Мы сами пишем агентов, поэтому я шёл за нюансами. И нашёл их — мелкие production-детали по RAG, неочевидные ссылки на проекты, разбор методов обучения агентов. Видно, что преподаватели — практики.
Авторы и преподаватели
Василий Исаев
Разработка агентаWildberries · 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
Качество и оценкаRevolut · 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
Фреймворки и деплойWildberries
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
Автор программыАкадемический 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.
