AI-агенты — курс по разработке агентов | Школа Высшей Математики
← Все курсы
СТАРТ 17 СЕНТЯБРЯ — набор на поток открыт
00
дней
00
часов
00
минут
00
секунд

Соберёте AI-агента, качество которого можно измерять и улучшать

Научитесь собирать агента, который не просто возвращает 200 OK, а корректно вызывает инструменты, работает с контекстом и проходит проверки качества. За 12 недель — от LLM API и tool-calling до RAG, evals, мониторинга и пилота.

Курс ведут инженеры с многолетним опытом в ML из Revolut, Wildberries и Точка Банк.

12 недель одно живое занятие в неделю

Первый платёж — взнос 24 000 ₽. Дальше 8 000 ₽ в неделю, двенадцать недель.

01 · Идея курса

Агент отвечает. Но решает ли он вашу задачу?

В логах всё чисто — но агент может выбрать не тот инструмент, передать неверные аргументы или использовать устаревшие данные.

На курсе вы научитесь проверять ответы и tool calls, задавать метрики качества и находить такие ошибки до релиза.

«Раньше ты либо получал правильный ответ, либо ошибку. Сейчас добавляется: ты можешь получить 200 OK, но там не то, что ты хотел. И у тебя на больших бенчах это всё ломается».

— Василий Исаев, преподаватель курса
Как учим оценивать качество агентов →
02 · Для кого

Кому этот курс закрывает рабочую задачу

РазработчикуКоторый хочет понимать, как агенты устроены внутри, а не собирать их по чужим шаблонам.
Инженеру данных и аналитикуКоторому нужно подключить LLM к рабочим данным и процессам.
Владельцу продукта и техлидуКоторому поручили разобраться, где в компании нужны агенты, и поставить задачу команде.
Специалисту из смежной областиКоторый умеет читать код и хочет войти в AI-направление.
03 · Результат

Что вы сможете делать после курса

Собрать первого рабочего агента Спроектировать архитектуру под задачу, подключить инструменты, настроить логику действий и память. Архитектура агентов · tool calling · structured output
Научить агента работать с вашими данными Подключить документы и базы, проверить, что он подтягивает актуальную информацию. RAG · векторные базы · MCP
Понимать, когда агент работает неправильно Собрать проверки, найти типовые ошибки, поймать случаи «ответ выглядит верным, но неверен». Evals · метрики качества · отладка
Довести до пилота, а не до демо Мониторинг, стоимость эксплуатации, безопасность данных — всё, без чего решение можно показать на созвоне, но нельзя отдать пользователям. Деплой · мониторинг · работа с персданными · оптимизация стоимости
04 · Вводное занятие

Разберитесь, как устроен AI-агент — за 39 минут

Посмотрите фрагмент первого занятия и оцените содержание курса и преподавателя до покупки.

Вы узнаете
  • чем LLM отличается от AI-агента;
  • как связаны tools, memory, MCP и workflow;
  • как измерять качество, скорость и стоимость работы агента.

Это живая запись: участники задают вопросы по ходу занятия, а преподаватель разбирает их без заготовленных ответов.

05 · На практике

Почему агент из туториала не переносится на вашу задачу

Первого агента вы соберёте за вечер по любому гайду. А через месяц упрётесь: на своей задаче шаблон не ложится, и понимания, из чего он был собран, не осталось. Разница появляется, только когда видишь, как решение собирают целиком — с тупиками и объяснением, почему сделано именно так.

06 · Программа

3 блока курса

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

Василий Исаев

Блок 1 · Разработка агента
1.1Введение
Prompt-engineering · работа с LLM через API
→Обращаться к модели из кода и понимать, почему один и тот же промпт даёт разный результат
1.2Structured outputs и tool-calling
ReAct-агент · планировщик и исполнитель · память агента
→Собрать первого агента, который вызывает инструменты и держит контекст между шагами
1.3RAG
Поиск и работа со знаниями для агента
→Подключить свои документы и базы и проверить, что агент отвечает по актуальным данным, а не по памяти модели
1.4Архитектуры агентов
Разбор примеров: harness · openclaw · nanoclaw
→Разобрать, как устроены реальные агенты, и выбрать архитектуру под свою задачу

Андрей Киселёв

Блок 2 · Качество и оценка
2.1Отладка и мониторинг
→Видеть, что происходит внутри агента: трейсы, логи, на каком именно шаге он сломался
2.2Оценка качества, evaluation
→Собрать набор проверок и метрик, чтобы отвечать на вопрос «стало лучше или хуже» цифрами, а не ощущением
2.3Методы повышения качества
Борьба с галлюцинациями · guardrails
→Ловить ответы, которые выглядят правильными, но неверны, и ставить ограничители до того, как ошибку увидит пользователь

