Карьера в Digital и Интернет-Маркетинге с ИИ

1. Название учебной программы Веб-разработка с помощью искусственного интеллекта (ИИ)

2. Направление и группа учебной программы НАПРАВЛЕНИЕ ОБУЧЕНИЯ: Междисциплинарное направление в области информационных и коммуникационных технологий. ГРУППА УЧЕБНОЙ ПРОГРАММЫ: Междисциплинарная группа в области информационных и коммуникационных технологий. ОСНОВНОЕ СОДЕРЖАНИЕ УЧЕБНОЙ ПРОГРАММЫ: Искусственный интеллект, архитектура веб-приложений, управление AI-инструментами.

3. Цель и результаты обучения ЦЕЛЬ: Сформировать у участников системное видение архитектуры современных веб-приложений и научить их управлять AI-инструментами (такими как Cursor, Cline, Gemini CLI) для воплощения идей в полнофункциональные веб-продукты, не требуя навыков ручного написания кода. РЕЗУЛЬТАТЫ ОБУЧЕНИЯ: по окончании курса студент: Управляет AI-инструментами — использует современные Интегрированные среды разработки (IDE) для генерации, отладки и документирования кода, эффективно руководя процессом. Объясняет принципы веб-архитектуры — понимает модель “клиент-сервер”, назначение Интерфейса прикладного программирования (API), роль базы данных и основы работы Linux, и применяет это знание для постановки точных задач ИИ. Оркеструет процесс создания интерфейсов — руководит созданием адаптивных сайтов, от генерации дизайн-макетов до их воплощения в виде статических страниц и Одностраничных приложений (SPA) на React. Формулирует требования к серверной логике — проектирует на концептуальном уровне REST API и структуру баз данных, контролируя их полную реализацию AI-ассистентом. Руководит процессом интеграции — обеспечивает корректное взаимодействие между frontend- и backend-компонентами, а также интегрирует в приложение сторонние AI-сервисы. Управляет процессом развертывания — публикует готовые full-stack приложения, используя как современные PaaS-платформы, так и развертывание на Виртуальном частном сервере (VPS) с помощью AI-ассистента.

4. Целевая группа и условия для начала обучения ЦЕЛЕВАЯ ГРУППА: Начинающие без опыта в программировании, интересующиеся ИТ, менеджеры продуктов, предприниматели, дизайнеры и все, кто хочет научиться создавать веб-приложения, используя силу ИИ как основного инструмента. УСЛОВИЯ ДЛЯ НАЧАЛА ОБУЧЕНИЯ: Среднее образование, уверенное владение компьютером. Навыки программирования не требуются.

5. Объем, структура, среда и средства обучения ОБЪЕМ И СТРУКТУРА ОБУЧЕНИЯ: Общий объем курса — 120 академических часов. 40 ак. часов — Контактное обучение (лекции и практики). 40 ак. часов — Самостоятельная работа над еженедельными микро-проектами. 40 ак. часов — Онлайн-разбор проектов и углубленное изучение. СРЕДА И СРЕДСТВА ОБУЧЕНИЯ: Обучение проходит в современных аудиториях и/или онлайн. Каждому студенту предоставляется доступ к API больших языковых моделей (LLM) и собственному виртуальному серверу (VPS) на время обучения. Студентам необходимо иметь собственный ноутбук для работы в классе и дома.

6. Описание учебного процесса Модуль 1: Машинное обучение (ML), нейросети и LLM — фундамент AI-революции Содержание обучения и учебные материалы: – Теория (контактное обучение): Обзор концепций Искусственного интеллекта (ИИ), Машинного обучения (ML) и нейронных сетей. Установка AI-ассистентов в среде разработки (Cursor, Cline). Декомпозиция — как разбивать идеи на задачи для AI. Введение в Интерфейс командной строки (CLI). – Самостоятельная работа (микро-проект): “Hello, AI!”. Создать простое консольное приложение (например, генератор паролей) исключительно с помощью команд в AI-ассистенте. – Разбор проектов и углубленное изучение (онлайн): Анализ выполненных проектов и ответы на вопросы. Практикум: Итеративный диалог с AI. Учимся уточнять и переформулировать команды, чтобы AI лучше понимал задачу. – Методы обучения: Интерактивная лекция, демонстрация инструментов, анализ выполненных проектов, групповое обсуждение, практикум.

