[interviewhustlers] Буткемп по AI для разработчиков #2. Тариф VIP (Максим Карась, Максим Аверин)

​

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