Как стать ИИ-инженером

Путь практика: не учёный по машинному обучению, а человек, который строит работающие сервисы на языковых моделях и агентах и выкладывает их в интернет.

Шесть шагов. У каждого — что учить, сколько недель и что у тебя должно получиться в конце. Шаг закрыт, когда результат работает, а не когда досмотрено видео.

В каждом шаге — уроки нашего курса: полный текст урока, задание «Сделай сам», вопросы «Проверь себя» с ответами и вопросы с собеседований на английском. Где своего урока у нас нет, так и написано — там учишься по открытым источникам. Если урок предлагает обсудить задание с тьютором, обсуждай с Claude или ChatGPT. Что в курсе есть сверх шести шагов — дообучение моделей (fine-tuning), Kubernetes, AWS, — бери, когда шаги пройдены.

1. 01

   Основы: терминал, Python, git

   Уверенно работать в терминале, писать небольшие программы на Python и хранить код в GitHub. Около 80 часов.

   Уроки нашего курса

   Урока по терминалу, Python и git в нашем курсе нет: этот шаг — по бесплатным курсам ниже.

   Что учить

   • Терминал Linux: файлы, папки, права, установка программ
   • Python: переменные, условия, циклы, функции, списки и словари, файлы, библиотеки
   • git и GitHub: коммит, ветка, слияние, свой репозиторий
   • Технический английский: документацию читать в оригинале, новые слова — в свой словарь

   Из нашей библиотеки

   • Machine Learning для начинающих, ч. 1 (karpov.courses) — уроки 0–2 и 8
   • DevOps для эксплуатации и разработки (Яндекс Практикум) — глава 3, Linux

   Бесплатно в открытом доступе

   • «Поколение Python»: курс для начинающих (Stepik, по-русски)
   • CS50P — Python от Гарварда
   • The Missing Semester (MIT) — терминал и инструменты
   • Learn Git Branching — git в игре, по-русски
   • Pro Git — книга, по-русски
   • GitHub: первый репозиторий

   Результат: аккаунт на GitHub и в нём 2–3 своих скрипта на Python с описанием. Например, программа, которая читает Excel со списком товаров и считает таможенную стоимость, пошлину и НДС по каждой позиции.

2. 02

   Языковые модели и промпты

   Понимать, как устроены LLM, где они ошибаются, и вызывать их из своего кода. Около 25 часов.

   Уроки нашего курса

   5 уроков · около 68 мин чтения, задания отдельно

   1. Токены, embeddings и transformer на одной картинке13 мин
   2. Inference: context, sampling, KV cache и serving14 мин
   3. Open-weight или API: лицензии, локально и в облаке14 мин
   4. Веса: что лежит в файле модели, точность и квантизация14 мин
   5. Как учат модель: pretraining, SFT, preference tuning13 мин

   Урока о том, как писать промпты и вызывать модель из Python, у нас нет — это по открытым источникам ниже.

   Что учить

   • Что такое LLM, токены, контекст, температура
   • Как писать промпты: роль, пример, формат ответа, проверка
   • API моделей: ключ, запрос из Python, ответ в JSON
   • Локальные модели через Ollama — когда данные нельзя отдавать в облако

   Из нашей библиотеки

   • LLM на практике — модули 1–2
   • Практический AI и ML для продактов — доклады 6 и 8

   Бесплатно в открытом доступе

   • Андрей Карпатый: Intro to Large Language Models (1 час, видео)
   • Курсы Anthropic по промптам и API
   • Документация Claude: как писать промпты
   • ChatGPT Prompt Engineering for Developers (DeepLearning.AI)
   • Ollama — локальные модели на своём компьютере

   Результат: ты читаешь код своего бота и объясняешь, как вопрос пользователя доходит до модели и обратно и как устроен калькулятор платежей; на своём компьютере запускаешь расчёт и тесты; одну правку промпта или кода делаешь и проверяешь сам.