Модуль 2: AI-дизайнер: от идеи до вашего первого сайта (HTML/CSS) Содержание обучения и учебные материалы: – Теория (контактное обучение): Введение понятия “Клиент” (браузер). Роль Языка гипертекстовой разметки (HTML) и Каскадных таблиц стилей (CSS). Используем генераторы изображений для создания визуальных концепций. Анализируем существующие сайты как референсы. – Самостоятельная работа (микро-проект): “Цифровая визитка”. Создать адаптивный одностраничный сайт-визитку, управляя AI-инструментом. – Разбор проектов и углубленное изучение (онлайн): Анализ дизайнерских решений и ответы на вопросы. Практикум: Итеративное улучшение дизайна. Учимся давать AI уточняющие команды для исправления визуальных недостатков и улучшения адаптивности. – Методы обучения: Лекция-аналогия, практическая работа в AI-IDE, анализ дизайнерских решений, практикум.

Модуль 3: Оживление сайта: Интерактивность с JavaScript под управлением AI Содержание обучения и учебные материалы: – Теория (контактное обучение): Введение в JavaScript как язык для создания “поведения” сайта. Концепции “событие” и “реакция”. Объектная модель документа (DOM) как структура страницы. – Самостоятельная работа (микро-проект): “Интерактивная визитка”. Добавить интерактивные элементы (анимации, модальные окна) в проект прошлой недели. – Разбор проектов и углубленное изучение (онлайн): Анализ реализованных механик и ответы на вопросы. Практикум: Отладка с помощью AI. Учимся описывать проблему и передавать AI сообщения об ошибках из консоли браузера. – Методы обучения: Интерактивная демонстрация, анализ реализованных механик, практикум по отладке.

Модуль 4: Современный Frontend: Создание SPA-приложений на React с помощью Vite и AI Содержание обучения и учебные материалы: – Теория (контактное обучение): Концепция Одностраничного приложения (SPA). React и компонентный подход. Инструменты сборки Vite и менеджер пакетов npm. – Самостоятельная работа (микро-проект): “SPA-Портфолио”. Дать AI команду преобразовать статичную “визитку” в многокомпонентное приложение на React. – Разбор проектов и углубленное изучение (онлайн): Анализ компонентной структуры и ответы на вопросы. Практикум: Архитектурный рефакторинг. Учимся оценивать структуру приложения и давать AI команды для ее улучшения. – Методы обучения: Лекция, управляемая генерация кода, анализ компонентной структуры, практикум по рефакторингу.

Модуль 5: Мозг приложения: Проектирование и создание Backend REST API Содержание обучения и учебные материалы: – Теория (контактное обучение): Введение понятия “Сервер” (Backend). Концепция REST API как “контракта” для обмена данными. Обзор Node.js и Python. – Самостоятельная работа (микро-проект): “API для блога”. Сформулировать для AI задачу по созданию REST API с набором эндпоинтов для управления постами. – Разбор проектов и углубленное изучение (онлайн): Анализ и тестирование созданных API, ответы на вопросы. Практикум: Проектирование API. Учимся составлять четкое техническое задание для AI. – Методы обучения: Интерактивная лекция, демонстрация инструментов, анализ и тестирование API, практикум по проектированию.

Модуль 6: Память приложения: Работа с базами данных под руководством AI Содержание обучения и учебные материалы: – Теория (контактное обучение): Введение понятия “База Данных”. Обзор реляционных (SQL) и нереляционных (NoSQL) баз данных. Изучение базовых операций CRUD (Создание, Чтение, Обновление, Удаление). – Самостоятельная работа (микро-проект): “Подключение базы данных к блогу”. Дать AI команду интегрировать базу данных PostgreSQL в API из прошлого проекта. – Разбор проектов и углубленное изучение (онлайн): Анализ работы с данными через API, ответы на вопросы. Практикум: Моделирование данных. Учимся описывать для AI структуру будущей базы данных. – Методы обучения: Лекция, практическая работа, анализ работы с данными, практикум по моделированию.

