Система контроля версий Git

1. Начало работы с Git
2. Публикация проекта на GitHub
3. Работа с GitHub Desktop

Основы работы с API

1. Установка и настройка локального сервера
2. Форматы представления данных
3. Знакомство с API
4. Знакомство с HTTP протоколом
5. Знакомство с gRPC протоколом
6. Знакомство с WebSocket протоколом
7. Знакомство с TCP/IP протоколами
8. Работа с аутентификацией

Основы работы с HTTPX

1. Введение в HTTPX
2. Практикуемся в работе с HTTPX
3. Знакомство с API клиентами
4. Практикуемся в реализации API клиентов
5. Практикуемся в использовании API клиентов

Основы работы с Pydantic

1. Знакомство с Pydantic
2. Применяем Pydantic в API клиентах
3. Валидация JSON schema
4. Знакомство с Faker

Управление автотестами c Pytest

1. Введение в Pytest
2. Написание API автотестов используя Pytest
3. Маркировки Pytest
4. Pytest skip, skipif, xfail
5. Фикстуры Pytest
6. Плагины Pytest
7. Параметризация Pytest
8. Перезапуски автотестов в Pytest

Практика написания API автотестов

1. Рефакторинг и подготовка к написанию API автотестов
2. Практикуемся в написании API автотестов. Часть 1
3. Практикуемся в написании API автотестов. Часть 2
4. Практикуемся в написании API автотестов. Часть 3
5. Практикуемся в чтении и разборе ошибок API автотестов

Создание Allure отчета

1. Знакомство с Allure
2. Интеграция Allure в автотесты
3. Добавление Allure шагов в автотесты
4. cURL в Allure-отчете: упрощаем анализ API-тестов
5. Знакомство с Allure TestOPS

Улучшение автотестов

1. Настройки автотестов с Pydantic
2. Параллельный запуск автотестов
3. Добавляем логирование для API автотестов
4. Добавляем информацию о переменных окружения в Allure отчет
5. Улучшение работы с API клиентами с помощью Enum для URI

Работа с CI/CD

1. Введение в CI/CD
2. CI/CD системы
3. Подготовка проекта к запуску на CI
4. Запуск автотестов на CI
5. CI/CD и автотесты: Стратегия автоматизации тестирования

Покрытие API тестами: как проверить, что мы тестируем всё?

1. Что такое покрытие API и зачем его измерять
2. Инструмент для измерения тестового покрытия API
3. Практикуемся в интеграции покрытия в API тесты

Резюме

1. Итоговый проект
2. Рекомендации по составлению резюме
3. Рекомендации по прохождению собеседований

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Финальный и заключительный курс, который собирает все предыдущие знания в общую картину. Разберёмся, как именно проектируется и реализуется архитектура.

Цель курса
Получить базу востребованных технических компетенций для Senior-специалиста

Изучим принципы работы веб-приложений. Научимся проектировать и реализовывать двухзвенную, трехзвенную и EDA-архитектуры на открытом стеке (PostgreSQL, Kafka, Python)
Middle → Senior
Умения, которые вы получите на курсе, помогают повысить свой уровень

■ для системных аналитиков: Middle → Senior
■ для разработчиков: Junior → Middle
___

⚡ ≈ 150 000−170 000 р — зарплата системного аналитика уровня Middle
⚡ ≈ 250 000 р — зарплата системного аналитика уровня Senior
24 часа
13 воркшопов
Обучение построено на воркшопах, полноценных лабораторных работах. Живая онлайн коммуникация с экспертом в режиме реального времени.

■ Обучение по по понедельникам, средам и пятницам
с 18:00 до 20:00 (21:00)
■ 9 занятий по 2-3 часа по будням

*Сложный курс
Курс новый. Ожидаем на обучение подготовленную аудиторию

Рекомендуется иметь опыт проектирования физической модели данных для PostgreSQL.
Стоимость
48 000 руб — для частных лиц
64 000 руб — для компаний
___

Для кого этот курс
Опыт в разработке желателен. Но если его нет, мы постараемся научить вас основам алгоритмизации и программирования на Python и pl/pgsql, сохраняя фокус на проектирование архитектуры многозвеньевых систем.

• Системный аналитик
• Проектировщик информационных систем, ИТ-решений
• Разработчиклюбого уровня

Программа курса

■ Воркшоп 1. Постановка задачи, определение структуры и функций системы.
■ Воркшоп 2. Проектирование архитектуры системы (схемы контекста и контейнеров С4)
■ Воркшоп 3. Проектирование реляционной БД. Проектирование физической модели данных для PostgreSQL

■ Воркшоп 4. Реализация БД, настройка Hasura. Запуск DDL-скриптов, наполнение БД
■ Воркшоп 5. Процедурный язык PL/pgSQL и триггерные функции PG. Реализация триггерных функций на свои таблицы PG

■ Воркшоп 6. REST API и GraphQL. Проектирование и реализация фронта на отправку заявок Яндекс. Формы в PostgreSQL через GraphQL в Hasura
■ Воркшоп 7. Проектирование REST API. Разработка спецификации OpenAPI в SwaggerHub
■ Воркшоп 8. Разработка REST-приложения. Разработка бэка и html-верстка фронта

■ Воркшоп 9. Интеграция И С. Веб-хуки. Интеграция по веб-хукам с ТГ и Unisender
■ Воркшоп 10. Интеграция И С. Брокеры EDA. Kafka. Создание Яндекс. формы на оплату, отправка ее результатов в очередь RabbitMQ

■ Воркшоп 11. Потребление данных из RabbitMQ
■ Воркшоп 12. NoSQL. Знакомство с key-value хранилищем Redis
■ Анализ и визуализация данных. Настройка дашборда в Яндекс. Даталенс

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Цель обучения
Научиться проектировать системы цифровых маркетплейсов, где площадка соединяет поставщиков товаров и услуг (такси, доставка еды, обмен контента) с потребителями (gig economy).

Уровень Pre-senior
Воркшоп для старших инженеров, архитекторов решений, тимлидов, системных аналитиков, которые стремятся к профессиональному росту и развитию

Воркшоп — формат быстрого освоения мини-компетенций.
Чередование теории, практики и обратной связи

Используем
Miro / PlantUML

На практике научитесь:
Транслировать бизнес-идею в технические требования и конечные решения
Создавать доменную модель на основе анализа бизнес-процессов
Вырабатывать техническое решение для выбранных доменов с учетом выявленных технических требований и особенностей бизнеса
Обеспечивать необходимые гарантии и SLA

Программа практического воркшопа

Модуль 1. Введение в гиг-экономику на примере такси
Описание бизнес-модели, технологических компонент (мобильные приложения, бэкофис, etc)
Основные домены (особенности бизнеса и их влияние на технические решения)
Уточнение архитектурно-значимых бизнес и технических требований
Расчёт нагрузок и выбор хранилищ данных с учетом плана на 3 года

Модуль 2. Архитектура решения и ключевые домены: Matching, Dispatch, Payments
Описание мэтчинга
Проведение Event Storming по домену
Выявление агрегатов
Создание сервисов на основе агрегатов

Модуль 3. Комплаенс
Выявление требований со стороны регулятора
Реализация фискализации
Осуществление требуемых гарантий (SLA)
Внутренняя и внешняя отчётность
Учёт требований к данным для финансового анализа

Модуль 4. Финансовые потоки: инвойсы и выплаты исполнителям
Система выплат и отчетности
Взятие оплаты и поддержка разных платежных систем
Надёжные выплаты партнерам
Поддержание балансов
Выгрузка данных

Автор и ведущий воркшопа — практикующий специалист Владимир Иванов
Технический директор. Тренер, ментор
В прошлом Senior Engineering Manager в Bolt


Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Создавай Telegram-боты и зарабатывай — это проще, чем кажется!
Освой востребованную профессию и создай первого бота уже на 1-й неделе! Подходит для абсолютных новичков.