3. 03

   Агенты и инструменты: Claude Code, Codex, MCP

   Работать так, как сейчас работают ИИ-инженеры: агент пишет и проверяет код, ты ставишь задачу, читаешь результат и решаешь. Около 40 часов.

   Уроки нашего курса

   9 уроков · около 119 мин чтения, задания отдельно

   1. Модель, context и агентный цикл12 мин
   2. ReAct: как агент думает и действует13 мин
   3. Tools: права, подтверждение, idempotency13 мин
   4. Как писать tools для агента13 мин
   5. MCP и skills: совет против гарантии13 мин
   6. Миллион tools: выбор без переполнения context13 мин
   7. Supervisor–worker, context engineering и спор о multi-agent14 мин
   8. Агентный цикл своими руками15 мин
   9. Prompt injection и excessive agency13 мин

   Уроков о работе в самих Claude Code и Codex и об n8n у нас нет — по документации и курсам ниже.

   Что учить

   • Claude Code и Codex: как поставить задачу, проверить и откатить
   • Что такое агент: модель, инструменты, цикл «подумал — сделал — проверил»
   • MCP — как подключить агенту свои данные и сервисы
   • Автоматизации без кода в n8n — для быстрых задач

   Из нашей библиотеки

   • Курс по агентам ИИ в n8n (Брендан, Udemy)
   • LLM на практике — уроки 4.5–4.6 и модуль 8

   Бесплатно в открытом доступе

   • Документация Claude Code
   • Claude Code: A Highly Agentic Coding Assistant (DeepLearning.AI)
   • Документация Codex
   • Anthropic: Building effective agents — статья
   • Что такое MCP и курс по MCP
   • Hugging Face Agents Course

   Результат: ты понимаешь, как модель в боте вызывает свои инструменты (поиск кода, расчёт, требования), и с агентом добавляешь новое умение — например, бот принимает PDF или фото чужого инвойса и сам заполняет таблицу товаров. Плюс одна автоматизация в n8n для своей текущей работы.

4. 04

   RAG и данные

   Научить модель отвечать по твоим документам и не выдумывать. Это самая частая задача ИИ-инженера в компаниях. Около 40 часов.

   Уроки нашего курса

   13 уроков · около 166 мин чтения, задания отдельно

   1. RAG offline: ingestion, metadata, chunking13 мин
   2. Embeddings, индекс, hybrid search13 мин
   3. Normalization: цифры, письменности, Unicode13 мин
   4. RAG online: retrieve → rerank → generate → check13 мин
   5. Contextual retrieval12 мин
   6. Диагностика неверного ответа RAG13 мин
   7. Как измерять RAG13 мин
   8. Метрики ранжирования: precision@k, recall@k, MRR, NDCG14 мин
   9. Sanitization: PII, секреты, скрытые инструкции12 мин
   10. Evaluation: три слоя и три вида graders12 мин
   11. Статистика: pass@k, pass^k, разброс, правило трёх13 мин
   12. LLM-as-judge и согласие (κ)13 мин
   13. Evals на практике: смотреть в traces12 мин

   Уроков по Pandas и SQL у нас нет — это из каталога и открытых источников ниже.

   Что учить

   • Эмбеддинги и векторный поиск
   • Как резать документы на куски, метаданные, переранжирование
   • Как проверять качество ответов и ловить выдумки
   • Таблицы и SQL: Pandas, базы данных

   Из нашей библиотеки

   • LLM на практике — модули 3–5
   • Machine Learning для начинающих, ч. 1 — уроки 4–6 (Pandas, SQL)

   Бесплатно в открытом доступе

   • LangChain: Chat with Your Data (DeepLearning.AI)
   • Hugging Face LLM Course
   • Chroma — векторная база для первых проектов
   • OpenAI Cookbook — готовые примеры кода

   Результат: таможенный бот отвечает по Таможенному кодексу ЕАЭС, правилам ввоза и твоим документам и показывает, откуда взят ответ. Есть набор из 30 вопросов с правильными ответами, по которому ты проверяешь качество после каждой правки.

