ML, AI и агентная разработка: от основ до инструментов

Курс о том, как на самом деле работают машинное обучение, глубокое обучение и современный AI — и как на этом фундаменте строить агентные системы. Ориентирован на разработчика, который хочет не просто «дёргать API», а понимать движок под капотом: как модели учатся, что такое нейросети и трансформеры, откуда взялись большие языковые модели, и как из модели собрать агента, действующего в мире через инструменты.

Курс намеренно дополняет два других в коллекции. Курс по Data Science даёт прикладной классический ML (pandas, scikit-learn, оценка) — здесь мы идём глубже в принципы: оптимизация, нейросети, глубокое обучение. Курс по LLM учит строить приложения поверх готовых моделей (промптинг, RAG, API) — здесь мы объясняем, почему эти модели работают, и поднимаемся до инженерии агентов как дисциплины. Вместе три курса дают полную картину: применять, понимать, строить.

Две части. Фундамент (уроки 1–7): карта AI/ML/DL, как модели учатся (оптимизация), парадигмы обучения, нейросети, архитектуры глубокого обучения, трансформеры и LLM, фундаментальные модели и генеративный AI. Агенты и инженерия (уроки 8–12): что такое агент, инструменты и протокол MCP, паттерны и фреймворки агентных систем, оценка и безопасность, продакшн. Ландшафт инструментов дан на середину 2026 года (MCP, LangGraph, оркестрация агентов) — но принципы важнее конкретных библиотек, которые меняются ежемесячно.

Каждый урок содержит теорию, примеры (диаграммы, псевдокод, Python), чеклист и квиз. Сквозная идея: современный AI — это не магия, а понятная инженерная башня из идей, каждую из которых можно освоить. Понимание фундамента отличает того, кто осознанно строит надёжные системы, от того, кто копирует чужой код и надеется, что сработает.