Искусственный интеллект Artificial Intelligence
Каталог курсов
Базовый уровень
- AI01 — Промпт‑программирование и оркестрация
- Длительность: 3 дня (24 часа)
- Код курса: AI01
- Стоимость
- Очный формат: 547 000 ₸
- Онлайн формат: 528 500 ₸
Описание курса
Описание
Программа посвящена переходу от ручного составления промптов к промпт‑инжинирингу как программируемой инженерной дисциплине: использованию сигнатур и автоматических оптимизаторов, обеспечению надёжного структурированного вывода, подключению инструментов через Model Context Protocol, организации PromptOps и систематической оценке качества.
Аудитория
инженеры прикладного ИИ, backend‑ и fullstack‑разработчики, аналитики данных, руководители AI‑направлений, ответственные за воспроизводимость и измеримость LLM‑решений.
Расписание:
День 1. От текста к программируемому промпту.
Фреймворк DSPy и переход от свободных инструкций к сигнатурам (входы и выходы). Автоматические оптимизаторы (MIPROv2, BootstrapFewShot) и подбор few‑shot примеров на основе данных. Работа с reasoning‑моделями и управление скрытой цепочкой рассуждений. Экономика контекста, кэширование запросов и снижение стоимости инференса.
День 2. Надёжность вывода и мультимодальность.
Constraint decoding и грамматики (PydanticAI, Outlines) для гарантированно валидного JSON на уровне распределения токенов. Model Context Protocol (MCP) как стандарт подключаемых инструментов и проектирование самодокументируемых интерфейсов. Принципы агентного интерфейса и vision‑инструкций для управления визуальными элементами. Стратегии работы со сверхдлинным контекстом и компенсация эффекта «lost in the middle».
День 3. PromptOps и оценка качества.
Подход LLM‑as‑a‑judge, проектирование критериев и кастомных моделей‑критиков. Семантическое версионирование и регрессионное тестирование промптов в составе CI/CD. Red‑teaming, поиск уязвимостей и встраивание guardrails в реальном времени. Гибридные схемы Prompting + RAG и критерии выбора между прямым включением данных в промпт и извлечением из графовой базы знаний.
- AI02 — Advanced RAG & Knowledge Systems
- Длительность: 4 дня (32 часа)
- Код курса: AI02
- Стоимость
- Очный формат: 709 500 ₸
- Онлайн формат: 690 500 ₸
Описание курса
Описание
Программа посвящена построению продвинутых систем извлечения и представления знаний: контекстному и визуальному чанкингу, гибридному поиску, GraphRAG, агентному retrieval, RAGOps, измеримости качества и обеспечению безопасности корпоративных ассистентов.
Аудитория
ML‑ и AI‑инженеры, архитекторы данных, инженеры данных, разработчики корпоративных ассистентов и систем поиска по документам.
Расписание
День 1. Архитектура знаний и продвинутый чанкинг.
Contextual retrieval и преобразование чанков перед индексацией для сохранения смысла. Семантический и документно‑визуальный чанкинг для PDF и презентаций с использованием vision‑моделей для описания таблиц и графиков. Late chunking как способ сохранить глобальный контекст в локальных эмбеддингах. Эмбеддинги 2026 года и подход Matryoshka с варьируемой размерностью для оптимизации скорости и памяти.
День 2. GraphRAG и гибридный поиск.
Построение графов сущностей и отношений поверх векторного индекса; сценарии, требующие связного знания. Гибридный поиск, объединяющий BM25, векторное сходство и графовые обходы; динамическая балансировка весов. Multi‑vector представления документа (краткое содержание, полные данные, гипотетические вопросы). Выбор стека хранения: серверные векторные базы и встраиваемые хранилища.
День 3. Retrieval как агент.
Декомпозиция и расширение запросов с помощью LLM. Подходы Self‑RAG и Corrective RAG: самооценка релевантности и переход к веб‑поиску при недостатке локальных данных. Re‑ranking на лёгких cross‑encoder‑ах и ColBERT‑подобных моделях. Стратегии long‑context RAG и RAG‑Fusion для моделей со сверхдлинным контекстом.
День 4. RAGOps, оценка качества и безопасность.
