«Увеличь продуктивность разработки с AI-DRIVEN подходом» [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