OTUS собрал 26 бесплатных вебинаров по ИИ — от мультиагентной разработки и RAG до локального запуска LLM, компьютерного зрения и аналитики. Для русскоязычных команд это не очередная подборка промптов, а довольно прикладной маршрут по вопросам, которые возникают после первого успешного демо: где хранить контекст, как подключать корпоративные данные и почему код от модели всё ещё нельзя отправлять в прод без ревью.
Занятия пройдут с 11 ноября по 15 декабря, сообщает Habr / Карьера. Их проведут преподаватели образовательных программ OTUS; участие заявлено как бесплатное. Программа разбита на шесть направлений: ИИ-агенты, RAG и векторный поиск, инструменты для разработчиков, устройство и локальный запуск LLM, машинное обучение с Computer Vision, а также применение ИИ в аналитике и бизнес-процессах.
Самый заметный блок посвящён агентам — теме, вокруг которой рынок успел произвести больше обещаний, чем устойчивых внедрений. 23 ноября слушателям покажут, как распределять роли между специализированными агентами в Python-проекте: отдельно анализировать код, разрабатывать, тестировать и проводить ревью. В фокусе — передача контекста и конфликты при параллельной работе. 24 ноября речь пойдёт о паттернах ReAct и Plan-and-Execute для многошаговых бизнес-процессов, а 1 декабря — о документации и файлах AGENTS.md и CLAUDE.md, которые помогают агенту не начинать каждую новую сессию с амнезии.
Отдельный вебинар 15 декабря затронет подключение агента к ClickHouse через MCP. Заявленная задача проста для пользователя и сложнее для инженера: задавать вопросы к данным естественным языком вместо ручного написания SQL. В программе обещаны преобразование запросов в SQL и безопасность доступа. Последнее особенно важно: текстовый интерфейс к базе данных не отменяет разграничения прав и не превращает произвольный сгенерированный запрос в безопасный.
Четыре встречи посвящены RAG и векторному поиску. 18 ноября участникам предложат собрать минимальное RAG-приложение на C# с семантическим поиском. На следующий день разберут Qdrant и фильтрацию по метаданным — механизм, который помогает не подсовывать модели старую инструкцию или документ не того подразделения. Для компаний, уже работающих с PostgreSQL, 30 ноября запланирован разговор о pgvector, pgai и lantern. 2 декабря покажут вариант с ClickHouse: хранение эмбеддингов, поиск похожих записей и передачу найденного контекста языковой модели.
Этот набор тем хорошо отражает сдвиг в корпоративных ИИ-проектах. Главный вопрос давно не сводится к выбору чат-бота. Командам приходится решать, какие документы индексировать, как ограничивать выдачу по ролям и метаданным, чем измерять качество ответов и где проходит граница между удобством и утечкой данных. Поэтому бесплатные вебинары по ИИ могут быть полезны не только ML-инженерам: архитекторам и руководителям разработки полезно сверить собственные решения с ограничениями конкретных СУБД и инструментов.
Разработчикам адресован блок об ИИ-инструментах. 11 ноября OTUS планирует показать запуск Claude Code по расписанию для сбора задач, писем и напоминаний. 12 ноября обсудят интеграцию ИИ в Python-проекты — от автодополнения до автономных агентов. Ещё две встречи, 19 ноября и 15 декабря, посвящены более приземлённым сценариям: генерации тестов, поиску ошибок, рефакторингу и работе с шаблонами вместо хаотичных запросов к модели. Общая мысль здесь здравая: генерация кода ускоряет отдельные операции, но не заменяет проверку требований, тесты и ответственность автора изменения.
Тем, кто рассматривает локальное развёртывание моделей, пригодятся занятия 12 ноября и 2 декабря. В первом обещают объяснить механику работы LLM, запуск через vLLM и тестирование по API. Во втором — установку Ollama, выбор весов, квантизацию, требования к памяти и управление версиями моделей. Локальная LLM не является автоматическим ответом на все вопросы о приватности и стоимости, но для закрытых контуров, экспериментов с данными и предсказуемой инфраструктуры этот вариант остаётся практичным.
Остальная часть программы заметно шире генеративного ИИ: нейросети в алгоритмической торговле, сравнение Raspberry Pi 5 с Hailo-8 и Jetson Orin Nano для Edge AI, ансамбли моделей, рекомендательные системы и детекторы объектов от YOLO до Vision Transformers. Для менеджеров и аналитиков заявлены темы автоматизации delivery-задач, корпоративной архитектуры и навыков системного аналитика, которые не исчезают только потому, что модель умеет написать убедительно выглядящий документ.
Подборка интересна именно инженерной оптикой: меньше разговоров о магии, больше — о контексте, данных, инфраструктуре и контроле результата. В 2027 году ценность ИИ-команды всё сильнее будет определяться не количеством подключённых моделей, а способностью превратить их в проверяемый и управляемый рабочий процесс.