Кому подойдёт этот курс?
Новичкам, которые хотят освоить востребованную профессию.
Фрилансерам, чтобы добавить новую услугу в портфолио.
Владельцам бизнеса, чтобы автоматизировать процессы.
Всем, кто хочет зарабатывать онлайн без сложных навыков.

Почему Telegram-боты — это для всех?
Не нужно быть программистом! Наш курс учит создавать ботов с нуля, даже если вы никогда не писали код.
Простые инструменты. Используйте готовые платформы и понятные инструкции — всё как собрать конструктор.
Работа из дома. Нужен только компьютер или смартфон и интернет.
Востребованная профессия. Компании ищут специалистов по ботам, а клиентов всё больше.

Что вы будете уметь через 10 модулей?

• Придумывать, проектировать и реализовывать идеи самостоятельно
  Самое главное — вы получите мышление разработчика. Научитесь не просто повторять, а понимать, думать, создавать.
• Подключать веб-приложения к ботам
  Вы поймёте, как связать Telegram-бота с внешними системами и сайтами. Например: боты для бронирования, CRM, рассылки, уведомлений и многого другого — всё это станет вам доступно.
• Создавать интерактивные интерфейсы с кнопками
  Клавиатуры, inline-кнопки, меню, опросы — вы научитесь делать интерфейсы, которые нравятся пользователям. Ваш бот будет не просто текстовым, а по-настоящему удобным и живым.
• Работать с базами данных, API и вебхуками
  Вы освоите, как подключать базы данных (например, SQLite или PostgreSQL), как "общаться" с внешними сервисами через API, и как обрабатывать вебхуки. Эти навыки делают вашего бота реально полезным и гибким.
• Писать Telegram-ботов на Python
  Научитесь с нуля создавать Telegram-ботов любой сложности: от простых автоответчиков до умных систем с логикой, командами и интерактивным интерфейсом. Всё с помощью одного из самых популярных языков в мире — Python.

Спойлер: программа курса

Версия Python 3.10.x

• Модуль 1: Введение в программирование и Telegram-ботов
• Модуль 2: Основы Python для ботов
• Модуль 3: Расширенные возможности Telegram-ботов
• Модуль 4: Хранение и обработка данных.
• Модуль 5: Асинхронное программирование и продвинутые боты
• Модуль 6: Веб-приложения в Telegram и интеграция с внешними системами
• Модуль 7: Оптимизация, масштабирование и безопасность
• Модуль 8: Расширенные возможности и интеграции
• Модуль 9: Масштабирование и деплой Telegram-бота в продакшен
• Модуль 10: От идеи к доходу — создание и продвижение бота
• Идеи для ботов после курса

Модуль 1: Введение в программирование и Telegram-ботов
1.1 Что такое Telegram-боты и зачем они нужны.
1.2 Основы программирования: что такое код, переменные и логика.
1.3 Знакомство с Python — почему это лучший выбор для новичков
1.4 Установка Python и настройка рабочей среды (VS Code, PyCharm)
1.5 Что такое API и как Telegram использует Bot API
1.6 Регистрация бота через BotFather и получение токена
1.7 Пишем первый "Hello, World!"-бот с помощью библиотеки python-telegram-bot
1.8 Разбираемся с командами и сообщениями в Telegram
1.9 Как тестировать бота: первые шаги и отладка
1.10 Практика: создаем простого эхо-бота

Модуль 2: Основы Python для ботов
2.1 Переменные, типы данных и их использование в ботах
2.2 Условные операторы (if/else) для обработки команд
2.3 Циклы в Python для автоматизации задач бота
2.4 Списки и словари для хранения данных в ботах
2.5 Функции в Python для упрощения кода бота
2.6 Работа с файлами для сохранения данных бота
2.7 Итоговый проект модуля — бот-викторина с сохранением данных
2.8 Обработка ошибок (try/except) — как избежать сбоев
2.9 Работа с библиотеками: установка и подключение
2.10 Практика: бот-калькулятор с базовыми операциями

Модуль 3: Расширенные возможности Telegram-ботов
3.1 Клавиатуры и кнопки для взаимодействия с пользователем
3.2 Веб-запросы для получения данных из интернета
3.3 Inline-режим и работа с чатами
3.4 Отправка изображений, видео и документов
3.5 Работа с командами и меню бота (/start, /help)
3.6 Использование хэндлеров в python-telegram-bot
3.7 Как логировать действия бота для отладки
3.8 Практика: бот-магазин с кнопками выбора товаров
3.9 Итоговый проект: бот с меню и базовой навигацией

Модуль 4: Хранение и обработка данных.
4.1 Введение в базы данных для хранения данных (SQLite)
4.2 Работа с базами данных в ботах (CRUD-операции)
4.3 Интеграция базы данных с ботом-калькулятором
4.4 Интеграция базы данных с ботом-магазином
4.5 Оптимизация и масштабирование данных
4.6 Введение в работу с API для динамических данных
4.7 Практика: бот-органайзер с задачами
4.8 Итоговый проект: универсальный бот

Модуль 5: Асинхронное программирование и продвинутые боты
5.1 Введение в асинхронность и aiogram
5.2 Создание первого асинхронного бота с aiogram
5.3 Хэндлеры, фильтры и состояния (FSM) в aiogram
5.4 Многошаговые диалоги и обработка ошибок
5.5 Интеграция базы данных с aiogram
5.6 Вебхуки и оптимизация производительности
5.7 Развертывание и мониторинг бота
5.8 Итоговый проект: бот для заказа еды

Модуль 6: Веб-приложения в Telegram и интеграция с внешними системами
6.1 Введение в Telegram Mini Apps и их возможности
6.2 Создание первого мини-приложения с HTML и JavaScript
6.3 Интеграция мини-приложения с ботом через WebAppData
6.4 Подключение платежей через Telegram Stars
6.5 Интеграция бота с REST API внешних сервисов
6.6 Работа с Google Sheets для хранения данных
6.7 Тестирование и отладка веб-приложений и интеграций
6.8 Итоговый проект — бот с мини-приложением для заказа еды

Модуль 7: Оптимизация, масштабирование и безопасность
7.1 Оптимизация производительности бота и Mini App
7.2 Масштабирование бота для тысяч пользователей
7.3 Основы безопасности Telegram-ботов
7.4 Шифрование данных и защита API
7.5 Мониторинг и аналитика работы бота
7.6 Автоматизация развертывания и CI/CD
7.7 Итоговый проект — защищенный и масштабируемый бот

Модуль 8: Расширенные возможности и интеграции
8.1 Интеграция с внешними API для расширения функционала
8.2 Работа с базами данных для хранения данных бота
8.3 Создание интерактивных игр внутри Mini App
8.4 Реализация уведомлений и рассылок через бота
8.5 Интеграция с платежными системами и подписками
8.6 Интеграция машинного обучения для персонализации
8.7 Аналитика и визуализация данных

Модуль 9: Масштабирование и деплой Telegram-бота в продакшен
9.1 Оптимизация производительности бота
9.2 Настройка серверов и деплоя в облаке
9.3 Работа с очередями и асинхронная обработка задач
9.4 Мониторинг и логирование в продакшене
9.5 Безопасность и защита бота
9.6 Тестирование и нагрузочное тестирование
9.7 Итоговое задание: Запуск бота в продакшен

Модуль 10: От идеи к доходу — создание и продвижение бота
10.1 Генерация идей для бота: как найти свою нишу
10.2 Анализ аудитории и постановка целей
10.3 Продвижение бота: как привлечь первых клиентов
10.4 Монетизация: как зарабатывать на ботах
10.5 Презентация проекта: как продать идею
10.6 Поддержка и развитие: жизнь после запуска
10.7 Финальный проект: запуск собственного бота

Идеи для ботов после курса
Бот-игра
Бот-помощник
Бот-консультант
Бот для контента
Бот-агрегатор
Бот-обучение
Бот-астролог

Самостоятельное обучение
Доступ к 83 урокам
88 практических заданий
Готовые шаблоны Telegram-ботов
Формат: Онлайн, доступ с любого устройства.
Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Этот воркшоп для вас, если:

• Вы чувствуете, что делаете рутину
  Вы снова и снова пишете однотипный код, документацию и тесты. Хотите ускориться, но боитесь потерять качество.
• Вас просят быстро разобраться в чужом коде
  Нужно вникнуть в проект за пару дней, но комментариев нет, код сложный, и всё на бегу. Вы бы хотели, чтобы кто-то кратко объяснял, что тут вообще происходит.
• Вы хотите выйти на новый уровень
  Вы умеете писать код. Но теперь хотите работать как инженер: думать, проектировать, делегировать машине, а не быть самим этой машиной.
• Вы пробовали ChatGPT, но он «несёт чушь»
  Вроде бы слышали, что AI помогает, но как именно – непонятно. Промпты непонятные, ответы не попадают, результат – только разочарование.