Метрики faithfulness и answer relevance в инструментах RAGAS и DeepEval, формирование тестовых наборов на синтетических данных. Дрейф данных и стратегии переиндексации. Защита от prompt injection через содержимое документов. Инфраструктура развёртывания (LangServe, BentoML), мониторинг качества и учёт стоимости поискового запроса.
Продвинутый уровень
- AI03 — Agentic Engineering & Multi‑Agent Systems
- Длительность: 5 дней (40 часов)
- Код курса: AI03
- Стоимость
- Очный формат: 799 000 ₸
- Онлайн формат: 780 000 ₸
Описание курса
Описание
Программа охватывает проектирование и внедрение агентных систем: архитектуры планирования и рассуждения, стандартизированный tool‑use через MCP, иерархическую память и самоисправление, обучение агентов в среде с использованием GRPO, обеспечение безопасности и операционное сопровождение (AgentOps).
Аудитория
Инженеры прикладного ИИ, архитекторы решений, разработчики платформ и ассистентов, команды, внедряющие автономные workflow‑системы.
Расписание:
День 1. Архитектуры reasoning‑агентов.
Проектирование агентов под reasoning‑native модели и интеграция внутреннего монолога в архитектуру. Подходы LATS и Monte‑Carlo Tree Search для задач с высокой ценой ошибки. Сопоставление детерминированных графов (LangGraph) и динамических роёв (Swarm, CrewAI). Паттерн Plan‑then‑Review с разделением ролей планировщика и исполнителя.
День 2. Tool‑use и экосистема MCP.
Model Context Protocol как единый интерфейс между агентами и внешними системами (SQL, Slack, GitHub, браузер). Structured tool calling и проектирование отказоустойчивых API со стратегиями самовосстановления. Агентный визуальный интерфейс и навигация по веб‑ и desktop‑приложениям через vision‑модели. Изоляция инструментов в sandbox‑средах (E2B, контейнеры) с ограничением ресурсов.
День 3. Память и когнитивная архитектура.
Иерархическая память: рабочая, семантическая (поверх GraphRAG) и эпизодическая. Петли самоисправления и автоматическое уточнение системного промпта на основе логов. Shared state в мультиагентных системах и предотвращение состояний гонки. Роль агента‑критика и блокирование галлюцинаций до выдачи финального ответа.
День 4. Агентное обучение и reward engineering.
GRPO для агентных сценариев и обучение в специфической бизнес‑среде. Проектирование сред (ART, RLFactory) и симуляций бизнес‑процессов. Reward engineering и защита от поведенческого «читинга». Дистилляция навыков крупных рассуждающих моделей в компактные локальные SLM.
День 5. Развёртывание и безопасность.
AgentOps: трассировка цепочек, аудит затрат и мониторинг траекторий рассуждений. Guardrails и обеспечение суверенности данных через локальные и кастомные фильтры. Human‑in‑the‑loop для критических действий (платежи, удаление данных). Сборка и защита итогового мультиагентного решения под прикладную задачу слушателя.
- AI04 — Локальное дообучение открытых больших языковых моделей под прикладной класс задач
- Длительность: 5 дней (40 часов)
- Код курса: AI04
- Стоимость
- Очный формат: 799 000 ₸
- Онлайн формат: 780 000 ₸
Описание курса
Описание
Программа охватывает полный цикл пост‑тренинга открытых больших языковых моделей под конкретный класс прикладных задач: подготовку данных, supervised fine‑tuning и parameter‑efficient методы (LoRA, QLoRA), оптимизацию по предпочтениям и обучение с подкреплением (GRPO), оценку качества и продуктивную эксплуатацию. По итогам обучения слушатель строит воспроизводимый пайплайн «данные → обучение → оценка → квантизация → API» и достигает измеримого улучшения качества на собственной задаче.
Аудитория
ML‑инженеры, исследователи, инженеры прикладного ИИ, технические руководители, отвечающие за качество и стоимость инференса, а также разработчики, внедряющие локальные модели в корпоративный контур.
Расписание
День 1. Ландшафт моделей и инфраструктура.
