Вы уже пишете код и хотите работать с ИИ: ускорить привычные задачи, сделать сервис на языковой модели или собрать агента. Курсов с «ИИ» в названии много, а программы у них про разное: один учит работать с ассистентом в редакторе, другой — строить продукт на LLM, третий — проектировать агентов.
Содержание
Ниже — как понять, какая задача ваша, какой курс под нее подходит и хватает ли вам знаний на входе.
Какую задачу вы решаете
Разработчик обычно приходит к ИИ с одной из трех задач:
- Ускорить свою ежедневную работу. Генерация шаблонного кода, тесты, рефакторинг, документация, разбор чужого кода и багов с помощью ассистентов в редакторе. Модель здесь — инструмент, а не часть продукта.
- Встроить LLM в продукт. Сервис, который отвечает по базе знаний компании, извлекает данные из документов или классифицирует обращения. Нужны промпты, RAG (поиск по своим данным перед генерацией ответа), оценка качества, развертывание и мониторинг.
- Собрать ИИ-агента. Программа, в которой модель сама выбирает следующий шаг: вызывает инструменты и API, получает результат и решает, продолжать или остановиться. Добавляются вопросы надежности, стоимости запросов и контроля поведения.
Это задачи отдельного разработчика. У тимлида и архитектора бывает четвертая: внедрить агентов в то, как разрабатывает вся команда — от требований до CI/CD и мониторинга.
Задачи пересекаются: агенту нужна та же работа с моделью, что и продукту на LLM, а курс про ассистентов может закончиться проектом с поиском по документам. Но акцент программы обычно один, и выбирать стоит по нему. Пример: если вы хотите, чтобы ассистент писал тесты к существующему сервису, ищите практику с ассистентами в своем коде, а не курс про архитектуру агентов.
Какой курс под какую задачу: сравнение
Шесть программ Otus для разных задач с ИИ удобно сравнить по задаче, входным знаниям и длительности (данные — со страниц курсов):
- Задача: ускорить свою работу с ассистентами для кода.
- На входе: один или несколько языков программирования, опыт работы в VS Code или похожем редакторе.
- Срок: 3 месяца.
- Задача: применять ИИ в работе с Python-кодом.
- На входе: Python на среднем уровне (ООП, модули, пакеты, виртуальные окружения), основы работы с API, тестированием и отладкой, базовый Git.
- Срок: 2 месяца.
- Задача: встроить LLM в продукт (промпты, RAG, дообучение, развертывание).
- На входе: базовый Python и основы нейронных сетей.
- Срок: 4 месяца.
- Задача: собрать ИИ-агента как систему.
- На входе: разработка на Python или JavaScript, основы API и баз данных.
- Срок: 2 месяца.
ИИ-агенты: продвинутое внедрение и использование
- Задача: внедрить агентов в разработку команды и продукта.
- На входе: базовые знания фронтенда или бэкенда, опыт с инфраструктурой и базами данных.
- Срок: 3 месяца.
Claude Code: от нуля до ИИ-агента
- Задача: автоматизировать рабочие задачи агентами без программирования.
- На входе: базовый опыт работы с ИИ-инструментами; программировать не нужно.
- Срок: 1 месяц.
Курс по Claude Code рассчитан на тех, кто не пишет код, но подойдет и разработчику, которому нужен короткий практический курс: собрать агентов для документации, отчетов и рутины вокруг кода за месяц.
Чем отличаются похожие курсы
LLM-инженер или ML-инженер
Эти роли удобно различать по стартовой точке. ML-инженер чаще работает с моделями, которые нужно обучить на своих данных: рекомендации, временные ряды, классификация.
LLM-инженер чаще начинает с предобученной языковой модели и решает задачу промптами, подключением данных и инструментов. Дообучает ее, когда этого не хватает: в программе «LLM-инженера» есть отдельный модуль про дообучение (LoRA, QLoRA). Граница не жесткая — ML-инженер тоже применяет готовые модели.
Поэтому выбирайте по задаче. Если нужно научить модель на ваших данных предсказывать число или класс, вам ближе курсы машинного обучения.
Если нужен сервис, который с помощью языковой модели отвечает на вопросы по документам, извлекает из них данные или помогает писать тексты, — курс по LLM. Путь от прототипа до развертывания и мониторинга такого сервиса разбирают на курсе «LLM-инженер».
Разработка ИИ-агентов или ИИ-агенты: продвинутое внедрение и использование
Оба курса для разработчиков с опытом, но фокус разный:
- «Разработка ИИ-агентов» (2 месяца) — про то, как устроен сам агент. Агентный цикл (ReAct), подключение инструментов через вызов функций (Function Calling), выбор и переключение моделей с резервной моделью на случай сбоя, контроль затрат и галлюцинаций. Итог — рабочий агент или агентная система.
