Проектирование AI‑решений для бизнеса Для кого этот курс? Архитекторы ПО и систем Senior‑разработчики и Тимлиды, желающие перейти в роли архитекторов AI ML-инженеры, MLOps‑инженеры и Data-инженеры Инфраструктурные инженеры / SRE Необходимые знания Базовые знания Python Понимание основных ML‑понятий (тренировка/валидация моделей, переобучение, метрики качества) Базовые знания системной архитектуры и сетей Опыт работы с Git и понимание CI/CD Что даст вам этот курс? Умение проектировать AI‑системы: от требований и PoC до Production Выбор и внедрение архитектурных паттернов: RAG, AI‑агенты, multi‑agent systems Проектирование MLOps‑конвейеров, CI/CD и IaC для AI‑решений Создание HLD и LLD (C4 Model и детализация компонентов) Расчет ресурсов и оптимизация инференса LLM (sizing, latency, cost) Проектирование интеграций и архитектуры данных для AI (ETL, векторные БД) Обеспечение качества GenAI‑компонентов: тестирование, валидация, мониторинг Управление стоимостью (FinOps) и принятие стратегических решений по архитектуре Программа Стратегический фундамент и планирование проекта Цель: Сформировать у студентов системное видение роли архитектора в бизнес-процессах. Научить анализировать проектные ограничения (контракт, требования), выявлять риски и планировать проект как последовательность этапов, поставляющих измеримую ценность Тема 1: Пресейл, контракты и работа с требованиями: закладываем фундамент проекта Тема 2: Проектирование и оценка: от требований к плану, рискам и смете Тема 3: Стратегия поставки ценности: от PoC до Production Проектирование и документирование архитектуры Цель: Дать студентам полный набор инструментов для создания, документирования и верификации архитектуры AI-решений на всех уровнях детализации Тема 1: Высокоуровневое проектирование (HLD) с использованием C4 Model Тема 2: Низкоуровневое проектирование (LLD): компоненты и взаимодействия Тема 3: Архитектурные паттерны: RAG и его продвинутые вариации Тема 4: Архитектурные паттерны: AI-агенты и Multi-Agent Systems Тема 5: Документирование решений: Architecture Decision Records (ADR) Тема 6: Верификация архитектуры и "CTO Challenge" Качество, интеграции и безопасность Цель: Научить студентов встраивать в архитектуру механизмы обеспечения качества, надежности и безопасности на всех этапах жизненного цикла Тема 1: Архитектурный надзор и управление техническим долгом Тема 2: Проектирование интеграций: от классики до AI-стандартов Тема 3: Архитектура данных для AI-систем Тема 4: Оценка качества и тестирование GenAI-компонентов Тема 5: Security by Design: архитектура для защиты AI-систем Тема 6: Архитектура наблюдаемости (Observability) Инфраструктура Дать системные знания по планированию, автоматизации развертывания и поддержке надежной и отказоустойчивой инфраструктуры для AI-систем. Тема 1: Расчет ресурсов (Sizing) для приложений и данных Тема 2: Расчет ресурсов и оптимизация инференса LLM Тема 3: Инфраструктура как код (IaC) и CI/CD Тема 4: Архитектура MLOps-конвейеров Тема 5: Стратегии развертывания и вывода в Production Тема 6: Архитектура высокой доступности (HA) и восстановления (DR) Продвинутые архитектурные паттерны Цель: Изучить передовые архитектурные подходы, позволяющие решать сложные задачи масштабирования, real-time обработки, безопасности и работы в гибридных средах. Тема 1: Serverless vs. Kubernetes для AI-ворклоадов Тема 2: Событийно-ориентированная архитектура (EDA) для AI Тема 3: Архитектура для High-Load и Low-Latency инференса Тема 4: Гибридная и мультиоблачная архитектура для AI Тема 5: Архитектура для Multi-tenancy в AI SaaS Тема 6: Federated Learning и Privacy-Preserving архитектура Стратегия, лидерство и экономика Цель: Развить у студентов стратегическое мышление, экономическую ответственность и лидерские качества, необходимые для перехода на высшие архитектурные роли. Тема 1: FinOps: архитектура, управляемая стоимостью Тема 2: Технологический радар и эволюция архитектуры Тема 3: Ethical AI by Design и архитектура для Governance Тема 4: API как продукт: проектирование и управление Проектная работа Тема 1: Выбор темы и организация проектной работы Тема 2: Консультация по проектам и домашним заданиям Тема 3: Защита проектных работ Тема 4: Подведение итогов курса Преподаватели: Дмитрий Фомин, Андрей Носов, Николай Степанов, Денис Лавров, Эксперты-практики делятся опытом, разбирают кейсы студентов и дают развернутый фидбэк на домашние задания