Евгений Чернов

Блок 3 · Фреймворки и деплой
3.1LangChain: анатомия агента
→Собрать пайплайн на фреймворке вместо самописного кода и понимать, из чего агент состоит внутри
3.2LangGraph: граф состояний и опасные инструменты
→Описать логику агента как граф состояний и огородить действия, которые нельзя отдавать модели без присмотра
3.3Мессенджер как интерфейс: Telegram-бот и MCP
→Дать агенту привычный вход через Telegram и подключить к нему внешние инструменты по MCP
3.4Observability: Langfuse
→Видеть, сколько стоит каждый запуск и где система деградирует, до того как это заметят пользователи
3.5Мультиагентные системы и протокол A2A
→Развести задачу между несколькими агентами и настроить обмен между ними
07 · Преподаватели

Кто ведёт курс

Василий Исаев

Василий Исаев

Разработка агента
Wildberries · Точка Банк

Разрабатывает агентные системы в Wildberries: агенты-кодеры, ревьюеры, сбор информации по спринтам.

  • — В Точка Банке построил систему оценки качества звонков — около 5 тысяч звонков в день, десятки тысяч рублей за один прогон обработки
  • — Настроил маскирование персональных данных перед отправкой во внешние модели
  • — Перевёл систему с дорогой модели на дешёвую без потери качества
  • — Отвечал за архитектуру, внедрение и эксплуатацию

На курсе ведёт блок «Разработка агента»: prompt-engineering и работа с LLM через API, structured outputs и tool-calling, ReAct-агент с памятью, RAG, разбор реальных архитектур.

Андрей Киселёв

Андрей Киселёв

Качество и оценка
Revolut · Яндекс.Доставка

12 лет в машинном обучении: computer vision, рекомендательные системы, ML-инфраструктура. Последние годы — работа с LLM-агентами.

  • — В Яндекс.Доставке работал над алгоритмами диспетчеризации курьеров
  • — В Revolut отвечал за AI-продукты в банкинге: support-чатбот, AI-поиск в приложении и AI Assistant — агента с доступом к транзакциям и инвестициям пользователей
  • — Продукт работает в проде по всей Британии и выкатывается в Европу
  • — Вёл команду из 10 человек, параллельно писал код сам
  • — Отвечал за решение целиком — от интерфейса и LLM-пайплайнов до закупки железа под inference и комплаенса

На курсе ведёт блок «Качество и оценка»: отладка и мониторинг, оценка качества и evaluation, борьба с галлюцинациями и guardrails.

Евгений Чернов

Евгений Чернов

Фреймворки и деплой
Wildberries

Руководитель ML/AI-направления в Wildberries. Отвечает за ML/AI-стрим и команду AI/ML-инженеров.

  • — Разрабатывает внутреннюю AI-платформу, где разработчики и менеджеры собирают многоагентные сценарии через веб-интерфейс и подключают корпоративные источники знаний
  • — Работал с моделями до 2 триллионов параметров на распределённых GPU-кластерах
  • — Квантизация, оптимизация инференса, GPU-топология, CUDA-ядра, распараллеливание инференса и обучения, дистилляция, SFT, RLHF
«Инженерный подход, эффективное потребление ресурсов и ориентированность на бизнес-эффект — основные постулаты в моей работе»
Александр Лыков

Александр Лыков

Автор программы
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.

08 · Уровень

Какой уровень нужен

Курс подойдёт, если вы

Умеете читать и изменять код на Python, работали с API и понимаете, что такое структура данных.

Опыт создания AI-агентов не требуется.

Скорее всего будет тяжело, если

Вы никогда не писали код и не работали с командной строкой.

09 · Формат

Как проходит обучение

Занятие

Разбираем тему вживую

Одно занятие в неделю. Преподаватель показывает подход и собирает код на глазах — не пересказывает слайды.

Задание

Делаете сами

Между занятиями есть домашние задания. Здесь и набиваются руки: занятие показывает как, задание проверяет, что вы поняли.

Обратная связь

Преподаватель смотрит вашу работу

Работы проверяют и разбирают — вы узнаёте не только что не так, но и почему именно так ломается.

Двенадцать недель, двенадцать занятий, три блока от трёх преподавателей. Каждый ведёт свою часть: разработка агента, качество и оценка, фреймворки и деплой.

10 · Для компаний

Если вам поручили AI на работе

Задача пришла от компании, а не от вас: разобраться, где здесь нужны агенты, и объяснить это команде и руководителю.

  • Как понять, где агент действительно нужен, а где хватит скрипта
  • Как поставить задачу разработчикам и проверить результат
  • Как оценить качество, стоимость и риски решения до внедрения
  • Оплата по счёту от компании
  • Какие документы предоставляем работодателю

Пришлём счёт и комплект документов для согласования с руководителем: программу, сроки, стоимость и обоснование.