День 1. AI как расширение мышления Ruby-разработчика
Научимся смотреть на AI не как на магию или замену, а как на инструмент расширения мышления и системного подхода. Разберём, как использовать AI для декомпозиции задач и проектирования архитектуры, погружения в чужой код.
Сравним Cursor и ChatGPT на реальных кейсах: от написания фичи до понимания незнакомого метода.

Содержание:

• Проектирование фичи с нуля через промпты
• Резюме функциональности из чужого кода
• Анализ проблемы: с чего начать и куда копать

Результат:

• Поймёте, как мыслить вместе с AI, а не вместо него
• Научитесь ставить правильные вопросы и задачи AI, в зависимости от контекста
• Получите базовые шаблоны промптов для архитектуры, декомпозиции и анализа багов
• Увидите, когда и почему AI ошибается, и как это обойти

День 2. AI в коде: от черновика до продакшена

Перейдём от мышления к действию: научимся писать, тестировать и документировать код вместе с AI. Будем генерировать методы, тесты, документацию, проверять и улучшать результаты.
Сделаем фичу от начала до конца: от промпта до Pull Request’а

Содержание:

• Генерация метода API-интеграции с Faraday
• Написание RSpec тестов
• Автогенерация документации (Yard/Markdown)
• Рефакторинг старого метода с AI-комментариями

Результат:

• Сможете писать фичи быстрее, используя AI как черновик и советника
• Научитесь добавлять тесты и документацию без усилий
• Получите подходы к рефакторингу с AI-подсказками
• Увидите, как улучшить качество и читабельность кода с помощью моделей

День 3. AI как часть среды и процесса

Систематизируем подход: как встроить AI в свою ежедневную работу. Настроим Cursor, автоматизируем повторяющиеся действия, подключим линтеры и вспомогательные сниппеты. Затронем тему внимания, усталости и привычек: как сохранить фокус и не выгореть, когда AI всегда рядом.

Содержание:

• Настройка окружения и привычек в Cursor
• Использование AI и Rubocop вместе
• Разбор багов из GitHub Issues с AI
• Создание сниппетов и шаблонов промптов под задачи

Результат дня:

• Сформируете рабочую среду с AI, заточенную под вас
• Научитесь устраивать AI-поддержку в повседневных задачах
• Получите свой набор шаблонов/сниппетов/инструкций
• Поймёте, как работать с AI без выгорания и потери концентрации

Этот воркшоп поможет вам

• Кодить быстрее и меньше уставать
  
  Делегировать рутину AI и сосредотачиваться на главном – логике, архитектуре и принятии решений
• Правильно формулировать промпты
  
  Оценивать ответы модели, настраивать Cursor под себя и общаться с AI как с членом команды, а не игрушкой.
• Легко разбираться в чужом и устаревшем коде
  
  Читать, резюмировать и раскладывать код с помощью AI – без потери времени и концентрации
• Перестать откладывать написание тестов и документации
  
  Писать юнит- и интеграционные тесты на Rspec, а также документацию с помощью AI – быстро, понятно, без самопожертвования

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Обучение четко структурировано Курс разбит на блоки, проходя которые вы научитесь работать с Zennoposter шаг за шагом

Закончив данное обучение, вы сможете взять хороший старт и получить ценные знания и навыки, чтобы писать проекты для своих целей, работать с заказчиками или устроиться на работу.

В курс также добавлен подробный практический урок по заработку
В нем мы расскажем, как монетизировать полученные знания:

• как найти работу
• как найти первые заказы
• как общаться с работодателями
• на что обращать внимание
• какие есть подводные камни
• как налаживать и продолжать сотрудничество
• как искать идеи для своих проектов и многое другое.

Программа (может обновляться):

1) Основы работы с Zennoposter
2) Интерфейс. Из чего состоит программа, как подготовить Zennoposter к работе
3) Обзор полезных экшенов: какие именно экшены вы будете чаще всего использовать в своей работе. Примеры использования.
4) Какие экшены не понадобятся и почему
5) Работа с документацией Zennolab
6) Пишем браузерный проект, работа с AI с помощью пост/гет-запросов
7) Работа с профиль папками, а такжес расширениями в браузере Chronium на примере реального проекта
8) Решение сложной капчи
9) Монетизация и примеры использования Zennoposter

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Ежегодно онлайн-школы выпускают тысячи джунов, которые пытаются найти работу. Карьерные центры обещают помочь с трудоустройством, но плодят лишь одинаковые резюме, которые не работают. Как выделиться среди других кандидатов в 2025 году? На этом курсе вы узнаете эффективную стратегию для поиска работы в IT!

Если вы испытываете сложности с поиском работы или только собираетесь выходить на рынок труда — этот курс создан для вас. Вы познакомитесь с эффективной стратегией, которая выделит вас на фоне остальных кандидатов.

Как проходит обучение

Обучение проходит в формате коротких видео-уроков. К каждому уроку прилагается небольшой тест для закрепления материала.

Программа курса:

Мотивация:

1. Как понять, что пора искать работу?
2. Избавляемся от заблуждений, которые мешают найти работу

Поиск работы (теория):

1. Разбираемся, как происходит найм
2. Обозреваем площадки для поиска работы. Изучаем лучшие практики
3. Разбираемся, что такое HR-фильтр и как он отсеивает новичков

Поиск работы (практика):

1. Учимся составлять резюме, которое будет интересно работодателям
2. Учимся писать сопроводительные письма, которые нас продвинут

Прохождение собеседований:

1. Разбираемся, как общаться с HR-менеджером, чтобы понравиться
2. Разбираемся, как проходить технические собеседования

Получение оффера:

1. Изучаем, что такое Job offer и как его принимать
2. Подводим итоги

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

На курсе ты закроешь рабочие проблемы:

Teamlead:

• Коллеги отправляют все одним коммитом: баги, стили, логику авторизации.
• Все изменения конфликтуют при мердже, приходится переписывать код и тратить время.
• Работаем вслепую — сами пишем отчёты, проводим лишние статус-митинги для синхрона по изменениям в коде.
• Коммиты не привязаны к задачам в Jira, документация отстаёт от кода, деплои проходят отдельно от мерджей. Всё вручную, всё забывается.
• Нет стандартов по работе с Git. Новички неделями разбираются в нашем хаосе и постоянно дергают коллег по вопросам.
• Сотни коммитов перемешаны в кашу. Тратим часы на ручной поиск багов. Клиент негодует, бизнес теряет деньги из-за простоя, а все шишки мне.

Junior/Middle:

• Все работают в своих ветках, но при мердже всё ломается. По 30 коммитов на каждого — непонятно, чей код рабочий и где затаилась бага.
• После ребейза пропала ветка. Весь труд за неделю улетел в никуда. Паника. Хоть заново переписывай.
• Отправил(-а) все изменения в одном коммите — упал прод. Теперь ищу, где именно и что сломалось. Занятие на весь день...
• Форматирование кода перед отправкой, вычитка ошибок — надоела эта рутина.