- «ИИ-агенты: продвинутое внедрение и использование» (3 месяца) — про то, как работать с агентами в разработке продукта. Перенос требований в рабочий фронтенд и бэкенд вместе с ИИ, проектирование систем с ИИ-функциями, настройка CI/CD, логирования и мониторинга с помощью агентов.
Если вы пишете агента как продукт — первый вариант. Если отвечаете за то, как команда разрабатывает с помощью агентов, — второй.
ИИ для разработчиков или курс по LLM и агентам
Основной акцент курса «ИИ для разработчиков» — ассистенты в своем рабочем процессе: генерация кода и тестов, рефакторинг, документация, онбординг в чужой код, поиск багов.
Продукт на LLM здесь не главная тема, но среди вариантов выпускного проекта есть MCP-сервер, который превращает папку с документами в базу знаний с поиском. Если ваша цель — выпускать ИИ-функции для пользователей, выбирайте между «LLM-инженером» и курсами по агентам.
Курс «ИИ в Python-проектах» короче и уже по задачам: разбор и рефакторинг больших Python-проектов, тесты и отладка с ИИ, ревью и подключение ИИ-инструментов к CI/CD. «ИИ для разработчиков» не привязан к языку и шире по охвату: ассистенты в редакторе, документация и онбординг, агентные фреймворки и локальные модели, безопасность ИИ в команде.
Python-разработчику подойдут оба: выбор зависит от того, нужна ли практика на Python-коде или общий набор приемов для команды на разных языках.
Как проверить, что вы готовы к курсу
Входные требования у курсов разные, их стоит проверить по строке нужного курса в таблице:
- «LLM-инженер» — базовый Python и основы нейронных сетей.
- «Разработка ИИ-агентов» — разработка на Python или JavaScript, основы API и баз данных: как устроен HTTP-запрос к API и как приложение хранит данные.
- «ИИ в Python-проектах» — Python на среднем уровне (классы, модули, пакеты, виртуальные окружения, исключения), понимание структуры проекта, основы работы с API, тестированием и отладкой, базовый Git: клонировать репозиторий, делать коммиты и ветки.
- «ИИ для разработчиков» — любой язык программирования и опыт работы в редакторе кода.
Если не хватает программирования, начните с курса по языку. Если код писать умеете, но не работали с API и базами данных, сначала закройте этот пробел, а потом выбирайте курс по агентам. «ИИ для разработчиков» — для тех, кому нужны ассистенты в ежедневной работе с кодом, а не замена курсу по агентам.
Полезная проба до записи: попробуйте ассистента для кода в своем редакторе на одной реальной задаче. Вы увидите, где он ускоряет работу и где ошибается.
Что спросить у школы перед записью
Сравнивая курсы разных школ, задайте каждой одинаковые вопросы:
- Какой уровень нужен на входе и есть ли вступительный тест?
- Что будет итоговым проектом и можно ли взять свою рабочую задачу?
- Когда программа последний раз обновлялась? Инструменты ИИ меняются за месяцы, и программа двухлетней давности может не учитывать нынешние ассистенты и агентов.
- Над какими задачами преподаватели работают сейчас и будут ли на курсе разбирать проекты, похожие на ваш?
- Как проходят занятия: живые вебинары с вопросами или только записи?
FAQ
Можно ли пойти на курс по LLM без опыта в машинном обучении?
Да, опыт в ML для курса «LLM-инженер» не нужен, но нужны базовый Python и основы нейронных сетей. Архитектуру трансформеров разбирают в программе.
Подойдет ли курс по ИИ-агентам фронтенд-разработчику?
Подойдет, если вы пишете на JavaScript, уверенно работаете с API и понимаете, как приложение хранит данные. Для курса «Разработка ИИ-агентов» нужен опыт разработки на Python или JavaScript.
Сколько времени в неделю нужно на такой курс?
На курсе «ИИ для разработчиков» — две онлайн-трансляции по два академических часа в неделю, плюс домашние задания и проект. Время на домашние задания у всех разное: заложите в график еще несколько часов в неделю и уточните нагрузку у школы.
Какой курс выбрать
- Хотите, чтобы ассистент помогал с кодом каждый день, — «ИИ для разработчиков».
- Хотите отработать ИИ на своих Python-проектах: рефакторинг, тесты, отладка, CI/CD, — «ИИ в Python-проектах».
- Делаете сервис на языковой модели — «LLM-инженер».
- Строите агента как продукт — «Разработка ИИ-агентов».
- Отвечаете за то, как команда разрабатывает с агентами, — «ИИ-агенты: продвинутое внедрение и использование».
- Нужен месячный практический курс, чтобы автоматизировать рутину вокруг кода (документацию, отчеты) без разработки своего сервиса, — «Claude Code: от нуля до ИИ-агента».
Если сомневаетесь между двумя курсами и по выбранному курсу есть живой открытый урок Otus, задайте вопрос о своей задаче преподавателю. Если урока нет, уточните условия у команды курса.
Смежные темы: Как создать ИИ-агента, RAG: что это и как работает.



