Aller au contenu
L-SYSTEM

intermédiaire

Applied AI for Big4 IT Professionals

Практический курс по искусственному интеллекту для IT-специалистов Big4 и других professional-services фирм. Не подготовка Data Scientist, а умение выбрать подходящий AI-подход, посчитать качество, цену и риск и спроектировать PoC, который может честно сказать «нет». Весь курс проходит на одном сквозном кейсе: вы работаете в группе Digital & IT вымышленной фирмы Aldervane Advisory LLP и ведёте два пилота. Triage PoC — подсказки и частичная авто-маршрутизация тикетов ENGAGE Service Desk. Policy Assistant — RAG-ассистент по внутренним IT-политикам, который затем получает ограниченные действия как агент. Данные и документы синтетические, но с настоящими дефектами: leakage в выгрузке тикетов, отменённая версия политики в индексе, папка клиента с ограниченным доступом. Темы: постановка AI use case; optimization; вероятность, base rate и байесовское обновление; классический ML — regression, classification, similarity, triage; работа с корпоративными документами; evaluation — precision, recall, overfitting, shadow mode, monitoring; нейросети без магии; LLM и способы адаптации; RAG; AI-агенты, least privilege и prompt injection; Responsible AI и governance, включая EU AI Act, NIST AI RMF и ISO/IEC 42001 по состоянию на сентябрь 2026 года; business case и критерии go / iterate / stop; capstone-proposal для совета практик. Каждая тема подаётся как боль → решение → цена. Около 190 тренировочных заданий, в том числе расчётные; схемы и иллюстрации в каждом юните. Три необязательные лаборатории на Python с готовыми генераторами данных: прогноз нагрузки, классификация тикетов и прототип RAG.

Votre leçon est dans votre langue : c’est votre assistant qui la mène.

  • Contenu: russe
  • Examen: russe — passé sur le site, non traduit
Comment ça marche

Votre assistant récupère le contenu du cours sur notre serveur et mène la leçon dans votre langue.

L’examen se passe sur le site, sans assistant. Les questions d’examen ne sont pas traduites : c’est la règle pour tous les cours.

Comment connecter un assistant

Parcours du cours

· 19 unités

l’ordre est libre · les étapes ci-dessous sont l’ordre suggéré par l’auteur, pas une conditionAffichage: carte · niveaux

  1. Niveau 1

    ~1,5 h

  2. Niveau 2

    ~5 h

    selon le plan de l’auteur, après « AI в Professional Services: от задачи к ценности »

  3. Niveau 3

    ~7 h

  4. Niveau 4

    ~6 h

  5. Niveau 5

    ~1,5 h

  6. Niveau 6

    ~2,5 h

  7. Niveau 7

    ~2,5 h

  8. Niveau 8

    ~7,5 h

  9. Niveau 9

    ~2 h

    • 15 · selon le plan de l’auteur, après « Model Evaluation, overfitting и business metrics », « Responsible AI, privacy, security и governance »

      AI Business Case: от идеи к PoC

      ~2 h

  10. Niveau 10

    ~4 h

    • 16 · selon le plan de l’auteur, après 13 de celles-ci : « AI в Professional Services: от задачи к ценности », « Optimization: когда AI ищет лучшее решение », « Probability и неопределённость », « Bayesian reasoning: обновляем уверенность по evidence », « Machine Learning Fundamentals », « Regression и forecasting », « Classification, similarity и triage », « Работа с текстом и enterprise documents », « Model Evaluation, overfitting и business metrics », « Neural Networks и Deep Learning без магии », « Generative AI и LLM в enterprise », « RAG и Enterprise Knowledge », « AI Agents и workflow automation », « Responsible AI, privacy, security и governance », « AI Business Case: от идеи к PoC »