За 1 месяц изучишь best practices и глубинки Git’а:

Teamlead:

• Научишься настраивать автоматические уведомления через Git-хуки, которые покажут, кто, когда и что сделал.
• Настроишь хуки для уведомлений об изменениях в командные чаты. Создашь хуки на сервере для оповещения + интегрируешь все с системами мониторинга.
• Научишься выбирать и внедрять оптимальные стратегии ветвления — мерджи станут быстрыми и безболезненными.
• Свяжешь задачи, коммиты и деплой в единую систему. Все изменения в Git автоматически будут привязываться к задачам в таск-менеджере.

Junior/Middle:

• Научишься делать атомарные коммиты и восстанавливать ветки, даже если казалось, что они навсегда потеряны.
• Сможешь автоматически создавать отчёты о коммитах за день, и отправлять уведомления о новых PR всей команде
• Научишься автоматически проверять код на баги и форматировать его перед коммитом.
• Узнаешь, как отлавливать 99% багов до отправки кода в CI/CD с помощью ниндзя-трюков и супер-поиска.
• Научишься изменять историю, чтобы не было аварий при коллективной работе.
• Научишься блокировать коммиты при наличии отладочного кода и валидировать сообщения коммитов по шаблону.

Программа курса:
4 модуля, ДЗ и best practicesРазбираем Git под капотом, а не базовые команды. Все знания используются в работе каждый день.

Модуль 1
Внутренний мир Git
Теория:

• Git под капотом: объекты, хэши, индекс
• Коммиты правильно: атомарные изменения
• Умная история: сообщения со смыслом

Практика:
хирургия коммитов с git add -p
Результат:
делаешь пул-реквесты, которые принимают сразу без доработок
пишешь атомарные коммиты и точечно откатываешь изменения без повреждения смежных функций
делаешь меньше ошибок с помощью понимания, как Git хранит объекты и вычисляет хэши
выстроишь качественную историю коммитов и сократишь онбординг новичков с недель до дней — новый разработчик понимает логику развития проекта
умеешь мгновенно находить причины багов без многочасовых раскопок кода с помощью грамотно составленных сообщений.
Модуль 2
Ветки и управление историей
Теория:

• Стратегии ветвления: GitFlow vs GitHubFlow vs TrunkBased
• Merge vs Rebase: когда что использовать
• Разрешение конфликтов как профи

Практика:
Переписывание истории с rebase -i
Результат:
умеешь выстраивать стратегию слияния и переписывания истории под разные команды — от стартапов до бигтехов
мерджишь за полчаса вместо двух дней
профессионально управляешь версиями и меняешь историю.

Модуль 3
Командная Git-машина
Теория:

• Форки и PR: процесс без трений
• Git Hooks: автоматизация рутины
• Оптимизация для больших репозиториев

Практика:
Настройка эффективного CI/CD.
Результат:
отсутствие разрыва между между Git и рабочими процессами
прозрачность процесса разработки
перехватываешь критические ошибки до того, как они попадут в репозиторий, а не после падения прода
экономишь часы своего и командного времени с помощью автоматизации проверки кода. Уберешь все повторяющиеся ручные действия
создашь единые стандарты кода и коммитов для всей команды без бесконечных призывов «давайте следовать правилам»
грамотно настроенный CI сокращает время от коммита до деплоя с часов до минут
правильные триггеры и кэширование снижают нагрузку на серверы и экономят тысячи долларов на инфраструктуре ежемесячно
автоматические preview-окружения для каждого PR позволяют тестировать изменения до мержа и обнаруживать проблемы до того, как они достигнут основных веток.

Модуль 4
Git-ниндзя
Теория:

• Спасение данных: reflog и восстановление
• Git bisect: поиск багов по истории
• Модули и подрепозитории

Практика:
Диагностика и реанимация сломанного репо
Результат:
создаешь чистую и понятную историю коммита с помощью выбора отдельных изменений внутри файла
мгновенно находишь баги. Видишь все коммиты, где конкретная строка кода была добавлена или удалена
автоматизируешь бинарный поиск по истории для находки коммита с багом. Экономишь часы времени
умеешь сжимать репозиторий и автоматически удалять мусор
умеешь спасать «удаленные» коммиты, которые ты случайно потерял.

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Чему вы научитесь

• Теория тестирования, синхронизированная с ISQTB
• Техники тест-дизайна
• Проектирование тестовой документации
• Системы управления документацией
• Тестирование веб-приложений
• Тестирование мобильных приложений
• Работа с реляционными и нереляционными базами данных (SQL/NoSQL)
• Тестирование API и работа с Postman
• Работа с git и bash
• Основы CI/CD
• Создание резюме
• Создание портфолио

Подходит новичкам и специалистам с опытом, которые хотят освоить профессию тестировщика ПО или прокачать свои навыки.

Среднее время прохождения: 100 часов (включая домашние задания)

Рекомендация: проходить на настольном компьютере, так как курс включает установку инструментов и практические задачи. На смартфоне отдельные элементы могут отображаться некорректно.

Для прохождения некоторых уроков практической части курса вам может понадобиться VPN.

Всего задач: более 400
Они направлены на теоретические и практические аспекты профессии.

Сообщество: доступ в Telegram-чат для общения и помощи, который вы получите после оплаты курса.

О курсе

• Курс записывается с 2023 года по настоящее время.
• Каждый год я добавляю и обновляю видео, уроки, материалы
• Интерфейсы некоторых инструментов могут измениться, но функции и теория остались актуальными.
• Каждый урок включает видео и текстовый конспект.
• Много тестов и практических заданий.
• Модули курса открываются друг за другом, а не открыты все сразу
• В курсе много ссылок на дополнительные материалы, которые я собирал годами

Основные отличия от базовой версии курса:

• Только уникальные уроки (40 часов новых видео), которых нет на Youtube и Stepik
• Просмотр видео без необходимости использования VPN
• Текстовый конспект почти к каждой лекции
• Новые инструменты и расширенные версии уроков базового курса
• Теория обновлена до последней версии сертификации ISTQB
• Больше примеров внутри текстового конспекта и его адаптация под ЦА
• Специально разработанная для курса инфраструктура: веб-приложение с клиентской и серверной частью, документация, макеты, Swagger, база данных
• Вы сможете залезть в код приложения и понять: как все работает изнутри?
• Основные практические задания повторяют рабочие активности тестировщика: от анализа требований, создания документации до реального тестирования с использованием инструментов
• Вы будете использовать результаты прошлых ДЗ для работы с последующими заданиями
• Больше тестов, больше заданий, больше интерактивности и вовлечения
• Примеры решений от меня для заданий с тэгом "Практика", чтобы вы понимали, куда нужно двигаться
• Видео-разборы некоторых решений для большего понимания
• В конце курса вы создадите портфолио в GitHub, которое будет содержать результаты обучения
• Бонусом к курсу идут интерактивные карточки в Quizlet для запоминания и словарь из более 150 терминов

Для кого этот курс

– Те, кто еще не знает ничего про тестирование
– Начинающие специалисты
– Действующие специалисты, которые хотят освежить знания, готовятся к интервью или хотят прокачать отдельные навыки

Начальные требования

– Осознанное понимание, что такое самообучение
– Базовая компьютерная грамотность
– Умение работать с программным обеспечением на уровне уверенного пользователя
– Английский язык со словарем
– Рабочий компьютер, так как на курсе много практики, связанной с приложениями на нем
– Обязательно нужен VPN для работы с рядом программ

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Кто такой маркетолог-аналитик?
Анализирует и оптимизирует рекламу — чтобы она работала эффективно. Разрабатывает рекомендации для улучшения показателей. На основе данных помогает принимать решения относительно продукта, чтобы сделать его привлекательным для покупателя и формировать стратегию на много месяцев вперед.