5. 05

   Деплой: проект в интернете

   Выложить свой сервис так, чтобы им пользовались другие, и видеть, что он работает. Около 30 часов.

   Уроки нашего курса

   5 уроков · около 65 мин чтения, задания отдельно

   1. Docker и Kubernetes13 мин
   2. Выкатка: CI, shadow, canary, rollback13 мин
   3. Наблюдаемость: traces, logs, четыре сигнала13 мин
   4. LLMOps: guardrails, router, gateway13 мин
   5. Метрики AI-ассистента в production13 мин

   Уроков по HTTP, FastAPI и Telegram-ботам у нас нет — по учебникам ниже.

   Что учить

   • HTTP и API, FastAPI
   • Docker: упаковать проект, чтобы он запускался где угодно
   • Сервер или облако, домен, секреты вне кода
   • Логи и простой мониторинг

   Из нашей библиотеки

   • Machine Learning для начинающих, ч. 1 — уроки 9–12
   • DevOps для эксплуатации и разработки — главы 4 и 7 (CD, Docker)

   Бесплатно в открытом доступе

   • Учебник FastAPI (по-русски)
   • Docker: Get started
   • Cloudflare Pages — бесплатный хостинг страниц
   • Telegram: как сделать бота и aiogram

   Результат: новую версию бота выкладываешь на сервер сам, умеешь откатить её назад и находишь ошибку в логах, когда что-то падает; ключи не лежат в коде.

6. 06

   Портфолио и первая работа в ИИ

   Три законченных проекта из ВЭД, которыми пользуются живые люди, и поиск работы. Проекты и есть резюме ИИ-инженера. Около 60 часов.

   Уроки нашего курса

   8 уроков · около 101 мин чтения, задания отдельно

   1. Портфолио-проект: AI-фича от идеи до production13 мин
   2. Как отвечать на технический вопрос12 мин
   3. System design для LLM-приложения14 мин
   4. Поведенческий раунд: истории по STAR13 мин
   5. Итоговое пробное собеседование12 мин
   6. Что меняется в банке и других регулируемых отраслях12 мин
   7. Данные, закон и data residency13 мин
   8. Scrum: роли, события, артефакты12 мин

   Что делать

   • Главный проект — твой бот: что он умеет, сколько у него пользователей, что ты в нём сделал сам. Ещё два: разбор инвойсов и CMR в таблицу; проверка комплекта документов перед ввозом
   • Отдать пользоваться коллегам и брокерам, исправить по отзывам
   • Описать каждый проект в GitHub: задача, как устроен, ссылка, скриншот
   • Резюме и LinkedIn на английском; отклики на AI engineer, AI automation engineer, LLM-интегратор — первыми в логистику, ВЭД, финтех, где твой опыт даёт фору

   Из нашей библиотеки

   • LLM на практике — модуль 9, финальный проект
   • Как делать продукт (Иван Замесин) — как найти задачу, за которую платят
   • Как начать стартап (Стэнфорд) — если цель свой проект
   • Лидген для фрилансера — если цель фриланс

   Бесплатно в открытом доступе

   • roadmap.sh: AI Engineer — карта навыков, чтобы сверяться
   • Claude: работа с PDF и ответы строго по схеме — для разбора инвойсов
   • Tesseract — бесплатное распознавание текста со сканов
   • hh.kz — вакансии в Казахстане
   • Карпатый: Neural Networks Zero to Hero — если захочется понять нейросети изнутри
   • fast.ai — практический курс по глубокому обучению

   Результат: портфолио из трёх работающих проектов по ВЭД со ссылками, у каждого есть пользователи кроме тебя; резюме готово, отправлено 20 откликов.