Начинайте с бизнес-решения, потребности пользователя и измеримого результата. Различайте обычное ПО, автоматизацию по правилам, машинное обучение и генеративный ИИ; выбирайте ИИ только при измеримой ценности.

1. Постановка бизнес-задачи и целесообразность ИИ — Цели обучения и ключевые знания по теме
2. Постановка бизнес-задачи и целесообразность ИИ — Понятия, термины и их практическое значение
3. Постановка бизнес-задачи и целесообразность ИИ — Пошаговое применение метода, инструмента или рабочего процесса
4. Постановка бизнес-задачи и целесообразность ИИ — Реальный кейс, практическое задание и анализ ошибок
5. Постановка бизнес-задачи и целесообразность ИИ — Проверка знаний, контроль качества и краткая оценка

Практика: Выберите процесс и опишите проблему, baseline, улучшаемое решение, пользователей, метрику успеха и аргумент за или против ИИ.

Оценивание и завершение: Слушатель умеет определить уместность ИИ и измеримую бизнес-цель до выбора технологии.

Разберитесь в данных, признаках, метках, моделях, обучении, валидации и инференсе. Отделяйте возможности модели от качества данных и от окружающего рабочего процесса.

1. Модели, данные, обучение и инференс — Цели обучения и ключевые знания по теме
2. Модели, данные, обучение и инференс — Понятия, термины и их практическое значение
3. Модели, данные, обучение и инференс — Пошаговое применение метода, инструмента или рабочего процесса
4. Модели, данные, обучение и инференс — Реальный кейс, практическое задание и анализ ошибок
5. Модели, данные, обучение и инференс — Проверка знаний, контроль качества и краткая оценка

Практика: Нарисуйте путь от сырых данных к обучению/выбору модели, инференсу, результату, проверке и обратной связи; отметьте риски качества данных.

Оценивание и завершение: Слушатель различает обучение и инференс и выявляет слабые места данных/процесса.

Соотносите классификацию, прогнозирование, рекомендации, извлечение из документов, поддержку, генерацию и автоматизацию с методом, который действительно подходит задаче.

1. Бизнес-сценарии ИИ и автоматизация — Цели обучения и ключевые знания по теме
2. Бизнес-сценарии ИИ и автоматизация — Понятия, термины и их практическое значение
3. Бизнес-сценарии ИИ и автоматизация — Пошаговое применение метода, инструмента или рабочего процесса
4. Бизнес-сценарии ИИ и автоматизация — Реальный кейс, практическое задание и анализ ошибок
5. Бизнес-сценарии ИИ и автоматизация — Проверка знаний, контроль качества и краткая оценка

Практика: Классифицируйте три задачи как прогноз, классификацию, извлечение, рекомендацию, генерацию или автоматизацию; укажите не-ИИ альтернативу.

Оценивание и завершение: Слушатель сопоставляет задачу с подходящим AI или не-AI методом и обосновывает выбор.

Хороший промпт задает цель, контекст, ограничения, примеры и формат результата. Важные ответы опирайте на утвержденные источники и проверяйте факты.

1. Генеративный ИИ, проектирование промптов и grounding — Цели обучения и ключевые знания по теме
2. Генеративный ИИ, проектирование промптов и grounding — Понятия, термины и их практическое значение
3. Генеративный ИИ, проектирование промптов и grounding — Пошаговое применение метода, инструмента или рабочего процесса
4. Генеративный ИИ, проектирование промптов и grounding — Реальный кейс, практическое задание и анализ ошибок
5. Генеративный ИИ, проектирование промптов и grounding — Проверка знаний, контроль качества и краткая оценка

Практика: Создайте промпт с целью, контекстом, ограничениями, примерами и схемой вывода; добавьте источник, чек-лист проверки и один сбойный случай.

Оценивание и завершение: Слушатель создает ограниченный и grounded GenAI-процесс с проверкой важных результатов.

Минимизируйте сбор данных, классифицируйте чувствительную информацию, управляйте доступом и сроками хранения, учитывайте политику поставщика и предотвращайте утечки через промпты, логи и ответы.

1. Качество данных, конфиденциальность и управление информацией — Цели обучения и ключевые знания по теме
2. Качество данных, конфиденциальность и управление информацией — Понятия, термины и их практическое значение
3. Качество данных, конфиденциальность и управление информацией — Пошаговое применение метода, инструмента или рабочего процесса
4. Качество данных, конфиденциальность и управление информацией — Реальный кейс, практическое задание и анализ ошибок
5. Качество данных, конфиденциальность и управление информацией — Проверка знаний, контроль качества и краткая оценка

Практика: Постройте карту данных с персональной/конфиденциальной информацией, хранением, доступом, сроками, границами поставщика и удалением.

Оценивание и завершение: Слушатель выявляет потоки чувствительных данных и задает privacy/access/retention controls.

Оценивайте ИИ на тестовом наборе и по явным критериям: фактическая точность, успех задачи, согласованность, риски смещения, галлюцинации, задержка и полная стоимость; для существенных решений нужен человек.