Модуль 7: Full Stack в сборе: Интеграция Frontend, Backend и внешних AI-сервисов Содержание обучения и учебные материалы: – Теория (контактное обучение): Объединение “Клиента” и “Сервера”. Понятие Full Stack. Сетевое взаимодействие. Интеграция сторонних AI-сервисов. – Самостоятельная работа (микро-проект): “Блог с AI-копирайтером”. Интегрировать SPA-приложение с API. Добавить функцию генерации контента с помощью внешнего AI. – Разбор проектов и углубленное изучение (онлайн): Анализ работающих Full Stack приложений, ответы на вопросы. Практикум: Отладка полного цикла. Учимся отслеживать путь запроса от браузера до базы данных. – Методы обучения: Демонстрация полного цикла, анализ работающих приложений, практикум по отладке.

Модуль 8: Время запуска: Деплоим приложения в интернет (PaaS и VPS) Содержание обучения и учебные материалы: – Теория (контактное обучение): Понятия “Хостинг” и “Деплой”. Обзор Платформ-как-услуга (PaaS) и Виртуальных частных серверов (VPS). Управление Linux и Nginx с помощью AI. – Самостоятельная работа (микро-проект): “Гранд-релиз”. Развернуть готовое приложение на PaaS-платформах и на предоставленном VPS. – Разбор проектов и углубленное изучение (онлайн): Проверка доступности проектов, ответы на вопросы. Практикум: Диагностика проблем с деплоем. Учимся использовать AI для анализа логов веб-сервера. – Методы обучения: Пошаговая демонстрация, проверка доступности проектов, практикум по диагностике.

Модуль 9: Итоговый проект: От идеи к архитектуре и разработке Содержание обучения и учебные материалы: – Контактное обучение: Брейншторм идей для проектов. Методология планирования архитектуры. – Самостоятельная работа: Начало работы над собственным Full Stack проектом. – Онлайн-консультации: Обсуждение прогресса, код-ревью и помощь в решении проблем. – Методы обучения: Групповые обсуждения, индивидуальные и групповые консультации, проектная работа.

Модуль 10: Финал: Деплой, защита проекта и следующие шаги Содержание обучения и учебные материалы: – Самостоятельная работа: Завершение разработки, деплоймент, подготовка презентации. – Защита проектов: Демонстрация работающих приложений и обмен опытом управления AI в процессе разработки. – Методы обучения: Индивидуальные консультации, проектная работа, публичная защита проектов.

7. Оценивание, или условия завершения обучения Обучение считается завершенным, если студент:

• Присутствовал минимум на 80% занятий.
• Успешно выполнил все еженедельные микро-проекты.
• Разработал и успешно защитил итоговый проект. Оценка проводится по принципу «зачет/незачет».

8. Выдаваемые документы Студенту, освоившему учебную программу и прошедшему оценивание, выдается сертификат об окончании. Студенту, не прошедшему оценивание, выдается справка об участии в курсе.

9. Квалификация преподавателя

Преподаватель обладает практическим опытом в коммерческой веб-разработке (Full Stack), глубоким пониманием современных AI-инструментов для разработки и опытом преподавания технических дисциплин.

1. Название учебной программы Генерация контента и СММ с помощью искусственного интеллекта (ИИ)

2. Направление и группа учебной программы НАПРАВЛЕНИЕ ОБУЧЕНИЯ: Междисциплинарное направление в области маркетинга, коммуникаций и информационных технологий. ГРУППА УЧЕБНОЙ ПРОГРАММЫ: Digital-маркетинг, SMM и AI-интеграция. ОСНОВНОЕ СОДЕРЖАНИЕ УЧЕБНОЙ ПРОГРАММЫ: ИИ-инструменты для генерации контента, стратегии социальных сетей, автоматизация маркетинговых кампаний, аналитика и оптимизация.

