ИИ-агенты уже могут писать код и выполнять задачи самостоятельно. Но как не потерять контекст между сессиями, организовать работу нескольких агентов и проверить результат? Как научить LLM находить нужные документы, развернуть модель на собственном компьютере или выбрать подходящую архитектуру для компьютерного зрения?
Собрали 26 открытых вебинаров, посвящённых этим и другим практическим вопросам. В подборке — ИИ-агенты, RAG, векторный поиск, инструменты для разработчиков, LLM, машинное обучение и аналитика. Занятия проведут преподаватели курсов, участие бесплатное.
ИИ-агенты и мультиагентные системы
23 ноября 20:00 — Команда ИИ-агентов в разработке Python-проекта: как организовать совместную работу специализированных агентов
–> Когда над одним проектом работают несколько агентов, важно разделить между ними анализ кода, разработку, тестирование и ревью. Разберём передачу контекста, координацию задач и предотвращение конфликтов при параллельной работе.
24 ноября 20:00 — Архитектурные паттерны ИИ-агентов: как проектировать автономные решения для бизнеса
–> Для автоматизации многоэтапных бизнес-процессов рассмотрим ReAct и Plan-and-Execute. На практическом примере покажут, как выбрать архитектуру агента и задокументировать проектное решение.
1 декабря 20:00 — ИИ-агенты: настраиваем среду и организуем работу над проектом
–> Чтобы агент не терял договорённости и прогресс после новой сессии, научимся работать с AGENTS.md, CLAUDE.md и проектной документацией. Отдельно разберём Skills и Hooks для повторяемых действий.
15 декабря 20:00 — AI-агенты и MCP: аналитика ClickHouse на естественном языке
–> Как получать ответы из ClickHouse, не составляя SQL-запросы вручную? Рассмотрим подключение ИИ-агента через MCP, преобразование запросов из естественного языка в SQL и вопросы безопасности доступа к данным.
RAG, векторный поиск и базы данных для ИИ
18 ноября 20:00 — C# и векторный поиск
–> Для .NET-приложения нужен поиск по смыслу, а не только по точному совпадению слов? На практике реализуем семантический поиск и соберём минимальное RAG-приложение на C#.
19 ноября 18:00 — Qdrant: поиск по документам с фильтрацией по метаданным
–> RAG может найти подходящий по смыслу, но устаревший документ или инструкцию другого отдела. Сравним поиск в Qdrant с фильтрами по метаданным и без них, а затем проверим ответы LLM.
30 ноября 20:00 — AI вместе с PostgreSQL
–> Если данные уже хранятся в PostgreSQL, необязательно сразу переносить их в отдельную векторную базу. Разберём pgvector, pgai, lantern, построение RAG и ограничения AI-логики внутри СУБД.
2 декабря 20:00 — Векторный поиск и RAG на базе ClickHouse
–> Посмотрим, как хранить эмбеддинги в ClickHouse, находить семантически близкие записи и передавать найденный контекст языковой модели для генерации ответа.
ИИ-инструменты для разработчиков
11 ноября 20:00 — ИИ-агент по расписанию: как заставить Claude Code работать, пока вы заняты другим
–> Каждое утро вручную собирать задачи, важные письма и напоминания необязательно. Настроим Claude Code для запуска по расписанию и разберём, как получать отчёты и контролировать действия агента.
12 ноября 20:00 — Интеграция ИИ в среду разработки на Python
–> От автодополнения кода до автономных агентов: посмотрим, как ИИ встраивается в жизненный цикл разработки и какие архитектурные подходы помогают интегрировать инструменты в Python-проекты.
19 ноября 20:00 — Инструменты на базе ИИ для Python-разработчиков
–> Написание тестов, поиск ошибок, рефакторинг и анализ чужого кода — разберём, где ИИ действительно полезен, как выбирать модели и почему сгенерированные решения всё равно требуют проверки.
15 декабря 20:00 — Вайб-кодинг работает — но не всегда и не у всех
–> ИИ быстро генерирует код, но хаотичные промпты нередко приводят к нестабильным решениям. На примере open-source проекта разберём, как перейти к более системной работе с готовыми шаблонами.
