Proglib Academy, Михаил Бондаревский и др. | Искусственный интеллект, AI-агенты, Backend [AgentOps] (2026) PCRec [RU]
Авторы: Михаил Бондаревский, Дмитрий Антипов, Андрей Носов, Сергей Нотевский, Александр Ошурков
Производство: Proglib Academy (при партнерстве с SourceCraft от Яндекса)Жанр: искусственный интеллект, AI, backend, LLM, оркестрация агентов
Описание: Онлайн-курс для разработчиков и LLM-инженеров о том, как внедрять AI-логику в бэкенд и сохранять стабильность сервиса. Курс помогает пройти путь от простого MVP к надежному production-сервису, предотвратить перерасход бюджетов на LLM API и настроить прозрачный мониторинг, безопасные вызовы инструментов и предсказуемое поведение AI-агентов.
Продолжительность: 31:07:19
Качество видео: PCRec
Язык озвучки: русский
- Backend-разработчикам, планирующим интеграцию AI-логики в сервисы.
- LLM-инженерам и AI-специалистам.
- Техническим специалистам и архитекторам ПО, запускающим AI-сервисы в production.
- Инженерам, стремящимся контролировать поведение, безопасность и стоимость AI-агентов.
- Базовые знания backend-разработки (Python, FastAPI, PostgreSQL, Redis, Docker).
- Понимание принципов работы LLM и базовых концепций машинного обучения.
- Опыт работы с API и веб-сервисами.
- Встраивать AI-слой в backend-архитектуру (API, оркестрация, инструменты, хранилище состояния).
- Сделать поведение AI-агента предсказуемым (лимиты, повторные запросы, контроль действий).
- Настраивать безопасные вызовы инструментов (валидация, политики доступа, ограничения).
- Настраивать наблюдаемость системы (метрики, трассировка, оповещения).
- Тестировать AI-логику (датасеты, регрессионные тесты, проверки качества).
- Контролировать стоимость (лимиты токенов, бюджет на запрос, резервные модели).
Курс «AgentOps» от Proglib Academy разработан при партнерстве с SourceCraft (Яндекс). Программа сосредоточена на превращении непредсказуемых AI-прототипов в устойчивые production-системы. Студенты учатся рассчитывать unit-экономику AI-сервиса, проектировать state machine для агентов, контролировать контекст, изолировать инструменты и выстраивать полный цикл мониторинга и отладки.
- Модуль 1. Production-подход и экономика AI-сервиса.
- Модуль 2. Архитектура управления: state machine для AI-агентов.
- Модуль 3. Управление контекстом и защита входа.
- Модуль 4. Инструменты агента и интеграция с внешними сервисами.
- Модуль 5. Наблюдаемость и отладка AI-систем.
- Модуль 6. Безопасность, лимиты и контроль выполнения.
- Модуль 7. Тестирование и оценка качества (Evals).
- Модуль 8. Финальный проект: Запуск production-ready AI-сервиса.
- Михаил Бондаревский — ведущий продуктовый архитектор в SourceCraft от Яндекса, Ex-Microsoft.
- Дмитрий Антипов — Мастер спорта по AI-first разработке и спикер Highload++, AI Journey, Yandex PML.
- Андрей Носов — AI-архитектор, Raft Ex-Nokia Bell Labs, Huawei, MTS AI.
- Сергей Нотевский — AI Platform Lead в Битрикс24.
- Александр Ошурков — Руководитель направления ML, MTS Web Services.
AI-агент в MVP может работать отлично, но в production он часто сжигает бюджет и выдает непредсказуемые результаты. Овладение практиками AgentOps позволяет контролировать расходы на LLM, гарантировать безопасность выполнения пользовательских промптов, защищать сервис от промпт-инъекций и обеспечивать высокий SLA.
Скриншоты:
Время раздачи: 24/7 (круглосуточно) (минимум до появления первых 3–5 скачавших) 
(Голосов: 