Экосистема открытых моделей 2026 года: семейства MoE и dense, ключевые архитектурные тренды (linear attention, мультимодальная early fusion) и лицензионные ограничения. Выбор стратегии адаптации модели в логике prompt engineering → RAG → SFT → preference optimization → reinforcement fine‑tuning. Настройка рабочего окружения (CUDA, PyTorch, Transformers, PEFT, bitsandbytes, accelerate, Unsloth, TRL). Базовый бенчмарк качества до обучения и сравнительный анализ MoE‑ и dense‑моделей при фиксированном бюджете VRAM.
День 2. Подготовка данных и верификация.
Форматы датасетов (ChatML, ShareGPT, Alpaca) и критерии их выбора. Принципы качества обучающих корпусов: разнообразие, консистентность, сложность, edge cases, баланс объёма и предметной плотности. Синтетическая генерация данных с использованием сильной модели‑учителя; формирование задач из корпоративных документов. Одновременная подготовка трёх типов данных: пары для SFT, пары предпочтений и программные верификаторы. Очистка, дедупликация, корректное разбиение train/val/test с контролем утечек.
День 3. Supervised fine‑tuning и parameter‑efficient методы.
Сопоставление full fine‑tuning и PEFT, область применения каждого подхода. Математика и практика LoRA и QLoRA, выбор rank, alpha и target modules; альтернативы (DoRA, LongLoRA). Ключевые гиперпараметры (learning rate, batch size, gradient accumulation, warmup, число эпох) и стратегии предотвращения катастрофического забывания. Серия экспериментов с мониторингом метрик в Weights & Biases, экспорт и слияние адаптеров с базовой моделью.
День 4. Оптимизация по предпочтениям и reinforcement fine‑tuning.
Семейство методов DPO, SimPO, KTO, ORPO и условия их применения. GRPO как опорный метод 2026 года, обучение с программной верификацией (RLVR), стабилизация длинных цепочек рассуждений (DAPO). Проектирование reward‑функций под прикладную задачу и защита от reward hacking. Сравнительный анализ стадий base → SFT → preference → GRPO с интерпретацией приростов качества и сопутствующих рисков.
День 5. Развёртывание и продуктивные практики.
Квантизация для инференса (GPTQ, AWQ, GGUF) и критерии её выбора. Serving‑стек (vLLM, llama.cpp, SGLang, Ollama), structured output и constrained decoding; оптимизация KV‑кэша и prefix caching. Нагрузочное тестирование по показателям latency и throughput. Упаковка пайплайна как воспроизводимого проекта и непрерывный цикл «обратная связь → инкрементальный GRPO». Защита итогового результата с метриками «до/после» и демонстрацией работающей модели.
- AI05 — Vision Foundation Models & Multimodal AI
- Длительность: 5 дней (40 часов)
- Код курса: AI05
- Стоимость
- Очный формат: 799 000 ₸
- Онлайн формат: 780 000 ₸
Описание курса
Описание
Программа посвящена современным foundation‑моделям компьютерного зрения и мультимодальным моделям (VLM): zero‑shot детекции и сегментации, визуальному вопросно‑ответному анализу, доменной адаптации, видеоаналитике и развёртыванию на edge‑устройствах и в высоконагруженном облаке.
Аудитория
Инженеры компьютерного зрения, ML‑инженеры, команды Document AI, производственные и ритейл‑команды контроля качества и мониторинга.
Расписание
День 1. Foundation‑бекбоны и zero‑shot vision.
Универсальные визуальные бекбоны (DINOv3, SigLIP‑2) как экстракторы признаков. Open‑vocabulary детекция (OWLv3, Grounding DINO 2) и поиск объектов по текстовому описанию без дообучения. Иерархическая сегментация Segment Anything 3 и видеотрекинг масок. Построение пайплайна автоматической разметки данных.
День 2. VLM и визуальный вопросно‑ответный анализ.
Архитектура современных VLM и роль визуальных проекторов. Извлечение данных из документов, чертежей и пользовательских интерфейсов в логике Document AI. Spatial reasoning: понимание координат, расстояний и относительного расположения объектов. Проектирование мультимодального пайплайна под доменный кейс слушателя.
День 3. Дообучение и доменная адаптация.