→ Анализирует отрасль, рынок и конкурентов, финансовые, продуктовые и маркетинговые показатели
→ Отслеживает источники трафика
→ Строит прогнозы, оптимизирует рекламные кампании и целевой бюджет
→ Настраивает сквозную аналитику
→ Улучшает работу лендингов: А/В-тесты, лидогенерация

Вы научитесь:

• Работать с основными метриками продукта и маркетинга
• Проводить сбор данных при помощи: Google Analytics, Google Tag Manager, Amplitude, Яндекс. Метрики, Python
• Визуализировать данные при помощи: Google Sheets, Power BI, Python

После курса вы сможете

• Считать юнит-экономику, чтобы у компании было ясное представление обо всех расходах и доходах на каждого клиента
• Работать с сегментацией и проводить когортный анализ, чтобы лучше понимать клиентов и их предпочтения
• Запускать A/B-тестирования и анализировать их итоги, чтобы повысить эффективность элементов продукта или маркетинга

Краткая программа курса
Блок 1

• Модуль 1. Введение в маркетинг
• Модуль 2. Настройка «Яндекс.Метрики» и Google Analytics
• Модуль 3. Трафик: понятие, источники
• Модуль 4. Введение в аналитику данных
• Модуль 5. Оценка конкурентов и рынка

→ Результат

• Примерите на себя специальность маркетолога-аналитика
• Познакомитесь с основными инструментами работы
• Увидите экосистему маркетинга и рекламы в целом
• Поймете основы аналитики данных
• Научитесь анализировать рынок и конкурентов

Блок 2

• Модуль 6. Виды рекламы: поисковая реклама
• Модуль 7. Работа с аудиториями в рекламных сетях и соцмедиа
• Модуль 8. Виды рекламы: сложные источники трафика
• Модуль 9. Работа с crm-маркетинговыми кампаниями
• Модуль 10. Google Tag Manager: работа с контейнером данных
• Модуль 11. A/B-тесты
• Модуль 12. A/B-тесты: введение в статистику и математику
• Модуль 13. A/B-тесты: инструменты для проверки гипотез
• Модуль 14. App-аналитика
• Модуль 15. Создание медиаплана и его анализ
• Защита проекта

→ Результат

• Сможете отслеживать основные источники трафика
• Узнаете, как работать с клиентами через рассылки и crm-системы
• Научитесь оптимизировать рекламные кампании по отношению к разным маркетинговым и бизнес-показателям
• Освоите запуск А/В-тестов для улучшения конверсий с лендингов без использования сложного математического аппарата

Блок 3

• Модуль 16. Сегментирование и персонализация ЦА
• Модуль 17. Когортный и RFM-анализ
• Модуль 18. Работа с базами данных
• Модуль 19. Настройка сквозной аналитики
• Модуль 20. Эконометрика
• Модуль 21. Отчеты и дашборды
• Защита проекта

→ Результат

• Научитесь выстраивать сквозную аналитику
• Сможете составлять понятные отчеты и дашборды, используя Power BI
• Будете проводить анализ пользователей: когортный и RFM . Делить ЦА на сегменты
• Освоите работу с базами данных с использованием SQL

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Разработка торговых роботов под криптобиржи на языке Python — 100% практики без воды
Формат - Записанный видеокурс

Описание курса

Для кого создан курс?

• Опытные трейдеры
• Инвесторы
• Начинающие трейдеры
• Начинающие разработчики
• Алготрейдеры

Для чего проходить курс?

• Написание своего торгового робота
• Доработка готовых торговых роботов
• Тестирование торговых гипотез
• Автоматизация собственных торговых стратегий
• Погружение в нишу разработки торговых роботов

Программа обучения
1 модуль
- Установка рабочих файлов для работы с Python
- Подготовка рабочего пространства для программирования
2 модуль
- Изучение API-документации криптобиржи Binance
- Начало разработки торгового робота для биржи Binance
- Синхронизация нашего базового программного кода с API биржи. Получение данных от биржи и передача данных.
3 модуль
- Пишем программный код торгового работа, который будет
покупать монеты при определенных условиях
4 модуль
- Производим оптимизацию программного кода нашего торгового робота
- Подключаем логирование
5 модуль
- Пишем функции Take profit u Stop Loss
6 модуль
- Подключаем уведомление в телеграм

Экспресс-курс по Криптороботам

• Записанный курс
• Освоите написание торгового робота с нуля под криптобиржу

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

База знаний содержит в себе презентации, текстовый конспект, схемы, словарь и интерактивный модуль в Quizlet для успешного усвоения и повторения теоретических материалов по тестированию

Использовать базу можно как в браузере, так и в специальном мобильном приложении Kaiten On The Go для Android и iOS.

Кому подойдет эта база знаний?

• Новичкам: Подготовка к интервью и закрепление пройденного материала
• Экспертам: Освежить знания по фундаментальным основам тестирования

Содержание базы знаний
База знаний – это не курс. Она содержит в себе презентации, текстовый конспект, схемы, словарь и интерактивный модуль в Quizlet для успешного усвоения и повторения теоретических материалов по тестированию

Словарь тестировщика

• 150+ терминов и определений

Quizlet для запоминания

• Интерактивный модуль из 168 определений, на основании которых можно создавать флеш-карты, тесты, играть в режиме сопоставления прямо в Quizlet

Теория тестирования

• QA, QC, Testing
• Верификация и валидация
• Принципы тестирования
• SDLC/STLC
• Модели разработки
• Уровни тестирования
• Типы тестирования
• Scrum
• Kanban и XP
• Работа с требованиями

Техники тест-дизайна

• Эквивалентное разбиение и анализ граничных значений
• Попарное тестирование
• Другие техники тест-дизайна

Тестовая документация

• Тест-план и тест-стратегия
• Отчет по результатам тестирования
• Чек-лист
• Тест-кейсы
• Отчет о дефекте. Виды улучшений
• Типовые ошибки при создании документации
• Матрица трассировки и метрики
• Оценка трудозатрат в тестировании. Виды эстимации

Тестирование веб-приложений

• Как работает Internet? IP, MAC, URL, DNS
• Клиент-серверная архитектура
• Толстый и тонкий клиент
• Монолиты и микросервисы
• Балансировщики нагрузки
• HTTP-протокол. HTTP-методы. Запросы и ответы. Коды ответов
• Кэш и куки. Основные сущности в веб
• Chrome Devtools
• Тестирование графического интерфейса (GUI)
• Основы HTML и CSS
• Логи

Тестирование АPI

• Что такое API?
• SOAP и XML
• REST API
• Swagger
• Инструменты для тестирования API

Работа с базами данных

• Типы БД и СУБД
• Реляционные базы данных
• Типы отношений
• Нормализация и денормализация
• Типы данных
• Создание, удаление, изменение
• SELECT запросы в MySQL. Агрегатные функции
• JOIN запросы в MySQL
• Нереляционные базы данных. Примеры запросов к MongoDB

Тестирование мобильных приложений

• Обзор Android и iOS. Тестовые фермы
• Типы мобильных приложений
• Особенности тестирования мобильных приложений
• Типы тестирования мобильных приложений
• Инструментарий мобильного тестировщика

Основы работы с bash

• Что такое bash?
• Базовые команды
• Команды для работы с файлами и папками
• Команды для поиска
• Команды с выводом и процессами
• Команды ping и curl

Основы работы с git

• Что такое git?
• Базовые команды
• git commit, git reset, git checkout, git stash
• Работа с ветками
• Git Flow

Видео-гайды по инструментам и дополнительные ресурсы

• Ссылки на видео, которые могут помочь познакомиться с инструментами + подборки полезных материалов

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Научитесь работать с Apache Kafka — мощной платформой для потоковой обработки данных в реальном времени. В этом курсе вы освоите архитектуру Kafka, клиентские API (Producer, Consumer, Admin), обработку потоков с помощью Kafka Streams, интеграцию через Kafka Connect и работу с Spring Kafka и Schema Registry. Практические задания и проекты помогут закрепить навыки для использования Kafka в микросервисах, анализе логов и event-driven архитектуре.