3. Цель и результаты обучения ЦЕЛЬ: Сформировать у участников навыки профессионального управления социальными сетями и создания контента с помощью ИИ, превратив их в эффективных digital-маркетологов, способных генерировать качественный контент и автоматизировать маркетинговые процессы. РЕЗУЛЬТАТЫ ОБУЧЕНИЯ: по окончании курса студент: Разрабатывает стратегию SMM с использованием ИИ — анализирует аудиторию, конкурентов тренды с помощью AI-инструментов для создания эффективного плана присутствия в соцсетях. Генерирует текстовый контент — создает статьи, посты, описания и тексты для маркетинговых кампаний с помощью больших языковых моделей. Создает визуальный контент — использует генераторы изображений и видео на базе ИИ для производства привлекательных визуалов. Автоматизирует публикацию и взаимодействие — настраивает системы автоматического постинга, рекпостинга и анализа вовлеченности. Интегрирует AI-сервисы — строит автоматизированные цепочки для генерации и публикации контента, соединяя планировщики, большие языковые модели и генераторы изображений.`

4. Целевая группа и условия для начала обучения ЦЕЛЕВАЯ ГРУППА: Бизнесмены, маркетологи, SMM-специалисты, предприниматели и все, кто хочет освоить современные технологии генерации контента и автоматизации маркетинга с помощью ИИ. УСЛОВИЯ ДЛЯ НАЧАЛА ОБУЧЕНИЯ: Среднее образование, уверенное владение компьютером и социальными сетями. Опыт в маркетинге приветствуется, но не обязателен.

5. Объем, структура, среда и средства обучения ОБЪЕМ И СТРУКТУРА ОБУЧЕНИЯ: Общий объем курса — 120 академических часов. 40 ак. часов — Контактное обучение (лекции и практики). 40 ак. часов — Самостоятельная работа над еженедельными микро-проектами. 40 ак. часов — Онлайн-разбор проектов и углубленное изучение. СРЕДА И СРЕДСТВА ОБУЧЕНИЯ: Обучение проходит в современных аудиториях и/или онлайн. Каждому студенту предоставляется доступ к API больших языковых моделей (LLM) и собственному виртуальному серверу (VPS) на время обучения. Студентам необходимо иметь собственный ноутбук для работы в классе и дома.

6. Описание учебного процесса Модуль 1: Основы ИИ для цифрового маркетинга Содержание обучения и учебные материалы: – Теория (контактное обучение): Введение в ИИ, ML и LLM для маркетинга. Как нейросети могут помогать в анализе аудитории и генерации идей. Установка и настройка AI-инструментов (ChatGPT, DALL-E и др.). – Самостоятельная работа (микро-проект): “AI-Анализ бренда”. Используя LLM, проанализировать профиль конкурента в соцсетях и сформулировать 5 стратегических преимуществ вашего бренда. – Разбор проектов и углубленное изучение (онлайн): Промпт-инжиниринг для маркетингового анализа. Учимся задавать правильные вопросы ИИ для глубокого понимания рынка. Методы обучения: Интерактивная лекция, демонстрация инструментов, анализ примеров, практикум по промпт-инжинирингу.

Модуль 2: Контент-план и генерация идей Содержание обучения и учебные материалы: – Теория (контактное обучение): Основы SMM-стратегии. УТП, анализ конкурентов, сегментация, типизация болей клиентов. Использование ИИ для системного анализа, генерации идей и контент планов. – Самостоятельная работа (микро-проект): “Мозговой штурм с ИИ”. Создать календарь контента на месяц с помощью LLM для выбранной ниши (здоровье, бизнес, технологии и т.д.). – Разбор проектов и углубленное изучение (онлайн): Оптимизация промптов для креативных задач. Практикум по генерации уникальных идей. – Методы обучения: Групповые упражнения, практическая работа с AI, анализ сгенерированного контента.

Модуль 3: Генерация текстового контента Содержание обучения и учебные материалы: – Теория (контактное обучение): Стилистика контента для социальных сетей. Использование LLM для создания постов, описаний и статей. Приемы работы для эффективной генерации текстового контента. – Самостоятельная работа (микро-проект): “Контент-фабрика”. Сгенерировать серию постов для Instagram (5 постов) по заданной теме с помощью ИИ и адаптировать их под платформу. – Разбор проектов и углубленное изучение (онлайн): Учимся задавать параметры стиля и тона. – Методы обучения: Практическая генерация контента, peer-review, рерайтинг AI-текстов.