      Capstone: AI Solution Proposal

      ~4 h

  11. Examen

    fermée · inscrivez-vous au cours

    • final · dans le navigateur, sans l’assistant

      Examen

Le parcours en mots
  • Niveau 1 · AI в Professional Services: от задачи к ценности — ~1,5 h
  • Niveau 2 · Optimization: когда AI ищет лучшее решение — selon le plan de l’auteur, après « AI в Professional Services: от задачи к ценности »; ~1,5 h
  • Niveau 2 · Probability и неопределённость — selon le plan de l’auteur, après « AI в Professional Services: от задачи к ценности »; ~1,5 h
  • Niveau 2 · Machine Learning Fundamentals — selon le plan de l’auteur, après « AI в Professional Services: от задачи к ценности »; ~2 h
  • Niveau 3 · Bayesian reasoning: обновляем уверенность по evidence — selon le plan de l’auteur, après « Probability и неопределённость »; ~1,5 h
  • Niveau 3 · Regression и forecasting — selon le plan de l’auteur, après « Machine Learning Fundamentals »; ~1,5 h
  • Niveau 3 · Classification, similarity и triage — selon le plan de l’auteur, après « Machine Learning Fundamentals »; ~2 h
  • Niveau 3 · Работа с текстом и enterprise documents — selon le plan de l’auteur, après « Machine Learning Fundamentals »; ~2 h
  • Niveau 4 · Model Evaluation, overfitting и business metrics — selon le plan de l’auteur, après « Regression и forecasting », « Classification, similarity и triage »; ~2 h
  • Niveau 4 · Optional Lab: Regression на Python — selon le plan de l’auteur, après « Regression и forecasting »; facultative; ~2 h
  • Niveau 4 · Optional Lab: Text Classification на Python — selon le plan de l’auteur, après « Classification, similarity и triage »; facultative; ~2 h
  • Niveau 5 · Neural Networks и Deep Learning без магии — selon le plan de l’auteur, après « Model Evaluation, overfitting и business metrics »; ~1,5 h
  • Niveau 6 · Generative AI и LLM в enterprise — selon le plan de l’auteur, après « Neural Networks и Deep Learning без магии »; ~2,5 h
  • Niveau 7 · RAG и Enterprise Knowledge — selon le plan de l’auteur, après « Generative AI и LLM в enterprise »; ~2,5 h
  • Niveau 8 · AI Agents и workflow automation — selon le plan de l’auteur, après « RAG и Enterprise Knowledge »; ~2 h
  • Niveau 8 · Responsible AI, privacy, security и governance — selon le plan de l’auteur, après « Generative AI и LLM в enterprise », « RAG и Enterprise Knowledge »; ~2,5 h
  • Niveau 8 · Optional Lab: RAG Prototype — selon le plan de l’auteur, après « RAG и Enterprise Knowledge »; facultative; ~3 h
  • Niveau 9 · AI Business Case: от идеи к PoC — selon le plan de l’auteur, après « Model Evaluation, overfitting и business metrics », « Responsible AI, privacy, security и governance »; ~2 h
  • Niveau 10 · Capstone: AI Solution Proposal — selon le plan de l’auteur, après 13 de celles-ci : « AI в Professional Services: от задачи к ценности », « Optimization: когда AI ищет лучшее решение », « Probability и неопределённость », « Bayesian reasoning: обновляем уверенность по evidence », « Machine Learning Fundamentals », « Regression и forecasting », « Classification, similarity и triage », « Работа с текстом и enterprise documents », « Model Evaluation, overfitting и business metrics », « Neural Networks и Deep Learning без магии », « Generative AI и LLM в enterprise », « RAG и Enterprise Knowledge », « AI Agents и workflow automation », « Responsible AI, privacy, security и governance », « AI Business Case: от идеи к PoC »; ~4 h

Programme · 19 unités

1AI в Professional Services: от задачи к ценности

Отличать AI-задачу от обычной автоматизации и аналитики

~1,5 h
2Optimization: когда AI ищет лучшее решение

Понимать optimization как выбор лучшего действия при ограничениях

~1,5 h
3Probability и неопределённость

Интерпретировать вероятность модели как долю на множестве случаев и понимать calibration

~1,5 h
4Bayesian reasoning: обновляем уверенность по evidence

Понимать prior, likelihood и posterior и считать обновление через шансы и likelihood ratio

~1,5 h
5Machine Learning Fundamentals

Различать supervised (classification, regression), unsupervised и generative постановки

~2 h
6Regression и forecasting

Понимать regression как предсказание числа и forecasting как regression во времени

~1,5 h
7Classification, similarity и triage

Различать binary, multiclass и multilabel classification

~2 h
8Работа с текстом и enterprise documents

Различать extraction, classification, retrieval, summarization и generation и подбирать к каждой свою проверку

~2 h
9Model Evaluation, overfitting и business metrics

Различать train, validation и test и распознавать overfitting и износ test set

~2 h
10Neural Networks и Deep Learning без магии

Понимать слой, параметры, loss и gradient descent и считать число параметров слоя

~1,5 h
11Generative AI и LLM в enterprise

Понимать LLM как вероятностную генеративную модель и объяснять природу hallucination

~2,5 h
12RAG и Enterprise Knowledge

Проследить RAG pipeline от ingestion до grounded answer и назвать, где в нём может сломаться ответ

~2,5 h
13AI Agents и workflow automation

Отличать agentic workflow от chatbot и от детерминированного workflow и выбирать между ними

~2 h
14Responsible AI, privacy, security и governance

Распознавать основные категории AI risk на конкретных системах

~2,5 h
15AI Business Case: от идеи к PoC

Заполнять use case canvas и оценивать data, technical и operational feasibility

~2 h
16Capstone: AI Solution Proposal

Синтезировать business, data, model, architecture и governance decisions в одном proposal

~4 h
17Optional Lab: Regression на Python

Пройти полный цикл простого regression experiment от baseline до отчёта

~2 h
18Optional Lab: Text Classification на Python

Построить baseline text classifier на синтетических тикетах и сравнить его с тривиальной базовой линией

~2 h
19Optional Lab: RAG Prototype

Собрать минимальный retrieval для RAG на безопасной синтетической базе знаний

~3 h