Чему вы научитесь
Применять Apache Kafka для потоковой передачи и обработки данных в реальном времени
Разрабатывать приложения с использованием Kafka Producer и Consumer API
Обрабатывать данные с помощью Kafka Streams (DSL и Processor API)
Настраивать коннекторы Kafka Connect для интеграции внешних систем
Использовать Spring Kafka и Schema Registry в проектах
Тестировать и оптимизировать приложения Kafka
Строить отказоустойчивые и масштабируемые event-driven архитектуры

О курсе
Этот курс — ваш практический гид по Apache Kafka, одной из самых востребованных технологий для работы с потоками данных в реальном времени. Вы не просто изучите теорию, а сразу примените знания на практике:

• От основ к продвинутым темам – начнете с архитектуры Kafka и клиентских API (Producer, Consumer, Admin), а затем перейдете к обработке данных с Kafka Streams, интеграции через Kafka Connect и работе с Spring Kafka.
• Реальные кейсы – научитесь настраивать Kafka для микросервисов, мониторинга логов, event-driven архитектур и других задач.
• Практика через код – каждый урок содержит упражнения, викторины и демонстрации, а в конце вас ждет итоговый проект, который можно добавить в портфолио.
• Лучшие практики и оптимизация – узнаете, как тестировать, масштабировать и настраивать Kafka для надежной работы в production.

Курс подойдет тем, кто хочет не просто познакомиться с Kafka, а научиться применять её в реальных проектах – от потоковой аналитики до построения распределенных систем.

Для кого этот курс
Разработчики, желающие освоить Kafka для работы с большими данными и event-driven системами
Инженеры данных, создающие конвейеры обработки данных в реальном времени
Специалисты по данным, которым нужна надежная потоковая инфраструктура
Архитекторы, проектирующие микросервисные и слабосвязанные системы

Начальные требования
Базовый опыт программирования на Java (желательно)
Знание основ распределенных систем (полезно, но не обязательно)
Умение работать с терминалом

Наши преподаватели.Николай Степанов .Инженер DevOps и преподаватель.
Помогаю освоить современные инструменты DevOps и контейнерные технологии. Участвовал в разработке обучающих программ для IT-специалистов.

Как проходит обучение
Теория: лекции с примерами и лучшими практиками
Демонстрации: работа с Kafka Producer, Consumer, Streams и Connect

Программа курса
Введение
1. Обзор курса
2. Установка и настройка среды
3. Архитектура Apache Kafka
4. Клиентские библиотеки Apache Kafka
5. Библиотека Java-клиента Apache Kafka

Producer и Consumer API
1.API продюсера Kafka
2.Конфигурация и лучшие практики API производителя Kafka
3. API потребителя Kafka
4. Использование Kafka как темы и очереди
5. Конфигурация и лучшие практики для API потребителя

Kafka Streams
1.Введение в Kafka Streams
2.Обзор stateless операций DSL API
3. Использование Stateless-операций DSL API
4. Состояния операций DSL API: Агрегация
5. Операции объединения в DSL API
6. Оконные функции в DSL API Kafka Streams
7. Интерактивные запросы
8. Тестирование приложений Kafka Streams

Kafka Connect
1.Введение в Kafka Connect
2. Коннекторы источников Kafka Connect
3. Коннекторы Sink для Kafka Connect
4. Трансформации в Kafka Connect

Проекты в экосистеме Kafka
1.Основы Spring Kafka
2.Приложения производителя и потребителя
3.Основы работы с Реестром Схем
4.Использование Avro в приложениях производителя и потребителя
5.Kafka MirrorMaker
Заключение Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Для кого курс?
Курс разработан для действующих разработчиков и тестировщиков с опытом работы от 4 месяцев.

Какой язык программирования нужно знать?
Курс подойдёт вам независимо от того, на чём вы пишете. Мы учим универсальному навыку, который применим для любого языка. Вы разберёте реальные кейсы из бэкенда, фронтенда и мобильной разработки, что прокачает насмотренность и поможет применять знания на практике.

На прошлом потоке у нас были бекенедеры, фронты и мобильные разработчики

Какой результат вы получите?
На курсе вы научитесь настраивать AI под свои задачи, писать эффективные промпты и разбираться, какую LLM-модель выбрать для конкретной цели. Вы начнёте использовать ИИ как рабочий инструмент и благодаря этому экономить время, снижать затраты и повышать результат каждый день.

Спойлер: Программа:

Программа:

Модуль 1. База ИИ, chatGPT, экосистема AI

Покупка и получение ИИ-инструментов из РФ

• Разбираем, как купить и оплатить VPN
• Разбираем, как оплачивать AI-сервисы 5 разными способами
• (BONUS) В VIP-тарифе мы все покупаем за вас

ChatGPT

• История развития моделей
• Основные возможности
• Сценарии применения и Web vs Desktop-версия
• Advanced Voice Mode
• Рассматриваем 8 практических кейсов ChatGPT
• Как обходить корпоративные лимиты с использованием AI?

Основы LLM

• Начало и уровни использования ИИ
• LLM: теоретическая база, нужная для понимания всего материала (определение, next token prediction, dataset, attention)
• Почему нейронка такая тупая? Или почему сетки выдают «2+2=5?»
• Как экономить деньги при запросах в AI-тулзы?

AI-экосистема для разработчика

• Разбираем написание своих Agents (GPT) и Tooling
• Рассматриваем perlexity, warp. dev, wisperflow. ai, буквица, limitless

Гайды:

• Полный гайд, как покупать AI-сервисы из РФ, какой VPN покупать
• Шпаргалка по AI-тулзам для работы разработчика

Модуль 2. Prompt Engineering

Prompt Engineering

• Изучаем основы: User & System Prompt, Context Window & Awareness, Roles
• Разбираем продвинутые концепции: Jailbreaks, RAG
• Осваиваем подходы к промпт-инжинирингу (Zero-shot, Few-shot, CoT)
• Изучаем цикл “ЧИП” (черновик → итерация → проверка)
• Смотрим лучшие практики и узнаем ответы на вопросы: “дает ли роль профит?”, “переполняется ли контекст?”
• Особенности промптов для reasoning-моделей

Claude

• История развития моделей
• Основные возможности, особенности написания промптов
• Изучаем Claude code, MCP, Artifacts, Проекты
• Сравниваем с ChatGPT и Gemini
• Рассматриваем 5 практических кейсов

MCP-сервера

• Создание собственных MCP-серверов, интеграция MCP с Cursor

Сравнение моделей

• Анализируем сильные и слабые стороны Claude vs GPT vs Gemini vs DeepSeek vs Grok
• Изучаем подход "Задача - Интерфейс - LLM"
• Рассматриваем стратегии развития крупных AI-провайдеров
• Определяем лучшие модели для кода, текста, исследований, side-проектов, сложных задач, брейншторминга

Гайды:

• Текстовая методичка по Prompt Engineering

Модуль 3. Введение в Cursor и другие AI IDE (Github Copilot, Codeium)

Обзор AI инструментов

• Расширения (GitHub Copilot, Codeium, Continue, Cline, Junie)
• IDE (Cursor, Windsurf, Trae, Devin)
• CLI (Claude Code, Codex)
• Веб-сервисы (Bolt, v0)

Обзор функционала и общие принципы для AI IDE (применимый для всех AI-инструментов)

• Агентский режим с контекстом, запуском команд и автоматическим исправлением ошибок
• Tab-функция для работы с файлами и предсказания кода
• Чатовое окно с применением/откатом изменений, поиском по кодовой базе, поддержкой изображений, поиском в интернете
• Быстрые изменения в терминале и файлах
• Выбор моделей, тарификация, Thinking и Max режимы
• Последние обновления и .mdc правила