Модуль 4: Визуальный контент с помощью ИИ Содержание обучения и учебные материалы: – Теория (контактное обучение): AI-инструменты для генерации изображений (Midjourney, Gemini). Создание видео-конетента - Sora, Veo3. – Самостоятельная работа (микро-проект): “Visual Story”. Создать серию изображений и Reels для Instagram по единой концепции с помощью ИИ-инструментов. – Разбор проектов и углубленное изучение (онлайн): Промпт-инжиниринг для визуального контента. Учимся создавать точные описания для нужных изображений. – Методы обучения: Демонстрация инструментов, практическая генерация, анализ визуального стиля.

Модуль 5: Оптимизация контента для конкретных платформ Содержание обучения и учебные материалы: – Теория (контактное обучение): Особенности разных социальных платформ (Instagram, LinkedIn, Facebook). Алгоритмы, аудитория, оптимальные форматы. Использование ИИ для адаптации контента. – Самостоятельная работа (микро-проект): “Кроссплатформенный контент”. Адаптировать один пост для 4 разных платформ с помощью ИИ, учитывая специфику каждой. – Разбор проектов и углубленное изучение (онлайн): Анализ вовлеченности. Учимся оценивать эффективность контента на разных платформах. – Методы обучения: Сравнительный анализ платформ, кросс-адаптация контента.

Модуль 6: Автоматизация SMM-процессов с n8n Содержание обучения и учебные материалы: – Теория (контактное обучение): Инструменты автоматизации (n8n). Что такое API и workflows простыми словами. Подключение соцсетей и создание автоматических цепочек для постинга. – Самостоятельная работа (микро-проект): “Контент-конвейер”. Настроить workflow в n8n, который берет готовые посты из Google Sheets и автоматически публикует их по расписанию в 2-3 соцсети. – Разбор проектов и углубленное изучение (онлайн): Управление расписанием. Практикум по оптимизации timing и частоты публикаций для разных платформ. – Методы обучения: Настройка automation-инструментов, тестирование workflows, работа с таблицами как с базой данных для контента.

Модуль 7: Генерации контента через API (голос, музыка, картинки, видео) Содержание обучения и учебные материалы: – Теория (контактное обучение): Введение в API: что это такое и как работает. Обзор API для генерации контента (текст-в-голос, генерация музыки, создание изображений, базовое видео). – Самостоятельная работа (микро-проект): “Мультимедиа-пост”. С помощью API (например, ElevenLabs для голоса, GEMINI для изображений и т.д.) создать мультимедийный пост: текст + озвучка + картинка. – Разбор проектов и углубленное изучение (онлайн): Продвинутые API. Работа с несколькими API одновременно (создаем картинку, накладываем голос). – Методы обучения: Демонстрация API, практическая работа с API, анализ результатов, peer-review.

Модуль 8: Вайб-кодинг: Автоматизация процесса генерации и монтажа контента Содержание обучения и учебные материалы: – Теория (контактное обучение): “Вайб-кодинг” как вершина автоматизации. Использование LLM для генерации команд для ffmpeg (как управлять видеомонтажом с помощью промптов). Собираем все воедино: API + ffmpeg + n8n. – Самостоятельная работа (микро-проект): “Автоматизированная контент-машина”. Создать полную систему:

1. Идея/Контент-план (Модуль 2).
2. Автоматическая генерация текста (LLM).
3. Генерация мультимедиа с помощью API (голос, картинка).
4. Создание видео с помощью вайб-кодинга (ffmpeg).
5. Автоматическая публикация в соцсети (n8n). – Разбор проектов и углубленное изучение (онлайн): Полная автоматизация: тонкая настройка системы. Как сделать контент “вечнозеленым” (автоматическая переработка контента). – Методы обучения: Разбор кейсов, практика интеграции сервисов, проектная работа.

