Скачать Увеличь продуктивность разработки с AI-DRIVEN подходом (12-недельный буткемп) [Николай Барышников, Михаил Овчинников, Даниил Пелипенко]

[Джокер]

Складчина: Увеличь продуктивность разработки с AI-DRIVEN подходом (12-недельный буткемп) [Николай Барышников, Михаил Овчинников, Даниил Пелипенко]



12-недельный онлайн буткемп для Middle и Senior/Lead разработчиков с реальными кейсами использования AI-инструментов в продакшене:

12 недель.
14 уроков.
5 модулей.
2× скорость разработки.
AI в разработке освоили многие.
Встроить его в реальный процесс — другая задача.

Согласно описанию программы, большинство разработчиков используют AI в базовом режиме: задать вопрос, сгенерировать кусок кода, разобраться с ошибкой. И это работает, но это не то, как действительно сейчас меняются процессы в крупных компаниях. Разница в том, как ставится задача, как управляется контекст, как встраивается проверка результата, как AI интегрирован в SDLC. Этому сложно научиться из документации или туториалов, потому что это видно только в работе.

Поэтому буткемп построен вокруг практики:

10–30 минут необходимой теории
1 час живого разбора реального кейса
1.5 часа самостоятельного решения с экспертами рядом
Теоретические концепции только там, где они нужны для понимания практики.

Для кого программа:

Middle и Senior разработчики с продуктовым мышлением

те, кто понимает, что код — это средство достижения целей бизнеса
те, кто активно развивается, читает, экспериментирует, инвестирует в обучение
те, кто влияет на команду: проводит код ревью, менторит, готов стать лидером трансформации
те, кто скептически, но открыто относится к AI и хочет глубоко разобраться
те, кто ограничен временем и не может позволить себе долгое самостоятельное обучение
те, кто хочет контролируемые результаты и не верит в “волшебные таблетки”
Что ты получишь:

создание фич в разы быстрее — используя AI в цикле ресерч → план → внедрение → тест → ревью
настройку AI-driven окружения — RAG-системы, MCP, SPEC-разработка, агенты, контекст под твой стек
управление контекстом — подключение AI к кодовой базе, вики проекта, внешним сервисам
понимание, как избегать галлюцинаций и контролировать результат
управление агентами — несколько агентов в одной кодовой базе, автоматизация рутины и помощь в сложных задачах
работу со сложными системами — рефакторинг крупных проектов, легаси, архитектурная трансформация, дробление монолитов на микросервисы и наоборот
понимание, как держать полноценную AI-команду
масштабирование AI-driven процессов на команду и организацию
Программа буткемпа:

M1. Введение — AI как инструмент

Вводная встреча и дорожная карта
Живые демонстрации на реальных коммерческих кейсах: лендинг за 5 минут, SQL-анализ за 10 минут, архитектурные задачи с AI в роли сеньора.
Матрица паттернов, возможности LLM, роль архитектора, дорожная карта.

M2. Контекст, основы и подготовка

Механизмы работы LLM и философия качества
Контекст-инжиниринг
Мультиэкспертность
Разбор токенов, предсказаний, контекстного окна, критериев качества, разделения ответственности между разработчиком и моделью. Управление памятью агента, работа с ограничениями контекстного окна, кэширование, ролевая память, сравнение моделей, суммаризация транскрипций. AI в роли аналитика данных, дизайнера, тестировщика, DevOps.

M3. Агенты

Мультиагенты
Обзор моделей
Агенты, воркфлоу и простые кейсы
Агенты в разработке
Построение мультиагентных систем, MCP, векторные БД, типы памяти, обзор Claude, GPT, DeepSeek, GigaChat, YandexGPT, работа с n8n и make, Devin и Sweep AI, реверс-инжиниринг внутренней логики Cursor и Claude Code, спецификации с критериями качества, кастомизация агентов через agents.md и skills.md.

M4. Quick Wins и сложные кейсы

Простые беспроблемные и проблемные кейсы
Фреймворк системной декомпозиции
Изучение незнакомых систем
Рефакторинг и трансформация сложных систем
Архитектурная трансформация и интеграция знаний
В программе: перенос многостраничного Figma-проекта во фронтенд через Figma MCP, оценка качества большой кодовой базы с GitHub, создание документации для проекта на незнакомом языке, проектирование продуктовой системы через 5 этапов, восстановление архитектуры большого legacy-проекта, безопасный рефакторинг крупной кодовой базы, разделение монолита на микросервисы, риск-менеджмент на архитектурном уровне.

M5. Масштабирование и выпуск

Трансформация команды и внедрение
Окончание и следующие шаги
Масштабирование AI-практик на команду и организацию, план внедрения, работа с сопротивлением, оцифровка SDLC, создание корпоративной академии, формирование долгосрочной стратегии развития AI-практик, чеклисты, промпты, плейбуки, вход в комьюнити.

Как устроен каждый урок:

10–30 минут минимальной теории
1 час живого разбора кейса
1.5 часа практики на месте
Уроки 2–5 проходят 2 раза в неделю, остальные — раз в неделю. После урока открывается доступ к материалам библиотеки. Логика последовательного открытия помогает сконцентрироваться на текущих паттернах.

Авторы и эксперты:

Николай Барышников

15 лет опыта в индустрии
ex-product manager в Yandex Cloud
специалист по распределённым системам и облачной инфраструктуре
предприниматель и CTO: со-основатель Joylink, основатель DataLightMe
Михаил Овчинников

18 лет опыта в индустрии
8 лет в BigTech: Meta, Google — менеджер и Staff-инженер
специалист по распределённым системам
спикер Highload Conf, TeamLead Conf, Knowledge Conf
автор курсов по алгоритмам и машинному обучению
Даниил Пелипенко

директор центра подбора и оценки IT-специалистов SymbioWay
технический директор SW Development
руководитель направления «Разработка» в Центральном университете (Т-Банк)
разработчик с 2004 года
спикер TeamLead Conf, MergeConf
автор 58 курсов
выпускник МГУ, кандидат наук
Цена 100000 руб.




СКАЧАТЬ СЛИВЫ КУРСОВ

Для возможности скачивать складчины и сливы курсов нужно зарегистрироваться