Настройки Cursor

• Настройка Cursor для удобства использования на уровне JetBrains IDE
• Особенности VS Code: расширения, настройки, темы
• Бета-функционал, системные правила, MCP
• YOLO режим для автономной работы агента
• Запуск проектов

Гайды:

• Импорт эталонных настроек Cursor с подробными объяснениями

Модуль 4. Методы решения задач с Cursor

Эффективное взаимодействие с Cursor

• Правила взаимодействия и правильное восприятие инструмента
• Анти-паттерны использования
• Понимание сигналов и артефактов от LLM
• Подход ТДИТ для работы с контекстом и принцип ШГИ для решения задач
• Лучшие практики для эффективного использования

Онбординг в новый проект

• Запуск через launch.json и грамотное использование дебаггера
• Работа с документацией проекта
• Создание Mermaid-диаграмм компонентов
• Создание .mdc правил с code style проекта
• Поддержание актуальности инструкций

Практический пример: от Jira до Merge Request

• Планирование и создание документации с участием ИИ
• Классический пример, где отсутствие правила ухудшило генерацию
• Стратегия реализации
• Полная реализация фичи: сервис, репозиторий, юнит и интеграционные тесты, тестирование с ИИ, создание merge request, ревью кода
• Обсуждение развития навыков использования Cursor

Модуль 5. Кейсы решения рабочих задач #1

Теория:

• Cursor Rules в деталях, глубокое изучение правил и построение экосистемы для нескольких проектов/сервисов
• Разбираем, как построить экосистему в Cursor, когда несколько проектов / сервисов?

Документация

• Как написать документацию по проекту, который является просто идеей в голове?
• Как визуализировать MVP перед написанием кода?
• Как документацию превратить в полноценные задачи, которые можно давать Cursor и жать enter?
• Как сделать крутую, интерактивную презентацию с помощью 1 промпта?

Практические кейсы из жизни программиста:

Ускоряем ваш онбординг на новом проекте в 3 раза

• Как разобраться в новом проекте?
• Написание сервиса с нуля по идее, которая возникла в голове (не удалось, перенесли на следующую встречу)
• Как выполнять задачу сразу в нескольких репозиториях?
• Как работать с общим репозиторием, где лежат все контракты?
• Пример написания правил для реализации огромного эпика по шагам?

Типовые задачи

• Как исправить межсервисный баг? Как фиксить код после ревью, где несколько сервисов?
• Как оптимизировать сложный SQL запрос?
• Как правильно писать Mock, разобраться в сложной бизнес логике, как отрефакторить код после ИИ?
• Переделать крупную фичу в монолите, проанализировать варианты решения, декомпозировать, написать документацию, защитить решение

Модуль 6. Кейсы решения рабочих задач #2

Разбор проектного домашнего задания:

• Рассмотрим самые частые ошибки, которые допускались при решении
• Изучим эталонное решение задачи и его шаги
• Посмотрим на еще 1 пример онбординга в проект

Практические кейсы из жизни программиста:

Code review

• Как внедрить Cursor IDE для code review и подстроить его под style guide компании и экономить до 2 часов в день?
• Как после ревью чужого кода направить человека для исправления, чтобы он по шагам сделал красоту?

System Design

• Делаем дизайн-док сервиса/фичи по коду за 10 минут: автоматическая генерация PUML диаграмм: отдельный сервис / автоматизация на Cursor Rules
• написание RFC документа по новой фиче (придумать, описать, рассмотреть аналоги, декомпозировать лучшее)
• Как проектировать структуру сервиса на Python?

Модуль 7. Практикум ИИ-агентов (n8n, telegram bot, ios приложение)

Практические кейсы:

• Введение в ИИ-агентов. Делаем автоматизацию в n8n и Make
• Делаем своего бота в Telegram без единой строчки своего кода
• Пишем решение типовой задачки System Design — «Спроектируй Twitter»
• Показываем, как сделать приложение для медитаций для IOS
• Рассматриваем инструменты продуктивности разработчика — Gitkraken, Postman, K9s

Прорабатываем ТЗ:

• Показать как сформулировать ТЗ из идеи
• Показать как реализовать ТЗ на неизвестной тебе плафторме (мобила/веб)

Модуль 8. Теория LLM

Принципы работы LLM

• Токенизация, эмбеддинги, вероятностная генерация
• Ограничения «окна контекста» и механизм внимания

Архитектура трансформеров

• Encoder / Decoder, Multi-Head Attention, Feed-Forward блоки
• Позиционное кодирование и длинный контекст: RoPE, Flash-/Paged Attention

Эволюция моделей

• BERT vs GPT vs T5/BART; Mixture-of-Experts и MoE-дизайн 2025 года
• Обзор ключевых громких слов: RLHF, Mixture-of-Agents, Speculative Decoding
• Где применяют reasoning-модели (GPT-4o, Claude-4, Gemini-2.5, DeepSeek)

Локальные LLM

• Когда есть смысл ставить LLaMA 2/3, Mistral, Mixtral, Qwen локально
• Квантование (8-/4-/GGUF), Ollama, Text-Generation-WebUI, llama.cpp
• Минимальный домашний сервер: CPU + GPU/Apple Silicon, VRAM vs RAM

Fine-Tuning: от Full до PEFT

• LoRA / QLoRA, Adapters, Prefix-/Prompt-Tuning
• Как выбрать: стиль, приватные данные или повышение точности
• Краткий чек-лист подготовки датасета (50–100 пар → ощутимый прирост)

RAG-подход

• Retriever → Builder → LLM; гибридный поиск BM25 + векторный
• Когда RAG лучше fine-tune и наоборот
• Пример пайплайна: LangChain + Qdrant + GPT-4o (20 строк кода)

Reality-check для менеджера

• Где действительно нужен ML-инженер, а где хватает «обёртки» над API
• Метрики качества (accuracy, latency, cost per 1k tokens) и TCO-калькулятор

Модуль 9. Практика построения базы знаний

Жизненный цикл корпоративной базы знаний

• Сбор и классификация источников: wiki-страницы, PDF-ы, презентации, почтовые цепочки, тикеты
• Очистка и нормализация (chunking, дедупликация, расширение метаданных)
• Генерация эмбеддингов и запись во векторное хранилище
• RAG-конвейер: retrieval → rerank → LLM-ответ с цитатами
• Метрики качества: precision@k, recall@k, latency, faithfulness

Архитектуры RAG в проде

• Single-stage vs multi-stage retrieval
• Hybrid search (BM25 + vector)
• Резервные стратегии: FAQ-fallback, web-search-fallback
• Кэширование hot-queries и результат-синификаторов (answer + sources)

Инструменты и стеки

• LangChain / LlamaIndex: плюсы, минусы, типовые графы
• Qdrant, Weaviate, Pinecone, Chroma: где что дешевле и быстрее
• OpenAI embeddings vs BGE-base vs text-embedding-3: стоимость и качество на RU/EN
• Streamlit, FastAPI, Telegram Bot API — быстрый фронт/интерфейс

Управление знаниями и безопасность

• RBAC и защита PII: фильтрация на этапе retrieval и post-processing
• Обновление индекса: инкрементальные апдейты, cron + webhooks
• Логирование запросов/ответов для дообучения и аналитики

Оптимизация стоимости и скорости

• Delta-индексы и компрессия векторов
• Бюджетный режим «embeddings once, answer many»
• Пулы подключений и асинхронные запросы для снижения latency

Модуль 10. Side Hustle

Серафим Кораблев о создании культовых приложений с AI

• Серийный предприниматель, Forbes U30 Winner, делал экзиты на несколько миллионов долларов. Сооснователь Via Protocol (привлёк $ 1,2 млн инвестиций при оценке $ 20 млн), создатель Cutly — AI video maker (продан), Gas Pump (приобретен BabyDoge, стал #2 Product of the Year на ProductHunt), 21st. dev — крупнейшего AI маркетплейса React UI компонентов.
• В 23 года имеет опыт запуска и продажи множественных проектов: от салона красоты до криптовалютных стартапов. Экс-продукт-директор ювелирной сети Sunlight, экс-проект-менеджер MGcom (работал с Qiwi, re: Store, Street Beat).