1. Оценка: точность, галлюцинации, смещение, стоимость и задержка — Цели обучения и ключевые знания по теме
2. Оценка: точность, галлюцинации, смещение, стоимость и задержка — Понятия, термины и их практическое значение
3. Оценка: точность, галлюцинации, смещение, стоимость и задержка — Пошаговое применение метода, инструмента или рабочего процесса
4. Оценка: точность, галлюцинации, смещение, стоимость и задержка — Реальный кейс, практическое задание и анализ ошибок
5. Оценка: точность, галлюцинации, смещение, стоимость и задержка — Проверка знаний, контроль качества и краткая оценка

Практика: Создайте 20 тестовых кейсов и сравните две версии процесса по корректности, релевантности, согласованности, задержке и стоимости; запишите галлюцинации.

Оценивание и завершение: Слушатель проектирует повторяемую оценку и совместно интерпретирует качество, риск, задержку и стоимость.

Проектируйте весь процесс: триггер, вход, вызов модели/инструмента, утверждение человеком, исключения, аудит и откат. Граница автоматизации должна учитывать последствия ошибки.

1. Human-in-the-Loop и проектирование рабочего процесса — Цели обучения и ключевые знания по теме
2. Human-in-the-Loop и проектирование рабочего процесса — Понятия, термины и их практическое значение
3. Human-in-the-Loop и проектирование рабочего процесса — Пошаговое применение метода, инструмента или рабочего процесса
4. Human-in-the-Loop и проектирование рабочего процесса — Реальный кейс, практическое задание и анализ ошибок
5. Human-in-the-Loop и проектирование рабочего процесса — Проверка знаний, контроль качества и краткая оценка

Практика: Нарисуйте процесс с человеческим утверждением, условием эскалации и откатом; обоснуйте каждую контрольную точку.

Оценивание и завершение: Слушатель проектирует human oversight, escalation и rollback.

Считайте входы модели и результаты инструментов недоверенными. Тестируйте prompt injection, раскрытие данных, лишние права, зависимости и обработку результатов; выдавайте агентам минимум полномочий.

1. Безопасность ИИ, Prompt Injection и чрезмерные полномочия — Цели обучения и ключевые знания по теме
2. Безопасность ИИ, Prompt Injection и чрезмерные полномочия — Понятия, термины и их практическое значение
3. Безопасность ИИ, Prompt Injection и чрезмерные полномочия — Пошаговое применение метода, инструмента или рабочего процесса
4. Безопасность ИИ, Prompt Injection и чрезмерные полномочия — Реальный кейс, практическое задание и анализ ошибок
5. Безопасность ИИ, Prompt Injection и чрезмерные полномочия — Проверка знаний, контроль качества и краткая оценка

Практика: Сделайте threat model для AI-ассистента с инструментами: prompt injection, secrets, permissions, unsafe outputs, third-party dependencies и контроли.

Оценивание и завершение: Слушатель выявляет основные GenAI security risks и применяет least privilege и validation.

Организуйте риск-менеджмент с владельцами, реестром сценариев, оценкой воздействия, измерением, контролями, мониторингом и реагированием. NIST AI RMF является полезной добровольной основой.

1. Управление ИИ, риск-менеджмент и ответственное внедрение — Цели обучения и ключевые знания по теме
2. Управление ИИ, риск-менеджмент и ответственное внедрение — Понятия, термины и их практическое значение
3. Управление ИИ, риск-менеджмент и ответственное внедрение — Пошаговое применение метода, инструмента или рабочего процесса
4. Управление ИИ, риск-менеджмент и ответственное внедрение — Реальный кейс, практическое задание и анализ ошибок
5. Управление ИИ, риск-менеджмент и ответственное внедрение — Проверка знаний, контроль качества и краткая оценка

Практика: Создайте реестр риска AI: use case, owner, affected users, harm, likelihood, impact, controls, evidence, monitoring metric, review date.

Оценивание и завершение: Слушатель создает аудируемую запись управления и риска ИИ.

Стройте бизнес-кейс от baseline: выгода, внедрение, API/модель, время сотрудников, контроли риска и change management. Запускайте ограниченный пилот и масштабируйте только при наличии доказательств.

1. Бизнес-кейс, ROI, пилот и итоговый план развертывания — Цели обучения и ключевые знания по теме
2. Бизнес-кейс, ROI, пилот и итоговый план развертывания — Понятия, термины и их практическое значение
3. Бизнес-кейс, ROI, пилот и итоговый план развертывания — Пошаговое применение метода, инструмента или рабочего процесса
4. Бизнес-кейс, ROI, пилот и итоговый план развертывания — Реальный кейс, практическое задание и анализ ошибок
5. Бизнес-кейс, ROI, пилот и итоговый план развертывания — Проверка знаний, контроль качества и краткая оценка

Практика: Подготовьте пилот: baseline, KPI, scope, budget, risk controls, evaluation plan, go/no-go threshold и review через 30 дней.

Оценивание и завершение: Слушатель представляет доказательный бизнес-кейс и пилот с обоснованным go/no-go.