LLM: устройство моделей, локальный запуск и развитие компетенций
12 ноября 20:00 — Что надо знать про работу LLM моделей
–> Почему модель выбирает именно такой ответ и как использует контекст? Разберём механизм генерации текста, локальный запуск через vLLM и тестирование модели по API.
16 ноября 18:00 — Тенденции LLM и генеративного ИИ (GenAI)
–> Для тех, кто работает с языковыми моделями и планирует развитие проектов: обзор текущего состояния LLM, агентных систем и генеративного ИИ, а также направлений развития на 2027 год.
17 ноября 20:00 — Какие компетенции нужны LLM-инженеру для разработки в 2027 году
–> Занятие для специалистов, которые хотят оценить свои навыки в LLM-разработке и определить, на каких компетенциях сосредоточиться в следующем году.
2 декабря 20:00 — Ollama: как развернуть и запускать языковые модели локально
–> Когда модель нужно запускать на собственном оборудовании, возникают вопросы памяти, производительности и выбора весов. Установим Ollama, запустим LLM и рассмотрим квантизацию и управление версиями моделей.
Машинное обучение, Computer Vision и Edge AI
18 ноября 20:00 — Нейросети в алгоритмической торговле — учим модель принимать торговые решения
–> Разберём, как использовать рыночные индикаторы — скользящие средние, RSI, MACD и другие — в качестве признаков для нейросети и построить на Python простую торговую стратегию.
23 ноября 20:00 — Edge AI баттл: Raspberry Pi 5 + Hailo-8 против Jetson Orin Nano
–> Для видеоаналитики на компактном оборудовании важна не только нейросеть, но и обработка видеопотоков. Сравним GPU и NPU, аппаратное декодирование, квантование и работу с несколькими камерами.
2 декабря 18:00 — Ансамбли моделей — мощная техника решения ML задач
–> Когда одной модели недостаточно, можно объединить несколько алгоритмов. Рассмотрим бэггинг, случайный лес и стекинг — разные способы использовать ансамбли в задачах машинного обучения.
14 декабря 18:00 — Практические методы построения рекомендательных систем
–> Как предлагать пользователю товары или контент на основе его предпочтений? Разберём матричное разложение SVD и применение этого алгоритма при построении рекомендательной системы.
14 декабря 20:00 — От YOLO к Vision Transformers: как меняется современный object detection
–> При выборе детектора объектов приходится учитывать точность, скорость и вычислительные затраты. Сравним подходы YOLO и DETR, особенности их архитектур и сценарии применения.
ИИ в аналитике данных и бизнес-процессах
16 ноября 20:00 — AI для Delivery Manager: какие управленческие задачи уже можно автоматизировать
–> Планирование, отчётность, анализ рисков и контроль состояния проектов отнимают много времени. Обсудим, что из этого можно поручить ИИ, а где решение должен принимать менеджер.
18 ноября 19:00 — Цикл зрелости Gartner для корпоративной архитектуры 2026: Навигация в эпоху ИИ-трансформации и бизнес-гибкости
–> Как выбирать архитектурные инициативы в условиях ИИ-трансформации и объяснять их ценность бизнесу? Разберём Hype Cycle Gartner 2026, технологические приоритеты и стратегии внедрения.
23 ноября 20:00 — Какие навыки системного аналитика не заменит нейросеть
–> Нейросеть подготовила убедительные требования, но исходные данные противоречат друг другу. На практическом примере разберём, где нужны уточнение задачи, согласование критериев приёмки и профессиональная проверка результата.
30 ноября 20:00 — ИИ-инструменты аналитика данных
–> Excel, CSV, расчёт показателей, поиск аномалий и подготовка диаграмм — посмотрим, какие этапы анализа можно ускорить с помощью ИИ и как проверять его выводы.
15 декабря 20:00 — От выгрузки Excel до выводов за 60 минут: разведочный анализ с ИИ без кода
–> На примере «грязного» датасета проведём первичный анализ без программирования. Участникам покажут шаблоны промптов и чек-лист, помогающий проверять ответы нейросети.
Больше бесплатных уроков по разработке, искусственному интеллекту и не только смотрите в календаре мероприятий Otus.
Автор: MaxRokatansky