Модуль 9: Итоговый проект: Сборка MVP “AI-контент студии” Содержание обучения и учебные материалы: – Контактное обучение (воркшоп): Проектирование MVP. Выбор темы/бренда. Составление структуры контент-плана в Google Sheets. Проектирование архитектуры workflow в n8n для цепочки “Таблица -> языковя модель -> Генератор картинок -> Соцсеть”. – Самостоятельная работа: Начало сборки своего MVP-проекта на основе знаний из Модулей 1-7. Настройка таблиц, написание промптов, создание workflow в n8n. – Методы обучения: Проектный воркшоп, индивидуальные консультации с преподавателем.

Модуль 10: Финал: Защита MVP и демонстрация проекта Содержание обучения и учебные материалы: – Самостоятельная работа: Завершение разработки, отладка и тестирование MVP. Подготовка к живой демонстрации. – Защита проектов (Live-демо): Студент демонстрирует работающую систему уровня MVP. • Показывает контент-план в Google Sheets. • Запускает workflow в n8n. • Показывает сгенерированный пост с картинкой в выбранной соцсети. – Условия “зачета”: Успешная демонстрация работающего MVP. – Продвинутый уровень (необязательно): Студенты, которые хотят получить “дополнительные баллы” для портфолио, могут по желанию интегрировать в свой проект элементы из Модуля 8 (генерация видео, голоса) или другие функции. – Методы обучения: Публичная защита в формате питча, экспертная оценка.

7. Оценивание, или условия завершения обучения Обучение считается завершенным, если студент:

• Присутствовал минимум на 80% занятий.
• Успешно выполнил все еженедельные микро-проекты.
• Разработал и успешно защитил итоговый проект. Оценка проводится по принципу «зачет/незачет».

8. Выдаваемые документы Студенту, освоившему учебную программу и прошедшему оценивание, выдается сертификат об окончании. Студенту, не прошедшему оценивание, выдается справка об участии в курсе.

9. Квалификация преподавателя Преподаватель обладает практическим опытом в ведении социальных сетей для бизнеса, глубокими знаниями современных AI-инструментов для генерации контента и аналитики, опытом автоматизации маркетинговых процессов и преподавания цифрового маркетинга.

1. Название учебной программы Автоматизация бизнес-процессов с помощью Искусственного Интеллекта (ИИ)

2. Направление и группа учебной программы НАПРАВЛЕНИЕ ОБУЧЕНИЯ: Междисциплинарное направление в области управления и информационных технологий. ГРУППА УЧЕБНОЙ ПРОГРАММЫ: Бизнес-информатика и инженерия бизнес-процессов. ОСНОВНОЕ СОДЕРЖАНИЕ УЧЕБНОЙ ПРОГРАММЫ: Анализ бизнес-процессов, No-Code/Low-Code платформы, управление LLM через API, разработка на Python с AI-ассистентом, развертывание серверных решений.

3. Цель и результаты обучения ЦЕЛЬ: Сформировать у участников компетенции AI-интегратора — специалиста, способного анализировать бизнес-процессы, находить узкие места и создавать “под ключ” автоматизированные решения, от простых No-Code сценариев до кастомных Python-скриптов, развернутых на собственном сервере. РЕЗУЛЬТАТЫ ОБУЧЕНИЯ: по окончании курса студент: Анализирует и проектирует автоматизацию — выявляет рутинные операции в бизнесе, оценивает их стоимость и проектирует архитектуру “исполнительной машины” для их решения. Создает No-Code сценарии — уверенно использует платформы Make и n8n для построении многошаговых рабочих процессов с ветвлениями и интеграциями. Интегрирует большие языковые модели (LLM) в бизнес процессы — подключает большие языковые модели через API для извлечения, классификации и структурирования неформализованных данных (писем, заявок, документов). Разрабатывает low-code скрипты автоматизации с помощью AI-ассистента — руководит процессом создания Python-скриптов (“Вайб-кодинг”) для решения задач, выходящих за рамки No-Code платформ. Строит интерактивные интерфейсы — создает чат-ботов (на примере Telegram) в качестве “пульта управления” автоматизацией для конечных пользователей (сотрудников). Развертывает серверные решения — публикует созданные автоматизации на Виртуальном частном сервере (VPS) с помощью Docker, обеспечивая их стабильную работу 24/7.

