О курсе

Программа охватывает полный цикл работы с ИИ-агентами: от введения в агентные системы и устройства больших языковых моделей до создания production-ready решений. В общих модулях разбирается, чем ИИ-агент отличается от чат-бота, какие компоненты входят в его архитектуру (модель, инструменты, оркестрация, инфраструктура), а также паттерны ReAct, планировщик + исполнитель и память.

Практическая часть включает настройку окружения на Python, работу с OpenAI API и n8n, создание ReAct-агента с LangChain, подключение внешних API и tool-calling, интеграцию протокола MCP. Отдельные модули посвящены RAG и векторным базам данных (Pinecone, Weaviate, Chroma), эмбеддингам и семантическому поиску.

В продвинутых разделах рассматриваются LangGraph и сложные workflow: стейт-машины, роутеры, чекпойнты и восстановление состояния. Мультиагентные системы изучаются на примере AutoGen и CrewAI, включая agent-to-agent коммуникацию и координацию задач. Также затрагиваются AgentOps, мониторинг с LangSmith и Langfuse, развёртывание в продакшн, логирование и метрики.

Темы безопасности включают защиту данных, DLP-политики, jailbreak-атаки и практики защиты, fine-tuning и prompt-tuning, оценку качества и A/B тестирование. Завершается обучение дипломным проектом — разработкой production-ready решения с интеграцией изученных технологий и защитой перед экспертами. Дополнительный факультатив посвящён научному взгляду на RL, MARL и эмерджентное поведение.

Что рассматривается в программе

  • рассматривается устройство LLM, промпт-инжиниринг и ReAct-циклы
  • разбирается создание агентов с использованием LangChain, OpenAI API и n8n
  • изучается подключение внешних API, tool-calling и интеграция MCP
  • рассматривается работа с RAG и векторными БД (Pinecone, Weaviate, Chroma)
  • разбираются LangGraph, стейт-машины, роутеры и чекпойнты
  • изучаются мультиагентные системы на AutoGen и CrewAI, agent-to-agent коммуникация
  • затрагиваются AgentOps, мониторинг с LangSmith и Langfuse, логирование и метрики
  • рассматриваются безопасность, DLP-политики, jailbreak-атаки, fine-tuning и оценка качества

Кому может быть полезен курс

  • ML-инженерам и разработчикам, которые интересуются созданием production-решений на основе ИИ-агентов
  • специалистам, желающим ознакомиться с фреймворками LangChain, LangGraph, AutoGen и CrewAI
  • тем, кто хочет изучить протоколы MCP и A2A, мультиагентные паттерны и human-in-the-loop системы
  • разработчикам, которым нужно разобраться в RAG, векторных базах данных и мониторинге агентов

Вопросы о программе

Какие фреймворки рассматриваются в программе?

В материалах курса рассматриваются LangFlow, LangGraph, AutoGen, CrewAI, LangChain, а также инструменты n8n, LangSmith и Langfuse.

Какие темы включает модуль по мультиагентным системам?

В этом модуле изучаются AutoGen и CrewAI для мультиагентности, agent-to-agent коммуникация, а также координация и распределение задач между агентами на LangGraph.

Что входит в раздел по безопасности и оптимизации?

Раздел посвящён защите данных и DLP-политикам, примерам jailbreak-атак и практикам защиты, fine-tuning и prompt-tuning, а также оценке качества и A/B тестированию.

Кто преподаёт курс?

В числе преподавателей указаны Игорь Стурейко (тимлид, «Газпром», 20+ лет в Data Science и ML), Александр Алфимцев (доктор технических наук, заведующий кафедрой, 100+ научных публикаций) и Александр Жильцов (ведущий разработчик, Яндекс Crowd).