Parameter‑efficient методы (LoRA, DoRA) для vision‑бекбонов и мультимодальных проекторов. Дообучение декодеров сегментации под специфические объекты предметной области. Ускоренное обучение VLM с помощью Unsloth и оптимизация потребления VRAM. Синтетические данные через диффузионные модели для расширения обучающих корпусов.
День 4. Видеоаналитика и temporal reasoning.
Long‑context video understanding и работа с длинными видеопотоками. Устойчивый трекинг при перекрытиях с помощью современных моделей трекинга. Распознавание действий и понимание намерений через рассуждения модели. Системы событийного мониторинга на примерах промышленной безопасности.
День 5. Edge AI и продуктивное развёртывание.
Низкобитная квантизация (4‑bit, тернарные представления) для запуска VLM на ограниченном оборудовании. Оптимизация мультимодальных цепочек через ONNX и TensorRT‑LLM. Speculative decoding для ускорения генерации описаний. Упаковка модели под целевое устройство и измерение FPS, латентности и энергопотребления.
Производство и генеративные медиа
- AI06 — LLMOps & Agentic Infrastructure
- Длительность: 4 дня (32 часа)
- Код курса: AI06
- Стоимость
- Очный формат: 755 500 ₸
- Онлайн формат: 738 500 ₸
Описание курса
Описание
Программа посвящена производственной инфраструктуре для LLM и агентов: serving‑стеку, экономике GPU, оркестрации и масштабированию, наблюдаемости (AgentOps, tracing, evals), безопасности и шлюзовому уровню (AI gateway).
Аудитория
Платформенные инженеры, SRE‑ и DevOps‑специалисты, команды ML‑платформ, архитекторы, отвечающие за стоимость, латентность и безопасность LLM‑сервисов.
Расписание
День 1. Стек инференса и экономика GPU.
Serving‑платформы (vLLM, SGLang) и кэширование префиксов через RadixAttention. Speculative decoding и связки draft‑ и oracle‑моделей. Multi‑LoRA serving и обслуживание десятков адаптеров на одном ускорителе. Маршрутизация между провайдерами и локальными моделями по стоимости и латентности.
День 2. Оркестрация и GPU‑native Kubernetes.
Контейнерные стеки и оптимизированные микросервисные сборки для foundation‑моделей. Автоскейлинг по LLM‑метрикам (KV‑cache utilization, длина очереди) вместо классических CPU/RAM. Serverless GPU как способ обработки пиковых нагрузок. Версионирование данных и автоматическая инвалидация векторов в RAG и GraphRAG.
День 3. Наблюдаемость и AgentOps.
Трассировка цепочек рассуждений и отладка мультиагентных графов. Evals‑as‑a‑Service и встраивание автоматических тестов в CI/CD с блокировкой деплоя при деградации метрик. Семантический мониторинг и обнаружение concept drift. Аналитика логов рассуждений как сырьё для последующего дообучения моделей.
День 4. Безопасность и AI gateway.
Централизованное управление ключами, квотами и rate limiting на уровне шлюза. Guardrails (Llama Guard, NeMo Guardrails) и фильтрация персональных данных в реальном времени. Sandboxing инструментов и runtime‑контроль выхода агентов за пределы разрешённых API. Версионирование промптов и весов, стратегии быстрого отката при обнаружении аномалий.
- AI07 — Generative Media Production & Control
- Длительность: 4 дня (32 часа)
- Код курса: AI07
- Стоимость
- Очный формат: 755 500 ₸
- Онлайн формат: 738 500 ₸
Описание курса
Описание
Программа охватывает построение генеративных медиаконвейеров для бизнеса: контролируемую генерацию изображений и видео, удержание бренд‑стиля, синтез речи и клонирование голоса, автоматизацию рабочих процессов, юридические и этические аспекты, а также защиту контента.
Аудитория
Продуктовые команды, маркетинг‑технологи, инженеры генеративных медиа, контентные студии, команды внутренних креативных платформ.
Расписание
День 1. Современная графика и контролируемая генерация.
Архитектуры диффузионных моделей нового поколения (MM‑DiT) и качество следования промпту. Соблюдение пространственных ограничений и текста внутри изображений. Brand LoRA: создание и дистилляция адаптеров, удерживающих визуальный стиль компании. Перенос внешности персонажа и дизайна продукта через персонализированные адаптеры.