4. Целевая группа и условия для начала обучения ЦЕЛЕВАЯ ГРУППА: Начинающие IT-специалисты, предприниматели, бизнес-аналитики, менеджеры проектов и все, кто хочет научиться не просто использовать ИИ, а создавать на его основе реальные бизнес-решения, которые экономят время и деньги. УСЛОВИЯ ДЛЯ НАЧАЛА ОБУЧЕНИЯ: Среднее образование, уверенное владение компьютером. Навыки программирования не требуются, но приветствуется логическое мышление и интерес к решению бизнес- задач.

5. Объем, структура, среда и средства обучения ОБЪЕМ И СТРУКТУРА ОБУЧЕНИЯ: Общий объем курса — 120 академических часов. 40 ак. часов — Контактное обучение (лекции и практики). 40 ак. часов — Самостоятельная работа над еженедельными микро-проектами. 40 ак. часов — Онлайн-разбор проектов и углубленное изучение. СРЕДА И СРЕДСТВА ОБУЧЕНИЯ: Обучение проходит в современных аудиториях и/или онлайн. Каждому студенту предоставляется доступ к API больших языковых моделей (LLM) и собственному виртуальному серверу (VPS) на время обучения. Студентам необходимо иметь собственный ноутбук для работы в классе и дома.

6. Описание учебного процесса

Модуль 1: Машинное обучение (ML), нейросети и LLM — фундамент AI-революции Содержание обучения: – Теория: Обзор концепций ИИ, ML и LLM. Как “думают” нейросети и почему это изменило правила игры. Декомпозиция бизнес-задачи для постановки ее ИИ. – Самостоятельная работа (микро-проект): “AI-Аудит рутины”. Описать реальный бизнес-процесс (например, “обработка заказа”) и с помощью диалога с LLM определить 3 самых узких места для автоматизации. – Разбор проектов (онлайн): Промпт-инжиниринг для бизнес-анализа. Учимся “допрашивать” LLM, чтобы находить скрытые проблемы в процессах. – Методы обучения: Интерактивная лекция, групповой брейншторм, практикум по промпт-инжинирингу.

Модуль 2: Первая “умная” автоматизация: No-Code (n8n) + языковая модель (LLM API) Содержание обучения: – Теория: Знакомство с No-Code платформой n8n. Концепция “триггер-действие”. Что такое API и как подключить LLM (ChatGPT, Gemini) к рабочему процессу. – Самостоятельная работа (микро-проект): “AI-Классификатор”. Создать автоматизацию: n8n забирает текст из новой строки Google Sheets, отправляет в LLM для извлечения данных (Имя, Суть, Контакты) и раскладывает их по соседним столбцам. – Разбор проектов (онлайн): Анализ работы с API. Отладка первых сценариев. – Методы обучения: Live-демонстрация, пошаговое создание сценария, анализ выполненных проектов.

Модуль 3: Строим надежный конвейер на No-Code -n8n Содержание обучения: – Теория: Основные модули n8n: веб-хуки, фильтры, маршрутизаторы (ветвление логики “если…то…”). Обработка ошибок в сценариях. – Самостоятельная работа (микро-проект): “Конвейер с логикой”. Улучшить проект: если AI не определил контакты, автоматизация шлет уведомление менеджеру. Если все данные есть — ставит статус “Готово”. – Разбор проектов (онлайн): Разбор сложных сценариев. Практикум по отладке. – Методы обучения: Практическая работа, разбор кейсов, групповая отладка.

Модуль 4: Google Sheets и Airtable как гибкая база данных Содержание обучения: – Теория: Использование облачных таблиц как базы данных. Операции CRUD (Создание, Чтение, Обновление, Удаление) через n8n. – Самостоятельная работа (микро-проект): “Интерактивная база”. Добавить в “конвейер” логику: перед созданием новой записи о клиенте, проверять, нет ли его уже в базе. Если есть — обновлять существующую запись. – Разбор проектов (онлайн): Анализ структур данных. Оптимизация работы с таблицами. – Методы обучения: Лекция-демонстрация, практическая работа, код-ревью (обзор схем).