11 · Школа

Курс сделан Школой высшей математики

6+лет делаем образовательные продукты
120+выпускников поступили в ШАД и ML-магистратуры
4.9из 5 — средняя оценка учеников

Школа выросла из подготовки к ШАД: годовые программы по математике и алгоритмам, 200 000+ прочтений статей на Habr, 30+ прямых эфиров, самый популярный задачник для поступающих. Преподаватели — из МГУ, МФТИ, Сбера и продуктовых команд.

Курс по агентам появился здесь не случайно. Базовых программ по агентам нет даже там, где сильную математику уже преподают, — поэтому мы собрали её сами, из практики трёх инженеров, которые ведут агентов в проде.

12 · Участие

Цена и оплата

Что входит в стоимость

  • 12 недель обучения, одно живое занятие в неделю
  • Домашние задания с обратной связью от преподавателей
  • Три блока от трёх преподавателей-практиков
  • Записи занятий и материалы остаются у вас
165 000 ₽ −27%
24 000 ₽
первоначальный взнос · дальше 8 000 ₽ в неделю
Вы вносите 24 000 ₽ при оформлении. Дальше двенадцать недель с той же карты автоматически списывается по 8 000 ₽ — по одному платежу к каждому занятию. Всего 120 000 ₽ вместо 165 000 ₽.
Оплата частямиВзнос 24 000 ₽, затем 12 списаний по 8 000 ₽ раз в неделю. Всю сумму вперёд вносить не нужно.
Оплата от компанииСчёт от юридического лица и комплект документов для работодателя.
Проверка заданийДомашние задания проверяют преподаватели, с обратной связью по каждой работе.
13 · Вопросы

Частые вопросы

Как устроена оплата и можно ли остановить списания?
При оформлении вы вносите первоначальный взнос 24 000 ₽ — это 20% стоимости. Дальше двенадцать недель с той же карты автоматически списывается по 8 000 ₽, по платежу к каждому занятию. Всего 120 000 ₽ вместо маркетинговой стоимости 165 000 ₽; наценки за возможность платить частями мы не добавляем.

Списания можно остановить в любой момент — напишите нам в Telegram, и мы отменим подписку.
Что если я не успею проходить программу в темпе потока?
Занятия идут раз в неделю, между ними есть время на домашние задания. Если неделя выпала — работа или отпуск, — записи и материалы остаются у вас, догнать можно к следующему занятию. Программа выстроена последовательно, поэтому пропущенное лучше закрыть до следующего блока: без первого блока второй читается тяжело.
Что если уровень окажется выше моего?
Порог входа мы держим ниже, чем кажется по программе: нужно уметь читать и изменять код на Python, работать с API и понимать, что такое структура данных. Опыт создания агентов не требуется — ему и учим. Среди участников первого потока есть владелец продукта, специалист по корпоративному хранилищу данных и эксперт геофизической организации, а не только разработчики.
Можно ли оплатить от компании и получить документы?
Да. Выставим счёт от юридического лица и подготовим комплект документов для работодателя — программу, сроки и стоимость. Напишите нам в Telegram, и мы пришлём всё, что нужно для согласования.
Когда стартует поток и можно ли присоединиться позже?
Поток стартует 17 сентября, дальше занятия идут раз в неделю. Присоединиться позже можно — записи прошедших занятий и материалы вы получите сразу. Но лучше не откладывать: программа выстроена последовательно, и второй блок опирается на первый.
Консультация · 15 минут

Сомневаетесь, ваш ли это курс? Спросите на консультации

12 недель и 120 000 ₽ — не та покупка, которую делают вслепую. За 15 минут вы поймёте, закроет ли курс вашу задачу. Если нет — скажем об этом прямо.

Разберём вашу задачуРасскажете, какого агента хотите собрать и зачем он нужен команде. Ответим, решается ли это программой курса.
Проверим уровеньХватит ли вашего Python и опыта с API, где будет тяжело и что стоит подтянуть до старта потока.
Пройдём по программеКакой из трёх блоков ближе к вашей работе и что вы унесёте с курса в свой проект.
Ответим про оплатуОплата частями, счёт для компании, документы для руководителя и что будет, если пропустить неделю.
Как это проходит

Пятнадцать минут в Zoom с командой курса — бесплатно и без обязательств. Никакого скрипта продаж: разговор заканчивается конкретным ответом — вам на курс или вам хватит вводного занятия и материалов. Выберите удобное время в календаре, ссылка на встречу придёт на почту.

Собрать агента — половина дела. Вторая — убедиться, что он работает

12 недель, три преподавателя-практика, домашние задания с проверкой. Опыт создания агентов не требуется.