День 2. Видеопроизводство и motion design.
World simulators и генерация видео с консистентными персонажами на длинных горизонтах. Управление камерой, композицией и траекториями движения объектов. Video‑to‑video и стилизация с сохранением физики движения. Lip‑sync и выразительная мимика под произвольную аудиодорожку.
День 3. Аудио и голос.
Zero‑shot синтез речи и клонирование голоса с передачей эмоциональной окраски. Мультиязычное клонирование голоса с сохранением тембра и акцента. Генерация фоновой музыки и звуковых эффектов под видеоряд. Speech‑to‑speech и преобразование голоса в реальном времени.
День 4. Автоматизация и безопасность.
Сборка многоступенчатых пайплайнов в средах визуальной оркестрации генеративных моделей. Внедрение водяных знаков по стандарту C2PA и детекция дипфейков. Правовые рамки 2026 года: регулирование ИИ‑контента в ЕС, США и Российской Федерации. Локальное и частное облачное развёртывание тяжёлых генеративных моделей для защиты данных.
Прикладной уровень
- AI08 — Advanced Russian & Multilingual NLP
- Длительность: 3 дня (24 часа)
- Код курса: AI08
- Стоимость
- Очный формат: 565 500 ₸
- Онлайн формат: 548 000 ₸
Описание курса
Описание
Программа охватывает специфику применения современных языковых моделей к русскому языку и многоязычным сценариям: токенизацию кириллицы, кросс‑языковой перенос знаний, доменную адаптацию под юридические, медицинские и государственные тексты, а также методы оценки качества и согласования.
Аудитория
Инженеры NLP, ML‑инженеры, исследователи, разработчики корпоративных ассистентов и систем документооборота, работающие с русским языком и многоязычными корпусами.
Расписание
День 1. Архитектура и токенизация для кириллицы.
Сравнительный анализ токенизаторов современных открытых и проприетарных моделей и влияние словаря на скорость и стоимость инференса. Кросс‑языковой перенос знаний из англоязычных корпусов в русскоязычные модели без потери качества рассуждений. Эмбеддинг‑модели для GraphRAG и работа с многоязычными представлениями, учитывающими профессиональный жаргон. Оценка эффективности токенизации и стоимости обработки большого объёма токенов.
День 2. Извлечение знаний и доменная адаптация.
Мультимодальное извлечение из сканов документов в логике совместного OCR и распознавания именованных сущностей. Извлечение отношений и автоматическое построение графов знаний из юридических корпусов. Дообучение моделей на русской морфологии и доменной терминологии (банковская, медицинская, государственная). Специфические русскоязычные галлюцинации и методы их подавления через self‑correction.
День 3. Оценка качества и контур человеческой проверки.
Переход от классических метрик (BLEU, ROUGE) к LLM‑as‑a‑judge с оценкой согласования, падежных форм и стиля. Синтетическая генерация русскоязычных датасетов с помощью моделей‑учителей. Согласование моделей с культурными и законодательными нормами. Построение пайплайна экспертной оценки и его сопоставление с автоматическими метриками на доменной задаче слушателя.
- AI09 — AI Security, Safety & Governance
- Длительность: 2 дня (16 часов)
- Код курса: AI09
- Стоимость
- Очный формат: 393 500 ₸
- Онлайн формат: 377 500 ₸
Описание курса
Описание
Программа посвящена безопасности и устойчивости систем на основе больших моделей: атакам нового поколения, автоматизированному red‑teaming, эшелонированной защите, регуляторному соответствию и управлению рисками в продуктивных AI‑системах.
Аудитория
Инженеры безопасности AI‑систем, архитекторы решений, технические руководители, специалисты по комплаенсу и управлению рисками в области ИИ.
Расписание
День 1. Атаки нового поколения и red‑teaming.
Автоматизированный red‑teaming с использованием специализированных LLM‑агентов и фреймворков. Indirect prompt injection через внешние данные и сценарии скрытых команд во входящем контенте. Утечки промптов и данных обучения, современные техники обхода фильтров. Adversarial reasoning attacks и обман reasoning‑моделей через логические ловушки. Контролируемая атака на собственного агента и анализ уязвимостей логики планирования.
