AI-агенты — курс по разработке агентов | Школа Высшей Математики
← Все курсы
СТАРТ 28 ИЮЛЯ — идут предпродажи со скидкой
00дней
00часов
00минут
00секунд

Соберите AI-агента с нуля — сначала руками, потом на фреймворках

Практический курс о технологиях, а не об одном фреймворке. Мы строим одного агента по нарастающей сложности и разбираем смежные технологии, чтобы вы умели делать всё руками и видели картину целиком.

structured output→tool-calling→MCP→RAG→multi-agent 12 недель·1–2 живых занятия в неделю·домашнее задание в каждом модуле
Написать в Telegram
01 · Идея курса

Курс не про конкретного агента — он про технологии. Мы собираем одного агента на минимальном функционале, всё отлаживаем, «выкатываем в прод», а затем наращиваем сложность.

Параллельно разбираем смежные с агентом технологии, чтобы у вас сформировался широкий кругозор — и при этом умение делать всё руками.

02 · Структура

Две части: сначала рукопашка, потом фреймворки

Сначала вы понимаете, как всё устроено внутри, а уже потом берёте индустриальные инструменты — осознанно, а не как чёрный ящик.

Часть 1

Рукопашка

Всё делаем своими руками, без внешних фреймворков — даже evals пишем сами. Вы понимаете каждый слой агента, а не доверяете магии библиотек.

  • Работа с LLM напрямую через API
  • Structured outputs и tool-calling с нуля
  • Собственные метрики и оценка качества
  • Архитектуры агентов изнутри
Часть 2

Фреймворки

Изучаем стандартные индустриальные инструменты и переносите на них то, что уже умеете делать руками.

  • Langchain
  • Langgraph
  • Langfuse / Arize Phoenix для observability
  • Деплой, MCP-серверы, мультиагентные системы
03 · Программа

Что внутри — модуль за модулем

Три преподавателя-практика ведут свои блоки: разработка агента, качество и оценка, фреймворки и деплой.

12 недель · 1–2 живых занятия в неделю · домашнее задание в каждом модуле

Василий Исаев

Разработка агента · рукопашка
1.1
ВведениеPrompt-engineering, работа с LLM через API.
1.2
Structured outputs и tool-callingReAct-агент, планировщик + исполнитель, память агента.
1.3
RAGПоиск и работа со знаниями для агента.
1.4
Архитектуры агентовРазбор примеров: harness, openclaw, nanoclaw.

Андрей Киселёв

Качество и оценка
2.1
Отладка и мониторинг
2.2
Оценка качества, evaluation
2.3
Методы повышения качестваБорьба с галлюцинациями, guardrails.

Евгений Чернов

Фреймворки и деплой
3.1
Интеграция с веб-приложениями и деплойMCP-серверы.
3.2
Langchain
3.3
Langgraph
3.4
ObservabilityLangfuse (Arize Phoenix).
3.5
Многоагентные системыПротокол A2A.
04 · Практика

Агенты, которых вы построите

Практические кейсы и примеры в каждой теме — вы выходите с работающим кодом, а не с конспектом.

A.

Мини Claude Code

Агент-кодер: читает задачу, правит файлы, запускает команды — упрощённая версия coding-агента.

B.

Personal Ops Agent (OpenClaw-style)

Агент для личных и рабочих операций в стиле OpenClaw.

C.

Browser / GUI Agent

Управляет браузером: открывает сайты, кликает, заполняет формы, собирает данные.

D.

API Integration Agent

По документации API строит маленькую интеграцию: клиент, endpoint, webhook, тесты.

E.

QA / Testing Agent

Сам пишет тест-кейсы, запускает Playwright / pytest, проверяет UI и заводит баг-репорт.

05 · Команда

Преподаватели

Василий Исаев

Василий Исаев

LinkedIn →
ML-инженер, AI enthusiast
Много работал с ассистентами — с реализацией и внедрением AI-сервисов. Работал в Точка Банк и Wildberries, в последнем месте активно внедряет AI-инструменты в процессы разработки.
Андрей Киселёв

Андрей Киселёв

LinkedIn →
Head of Product, который строил, ломал и чинил AI продукты
Строил AI-продукты в продакшне: от первых RAG в маленьких командах до платформ с миллионами вызовов агентов в день. Работал в Revolut и Yandex, где отвечал за внедрение AI-фич.

Истории и подходы из курса — то, что встречается в реальной разработке продуктов, с цифрами, ошибками и рабочими плэйбуками.
Евгений Чернов

Евгений Чернов

LinkedIn →
MSc AI · Tech Lead AI в бигтехе
Преподаватель магистратуры ФКН НИУ ВШЭ «Искусственный интеллект», преподаватель ДПО НИУ ВШЭ. Лидирует e2e-разработку LLM-систем, агентов и внедряет LLMOps-практики в high-load системах.
Автор программы
Александр Лыков

Александр Лыков

LinkedIn →
Академический руководитель Школы Высшей Математики
Кандидат физико-математических наук. Работал девять лет научным сотрудником на мехмате МГУ. Сейчас работает в крупном технологическом банке. В том числе разрабатывает AI-агентов.
06 · Участие

Идут предпродажи — сейчас самая низкая цена

Стоимость поднимается каждую неделю до старта 28 июля. Чем раньше оформляете — тем выгоднее. Оплата картой, в рассрочку или Сплитом.

Что входит

  • 12 недель, 1–2 живых занятия в неделю + домашнее задание в каждом модуле
  • Две части: рукопашка + индустриальные фреймворки
  • 5 агентов в портфолио — выходите с рабочим кодом
  • 3 преподавателя-практика, живые разборы
  • Ревью ваших решений между занятиями
  • Доступ к записям и материалам навсегда
−32% · ранняя цена
145 000 ₽ 99 000 ₽
До повышения до 115 000 ₽ осталось: 00д 00ч 00м 00с
Старт 28 июля · 12 недель · оплата картой, в рассрочку или Сплитом
РассрочкаРазбейте оплату на части прямо при оформлении — без переплаты.
Налоговый вычет 13%Вернёте до 13% стоимости обучения как налоговый резидент РФ.
Оплата от компанииПоможем с документами для оплаты обучения работодателем.

Старт 28 июля. Цена растёт каждую неделю.

Сейчас — самая ранняя цена со скидкой. Оформите участие сегодня и зафиксируйте её: до старта стоимость поднимается каждую неделю. Оплата картой, в рассрочку или Сплитом.

Написать в Telegram