Модуль 5: Чат-бот как пульт управления (на примере Telegram) Содержание обучения: – Теория: Архитектура чат-ботов для внутренних нужд. Создание бота, отправка сообщений, интерактивные кнопки. Запуск No-Code сценариев через веб-хуки из бота. – Самостоятельная работа (микро-проект): “Бот-ассистент менеджера”. Создать Telegram-бота, который присылает обработанную ИИ карточку клиента с кнопками “Взять в работу” / “Отклонить”, и по нажатию меняет статус в Google Sheets. – Разбор проектов (онлайн): Проектирование пользовательских сценариев в боте. – Методы обучения: Интерактивная демонстрация, практическая работа по созданию бота.

Модуль 6: Пробиваем потолок No-Code с помощью “Вайб-кодинга” на Python Содержание обучения: – Теория: Когда No-Code недостаточно? Основы Python для автоматизатора: работа с MD, JSON и API. Как ставить задачу LLM, чтобы получить готовый Python-скрипт. – Самостоятельная работа (микро-проект): “Кастомный модуль”. Написать с помощью ИИ Python-скрипт, который выполняет уникальную операцию (например, обращается к специфическому API), и встроить его в сценарий n8n. – Разбор проектов (онлайн): Разбор и отладка сгенерированного кода. – Методы обучения: Vibe-coding с AI-ассистентом, анализ кода, практикум по интеграции.

Модуль 7: Переход на собственную базу данных (SQL) Содержание обучения: – Теория: Зачем нужна СУБД (PostgreSQL)? Основы SQL-запросов (SELECT, INSERT, UPDATE). Управление базой данных с помощью LLM-ассистента. – Самостоятельная работа (микро-проект): “Миграция на SQL”. Воссоздать логику проекта “Умный обработчик”, где бэкендом является база данных, управляемая Python-скриптом. – Разбор проектов (онлайн): Анализ работы с БД. Практикум по моделированию данных. – Методы обучения: Лекция, практическая работа с базой данных через AI-интерфейс.

Модуль 8: Деплой и хостинг на сервере (VPS) Содержание обучения: – Теория: Что такое VPS и Docker. Как с помощью LLM-ассистента упаковать Python-скрипт и базу данных в Docker-контейнеры для развертывания. – Самостоятельная работа (микро-проект): “Профессиональный релиз”. Развернуть свой проект на предоставленном VPS, чтобы он работал 24/7. – Разбор проектов (онлайн): Диагностика проблем с деплоем. Учимся использовать AI для анализа логов. – Методы обучения: Пошаговая демонстрация деплоя, практикум по диагностике.

Модуль 9: Итоговый проект: “Автоматизация реального бизнес-процесса” Содержание обучения: – Контактное обучение: Выбор нового бизнес-кейса. Брейншторм и проектирование архитектуры решения. – Самостоятельная работа: Реализация итогового проекта с использованием всего изученного стека. – Методы обучения: Групповые обсуждения, индивидуальные и групповые консультации, проектная работа.

Модуль 10: Финал: Защита проекта Содержание обучения: – Самостоятельная работа: Завершение разработки, деплоймент, подготовка презентации. – Защита проектов: Демонстрация работающего проекта. Ключевой элемент — расчет возврата инвестиций (ROI) для гипотетического клиента. – Методы обучения: Публичная защита проектов, экспертная оценка, обратная связь.

7. Оценивание, или условия завершения обучения Обучение считается завершенным, если студент:

• Присутствовал минимум на 80% занятий.
• Успешно выполнил все еженедельные микро-проекты.
• Разработал и успешно защитил итоговый проект. Оценка проводится по принципу «зачет/незачет».

8. Выдаваемые документы Студенту, освоившему учебную программу и прошедшему оценивание, выдается сертификат об окончании. Студенту, не прошедшему оценивание, выдается справка об участии в курсе.

9. Квалификация преподавателя Преподаватель обладает практическим опытом в коммерческой автоматизации бизнес-процессов, владеет стеком No-Code/Low-Code (n8n, Python), имеет успешные кейсы интеграции LLM в бизнес-логику и опыт преподавания технических дисциплин.