День 2. Эшелонированная защита и комплаенс.
Многоуровневые guardrails: фильтрация на входе, в процессе рассуждения и на выходе. Обнаружение и маскирование персональных данных в режиме реального времени и интеграция с корпоративными DLP. Маркировка контента по стандарту C2PA и проверка подлинности. Регуляторный ландшафт 2026 года: EU AI Act, отраслевые ГОСТы и российские требования к критической инфраструктуре. Аудит на предвзятость и сборка единого шлюза безопасности с журналированием для регуляторов.
- AI10 — AI‑Augmented Data Intelligence
- Длительность: 3 дня (24 часа)
- Код курса: AI10
- Стоимость
- Очный формат: 565 500 ₸
- Онлайн формат: 548 000 ₸
Описание курса
Описание
Программа охватывает применение больших моделей для аналитической работы с корпоративными данными: современные подходы к Text‑to‑SQL и семантическим слоям, автономный exploratory data analysis, агентную аналитику, мультимодальное извлечение данных и построение качественных датасетов.
Аудитория
Дата‑аналитики, дата‑инженеры, BI‑разработчики, ML‑инженеры, продуктовые команды, внедряющие аналитические ассистенты поверх корпоративных хранилищ.
Расписание
День 1. Современный Text‑to‑SQL и семантический слой.
Семантический слой как основа корректной работы LLM с витринами данных. Специализированные RAG‑системы для метаданных и обучение моделей корпоративной модели данных. Паттерн «генерация — выполнение — самоисправление» SQL‑запросов с автоматическим устранением ошибок. Проектирование чат‑интерфейса с визуализацией результатов аналитических запросов.
День 2. Автономный EDA и агентная аналитика.
Современные паттерны code interpreter и изолированные среды для статистического анализа. Многошаговый аналитический агент: формулировка гипотез, их проверка и формирование выводов. Интерпретация аномалий с помощью мультимодальных моделей и контекстуализация выбросов. Автоматическая генерация интерактивного отчёта из исходного датасета.
День 3. Структурирование данных и AI‑разметка.
Мультимодальное извлечение из сложных PDF с вложенными таблицами и рукописными элементами. Построение пайплайнов синтетических данных для обучения внутренних моделей компании. Active learning и контур человеческой проверки для эффективной разметки. Использование LLM для очистки, дедупликации и нормализации данных. Сборка пайплайна, превращающего разнородные документы в структурированную базу данных.
Капстоун
- AI11 — AI Product Factory: от гипотезы до промышленного масштаба
- Длительность: 5 дней (40 часов)
- Код курса: AI11
- Стоимость
- Очный формат: 826 500 ₸
- Онлайн формат: 807 500 ₸
Описание курса
Описание
Программа представляет собой комплексный продуктовый интенсив по созданию AI‑продукта от формулировки гипотезы до запуска работающего MVP: архитектурное проектирование, организация данных и оценки качества, реализация агентной логики, обеспечение безопасности и пользовательского интерфейса, развёртывание и нагрузочное тестирование.
Аудитория
Продуктовые менеджеры с техническим бэкграундом, технические лидеры, AI‑архитекторы, fullstack‑инженеры и команды, запускающие AI‑продукты в коммерческую эксплуатацию.
Расписание:
День 1. Архитектурный дизайн и agentic workflow.
Формулировка гипотезы AI‑first продукта и обоснование необходимости использования моделей. Выбор «движка»: тяжёлая SOTA‑модель против ансамбля локальных SLM, экономика и компромиссы. Проектирование графа состояний (LangGraph, PydanticAI) и определение точек human‑in‑the‑loop. Подбор стека и подключение MCP‑серверов к корпоративным источникам данных.
День 2. DataOps и база знаний.
Сбор данных из разнородных источников (PDF, веб, API) и создание гибридного хранилища или GraphRAG. Синтетическая генерация данных моделями‑учителями при дефиците разметки. Подготовка evaluation‑пайплайна (RAGAS, DeepEval) до начала основной разработки и фиксация критериев успеха продукта.
День 3. Backend и интеграция агентов.