Богдан Печёнкин о создании AI Dating Copilot от идеи до 10,000+ пользователей

• Сооснователь Vibe (30,000+ пользователей и 1000+ платных клиентов) и соавтор курса Симулятор DS (1000+ студентов). ML Engineer с 4-летним опытом работы в крупных компаниях (X5 Group, AliExpress, GoldenGoose). Соавтор книги «Machine Learning System Design» (Valeri Babushkin, Arseny Kravchenko).
• Богдан расскажет о создании AI Dating Copilot от идеи до 10,000+ пользователей, поделится опытом монетизации AI-продуктов и покажет, как превратить технические навыки в успешный стартап. Обсудит практические аспекты запуска AI-сервисов, динамическое ценообразование и юнит-экономику AI-продуктов.

Тариф VIP

• 10 модулей
• 10 online-занятий 2 раза в неделю
• Общий чат учеников в Telegram с ментором
• Доступ к материалам в Notion
• Практические домашние задания
• Zoom-сессии с ответами на вопросы
• Секретный подарок для разработчика

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Для кого этот курс?
Этот курс для вас, если вы хотите внедрить AI на основе LLM в свой проект или сервис, но не знаете, как это сделать.

• Python-разработчики, желающие выйти за рамки классического программирования и освоить прикладное AI
• DevOps-инженеры, которым важно понять, как разворачивать и поддерживать крупные AI-системы
• Data-инженеры, аналитики данных и специалисты по Data Science, стремящиеся глубже интегрировать языковые модели в пайплайны и сервисы

Необходимые знания

• Желательно базовое знание Python. Многие темы курса на курсе не требуют знания языков программирования, но отдельные примеры работы будут именно на Python

Что даст вам этот курс
Курс охватывает полный цикл разработки и внедрения больших языковых моделей — от основ архитектуры AI и подготовки данных до тонкостей MLOps, мониторинга и оптимизации. Программа основана на реальных кейсах и инструментах, которые уже сейчас востребованы в индустрии.

На курсе вы

• Изучите фундаментальные принципы AI-архитектуры и трансформеров
• Освоите практики LLMOps: от развёртывания и автоматизации до мониторинга и обновления крупных моделей
• Разберётесь в токенизации, контекстных окнах и научитесь эффективно управлять памятью для больших LLM
• Освоите фреймворки для интеграции LLM (LangChain, LlamaIndex, vllm и другие) и научитесь работать с мультиагентными системами
• Научитесь применять retrieval-augmented generation (RAG) вместе с векторными базами данных и внедрять AI-функциональность в классические backend-проекты
• Поймёте, как проводить fine-tuning и оптимизацию LLM, включая вызов внешних функций
• Узнаете о когнитивных архитектурах, принципах мультимодальных моделей и методах тестирования AI-решений

После курса вы будете готовы внедрять LLM-сервисы в реальные продукты: разрабатывать, тестировать, поддерживать и оптимизировать AI-приложения на продвинутом уровне.

Программа

Архитектура трансформеров

В этом модуле вы научитесь анализировать архитектурные ограничения RNN и преимущества self-attention, объяснять механику трансформеров и интерпретировать работу attention-слоёв.

Тема 1: Базовые принципы трансформеров (от RNN к Self-Attention)

Тема 2: Token Embedding, позиционные вектора и QKV

Тема 3: Визуализация Attention и эволюция (BERT, GPT, T5) // ДЗ

Введение в AI Engineering
В этом модуле вы освоите выбор и адаптацию русскоязычных LLM под прикладные задачи. А также рассмотрите LLM-пайплайны и применение инженерных практик в работе с моделями.

Тема 1: Эволюция AI и фундаментальные модели (ChatGPT, Mistral, Llama, Deepseek)

Тема 2: Подходы к локализации (SberGPT, YandexLLM, ruGPT-3)

Тема 3: Работа с данными в Python и подготовка данных для LLM // ДЗ

Основы LLMOps
В этом модуле вы научитесь настраивать мониторинг и отслеживание работы LLM, использовать соответствующие инструменты и интегрировать модели в CI/CD-процессы для обеспечения надёжной и стабильной эксплуатации.

Тема 1: Принципы LLMOps, автоматизация развертывания

Тема 2: Оптимизация и поддержка LLM

Тема 3: CI/CD для LLM и инструменты (Triton, MLflow, vLLM) // ДЗ

Оценка, токенизация и контекст
В этом модуле вы овладеете методами оценки качества генерации, применением метрик и управлением длиной контекста и token streaming.

Тема 1: Специализированные бенчмарки и метрики (GLUE, SQuAD и др.) // ДЗ

Тема 2: Токенизация, контекстные окна, test time scaling

Интеграция и практика
В этом модуле вы научитесь конструировать и защищать промпты, реализовывать Retrieval-Augmented Generation и интегрировать LLM через API и middleware.

Тема 1: Работа с фреймворками и агентами (LangChain, LlamaIndex, Ollama, Haystack) // ДЗ

Тема 2: Мониторинг моделей с LangChain Observability, LangSmith, Langfuse

Тема 3: Векторные БД и Retrieval Augmented Generation (Pinecone, Chroma, Milvus, Clickhouse) // ДЗ

Тема 4: Промпт-инжиниринг (Chain-of-thought, защита от некорректных промптов)

Разработка и оптимизация LLM
В этом модуле вы изучите, как дообучать и оптимизировать LLM, расширяя их функциональность через Fine-tuning, вызов внешних функций, локальный запуск и извлечение информации из текста.

Тема 1: Fine-tuning (LoRA, PEFT) и вызов внешних функций из LLM // ДЗ

Тема 2: Локальное использование LLM (CPU/GPU), оптимизация

Тема 3: Извлечение данных из текста (NER, IE), разработка приложений // ДЗ

Тема 4: Автоматизация тестирования LLM, CI/CD жизненного цикла // ДЗ

Когнитивные архитектуры и RAG
В этом модуле вы научитесь строить когнитивные системы на базе Retrieval-Augmented Generation (RAG), проектировать архитектуры AI-приложений с учётом профилирования производительности и обеспечением надёжности, а также оптимизировать отклик и мониторинг.

Тема 1: Основы RAG, онтологические графы, LangGraph

Тема 2: Проектирование когнитивных архитектур (QA, чат-боты, документооборот)

Тема 3: Архитектуры AI-приложений, профилирование inference

Тема 4: Тестирование AI-приложений (мониторинг, оптимизация задержек)

Продвинутые архитектуры и паттерны
В этом модуле вы изучите современные подходы к построению эффективных и масштабируемых LLM-систем: от сжатия и оптимизации моделей до внедрения мультимодальности и реализации семантического поиска.

Тема 1: Сжатие моделей: квантование (GGUF, AWQ), дистилляция, pruning

Тема 2: Семантический поиск и мультимодальность (текст + изображение/аудио) // ДЗ

Тема 3: Продвинутое обучение (contrastive fine-tuning, in-context learning), интерпретируемость (SHAP, LIME)

Проектная работа
Заключительный месяц курса посвящен проектной работе. Проект – это самая интересная часть обучения. Вы будете разрабатывать его на основе полученных на курсе навыков и компетенций. В процессе работы над проектом можно получить консультацию преподавателей.

Тема 1: Выбор темы и организация проектной работы // Проект

Тема 2: Консультация по проектам и домашним заданиям

Тема 3: Защита проектных работ

Тема 4: Подведение итогов курса

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...