Оркестрация мультиагентного взаимодействия и петли самоисправления. Подключение внешних API через structured outputs и Model Context Protocol. PromptOps и автоматическая оптимизация промптов под выбранную модель. Архитектура памяти, обеспечивающая узнавание пользователя и обучение на прошлых сессиях.
День 4. Безопасность, интерфейс и guardrails.
Агентный пользовательский интерфейс с отображением промежуточных рассуждений (Streamlit, Vercel AI SDK). Развёртывание guardrails для защиты от инъекций и утечек персональных данных. Обработка ошибок и стратегии fallback при недоступности модели или внешних сервисов.
День 5. Развёртывание, нагрузка и защита проекта.
Промышленное развёртывание через NIM, BentoML или LangServe. Стресс‑тестирование под реальной нагрузкой, оценка достаточности KV‑кэша и поведения системы при пиковых сессиях. Презентация работающего MVP с демонстрацией бизнес‑эффекта и экономики одного запроса.
Безопасность AI для топ-менеджмента и организаций
- ANT-CISO-AI — Безопасность AI в организациях
- Длительность: 3 дня (24 часа)
- Код курса: ANT-CISO-AI
- Стоимость
- Очный формат: 590 000 ₸
- Онлайн формат: 571 500 ₸
Описание курса
Описание курса:
Материал данного курса дает руководителям службы безопасности и специалистам единый “операционный” взгляд на безопасность и управление рисками AI/GenAI в корпоративной среде: от политики и модели управления до контроля данных, поставщиков, инцидентов и метрик. Основной фокус делается на безопасном использование AI в бизнес-процессах, подключении внешних AI-сервисов, управлении рисками LLM-приложений и AI-агентов, контроле утечек, а также подготовки к аудитам.
Аудитория курса:
Руководители и владельцы AI-направления, CISO/заместители, руководители SOC/IR, AppSec, CloudSec, Data Security, GRC/Compliance.
Предварительные требования к аудитории:
Необходимо базовое понимание кибербезопасности и управления рисками, желательно иметь представление о том, что такое LLM и GenIA.
Содержание курса:
Модуль 1 – AI как новая поверхность атаки и новая зона ответственности.
Почему AI меняет модель угроз и модель ответственности (AI-as-a-Service, Copilot-эффект, AI-агенты).
Роли и “линии защиты” (1st/2nd/3rd line) для AI.
Классы AI-сценариев в компании.
Обзор рисков GenAI по NIST.Модуль 2 – Вневендорные инициативы, практики и стандарты в области безопасности AI.
NIST AI RMF.
ISO/IEC 42001.
ISO/IEC 23894.
Cloud Security Alliance AI Controls Matrix.
OWASP Top 10 for LLM Apps.
MITRE ATLAS.
ИнициативыМодуль 3 – Модель угроз для AI: что реально атакуют и чем это заканчивается.
Базовая терминология (что важно для безопасности): модели, промпты, контекст, RAG, инструменты, агенты, плагины, память агента.
Практическое threat modeling для AI без “глубокой ML-разработки”: активы; границы доверия; каналы ввода/вывода; злоупотребления.
Классы атак и инцидентов.Модуль 4 – Данные, приватность и “AI DLP”: главный операционный риск.
Классификация данных и “AI-границы” (что можно/нельзя отправлять в публичные LLM).
Политики: разрешенные инструменты, запреты, исключения, safe prompts, правила хранения/логирования.
Защита от утечек в AI.
Модель “minimum necessary context” и управление доступом к корпоративным знаниям.
Встраивание в ISMS и контрольные меры из ISO/IEC 27001/27002.Модуль 5 – Контроли безопасности для AI в эксплуатации: практики без привязки к вендору.
“Security by design” для внедрения GenAI в процессы (без разработки моделей.
Контроль поставщиков и цепочки поставок.
Практика построения набора контролей по CSA AI Controls Matrixи “мэппинг” на корпоративные контроли.Модуль 6 – Мониторинг, инциденты и аудит: как SOC/IR живет в мире AI.
Какие “сигналы” важны для AI-инцидентов.
Playbooks для SOC/IR.
Метрики и контроль эффективности: coverage по use-cases, доля “approved tools”, инциденты/почти-инциденты, time-to-contain.
Подготовка к аудитам: артефакты, политики, реестр use-cases, оценка рисков по NIST AI RMF и требования AIMS по ISO/IEC 42001.Модуль 7 – Рекомендации по ролям: “что делать завтра” каждому участнику
Совет директоров / C-level: риск-аппетит, KPI, ответственность, инвестиции в контроли.
CISO / Head of Security: AI security program, контрольная база, исключения, приоритизация use-cases.
GRC/Compliance/Privacy: политика, реестр AI, оценки рисков, поставщики, evidence.
AI Program Owner / Product Owner: governance, жизненный цикл, требования безопасности к use-case, acceptance criteria.
IT/Cloud/Architecture: интеграции, SSO, сегментация, прокси-шлюзы, observability.
SOC/IR: playbooks, детектирование, обучение аналитиков.
Procurement/Vendor Mgmt: security addendum, вопросы провайдерам, контроль субподрядчиков. - ANT-CEO-AI — Безопасность AI в организациях для руководителей
- Длительность: 1 день (8 часов)
- Код курса: ANT-CEO-AI
- Стоимость
- Очный формат: 355 500 ₸
- Онлайн формат: 336 500 ₸
Описание курса
Описание курса:
Материал данного курса дает руководителям и специалистам единый “операционный” взгляд на безопасность и управление рисками AI/GenAI в корпоративной среде: от политики и модели управления до контроля данных, поставщиков, инцидентов и метрик. Основной фокус делается на безопасном использование AI в бизнес-процессах, подключении внешних AI-сервисов, управлении рисками LLM-приложений и AI-агентов, контроле утечек, а также подготовки к аудитам.
Аудитория курса:
Руководители и владельцы AI-направления.
Предварительные требования к аудитории:
Необходимо владеть базовой терминологией бизнеса.
Содержание курса:
Модуль 1 – AI как новая поверхность атаки и новая зона ответственности.
Почему AI меняет модель угроз и модель ответственности (AI-as-a-Service, Copilot-эффект, AI-агенты).
Роли и “линии защиты” (1st/2nd/3rd line) для AI.
Классы AI-сценариев в компанииМодуль 2 – Данные, приватность и “AI DLP”: главный операционный риск.
Классификация данных и “AI-границы” (что можно/нельзя отправлять в публичные LLM).
Политики: разрешенные инструменты, запреты, исключения, safe prompts, правила хранения/логирования.
Защита от утечек в AI.Модуль 3 – Рекомендации по ролям: “что делать завтра” каждому участнику.
Совет директоров / C-level: риск-аппетит, KPI, ответственность, инвестиции в контроли.
CISO / Head of Security: AI security program, контрольная база, исключения, приоритизация use-cases.
GRC/Compliance/Privacy: политика, реестр AI, оценки рисков, поставщики, evidence.
Procurement/Vendor Mgmt: security addendum, вопросы провайдерам, контроль субподрядчиков.
Учебные программы по прикладному искусственному интеллекту.
Сборник прикладных программ повышения квалификации по ключевым направлениям современного искусственного интеллекта. Каждая программа описана в единой структуре: название, длительность, описание, целевая аудитория. Программы сгруппированы в пять тематических блоков по уровню технической зрелости и предметной специализации; они могут изучаться независимо либо в составе образовательных треков, представленных в заключительном разделе.
Структура каталога
- Блок 1. Базовый уровень — программы AI01; AI02: основания работы с большими языковыми моделями.
- Блок 2. Продвинутый уровень — программы AI03; AI04; AI05: агентные архитектуры, дообучение моделей и компьютерное зрение.
- Блок 3. Производство и генеративные медиа — программы AI06; AI07: эксплуатация и медиа‑конвейеры.
- Блок 4. Прикладной уровень — программы AI08; AI09; AI010: специализация под язык, безопасность и аналитику данных.
- Блок 5. Капстоун — программа AI011: интеграционный продуктовый интенсив.
- Блок 6. Безопасность AI для топ-менеджмента и организаций — программа ANT-CEO-AI; ANT-CISO-AI.
Записаться на курс
Контакты
LinkedIn
Email
Web
Расположение на карте
Наши партнеры
