[Karpov.Courses] Принятие решений на основе данных и ИИ (Ярослав Шуваев)

​

Научитесь принимать бизнес-решения с помощью современных ИИ-инструментов — от исследовательских агентов до генеративной аналитики.

Data-driven с ИИ — новый стандарт управления.
Курс даёт системный подход к принятию решений с использованием всего стека генеративного ИИ — от ассистентов до автономных агентов: собирайте цепочки no code агентов прямо в браузере, запускайте обработку данных от простых скриптов до продакшен-систем и работайте со своими датасетами в собственной БД.

Современные ИИ-инструменты позволяют руководителям, продакт-менеджерам и аналитикам исследовать рынки, анализировать данные, строить финансовые модели и автоматизировать аналитику без навыков программирования.
Решения на основе данных больше не требуют глубоких технических знаний.

Кому подойдет курс:

• Основатель стартапа
  Получите фреймворк быстрого прототипирования аналитических решений. Сможете самостоятельно собирать ИИ-прототипы (вайб-кодинг) и строить культуру принятия решений на основе данных с нуля без найма большой команды
• Аналитик
  Расширите стек профессиональных инструментов: от глубоких ИИ-исследований и Python-ассистентов до RAG-систем, инструментальных агентов и генеративной аналитики (Gen BI). Научитесь проектировать безопасные автономные аналитические процессы
• Менеджер / Руководитель
  Уменьшите зависимость от технических специалистов в аналитике. Освоите инструменты, которые позволят автоматизировать рутинные процессы и ускорят получение отчётов
• Владелец продукта / Продакт-менеджер
  Научитесь находить точки роста продукта через ИИ-аналитику, строить финансовые модели и проверять гипотезы на данных. Сможете принимать решения, основанные на фактах, а не на интуиции

Чему научитесь:

• Быстро собирать прототипы и управлять ИИ-проектами
  Научим находить задачи для ИИ, оценивать сроки через time-to-evidence и запускать работающие прототипы с помощью вайб-кодинга. Сможете планировать, как развернуть прототип в полноценное решение внутри компании.
• Проектировать автономные ИИ-процессы
  Поймёте разницу между архитектурами ReAct, Schema Guided Reasoning и Claw-like агентами. Научим безопасно встраивать агентов в корпоративный контур, подключать к данным через MCP и оценивать зрелость процессов по шкале Self-Driving Process.
• Настраивать ИИ-агентов для сквозной аналитики (Gen BI)
  Научим настраивать агента, который сам пишет SQL, обрабатывает CSV и строит графики. Сможете связать Langflow, Metabase и PostgreSQL, чтобы по запросу на обычном языке получать готовый отчёт с визуализацией.
• Создавать корпоративную память на базе RAG
  Научим подключать финотчётность, измерять качество ответов и выявлять галлюцинации. Разберётесь, как проектировать и собирать RAG-системы, превращающие внутренние документы компании в источник ответов для ИИ.
• Работать с данными через Python и ИИ-ассистентов
  Научим автоматизировать Excel и Google Sheets через VBA и Google Apps Script, строить финансовые модели и сценарные прогнозы. Покажем, как загружать CSV и проводить разведочный анализ в диалоге с DeepSeek — без ручного программирования.
• Проводить стратегические исследования с помощью ИИ
  Поймёте, как отличать факты от интерпретаций и гипотез, чтобы не попадаться в ловушки ИИ-выводов. Научим с помощью Perplexity, Deep Research и поисковых агентов анализировать рынок и конкурентов, разбирать транскрипции клиентских интервью и готовить аналитические записки.

Итоговый проект:

В каждом модуле вы выполняете практическое задание на основе реальных аналитических процессов. К концу курса формируется портфолио из 4+ артефактов: прототип ИИ-решения для вашей компании с дорожной картой внедрения.

• Прототип RAG-системы или инструментального агента
• Аналитическая записка по конкурентам и рынку
• Финансовая модель со сценарным анализом в Jupyter Notebook
• Дерево метрик продукта, построенное через ИИ

Программа:

Длительность 7 недель.

Предматериалы. Основы продуктового подхода и метрики

• Продолжительность: ~6 часов.
• Разберётесь в циклах Discovery и Delivery (Открытие и поставка), освоите ключевые продуктовые метрики (NPS, DAU/MAU, LTV и другие), научитесь строить дерево метрик и считать юнит-экономику. На практике построите дерево метрик своего продукта через ИИ-ассистента и визуализируете его в mermaid-формате.
• Технологии: ChatGPT / Claude

Модуль 1. ИИ для исследований и принятия решений

• Продолжительность: 1 неделя, 7 уроков.
• Научитесь анализировать рынок, конкурентов и клиентские интервью с помощью ИИ-инструментов. Поймёте, как отличать факты от интерпретаций и не попадаться в ловушки корреляций. Освоите концепцию Self-Driving Process и уровни зрелости аналитики.
• Технологии: Perplexity, Deep Research, поисковые агенты, ChatGPT/Claude

Модуль 2. Данные, Python и ИИ-ассистент

• Продолжительность: 1 неделя, 7 уроков.
• Начнёте работать с данными через диалог с ИИ: от очистки в Excel и скриптов VBA до разведочного анализа датасетов в Python (pandas) с помощью DeepSeek. Построите финансовую модель и проведёте сценарный анализ, не углубляясь в ручное программирование.
• Технологии: Python, pandas, DeepSeek, Excel, Google Sheets, VBA

Модуль 3. RAG и корпоративная память

• Продолжительность: 1 неделя, 7 уроков.
• Разберётесь, как работают векторные базы и эмбеддинги. Соберёте простой RAG-прототип для внутренней документации, научитесь измерять качество ответов и выявлять галлюцинации. Спроектируете корпоративную память для поддержки решений.
• Технологии: Langflow, Qdrant, OpenAI API

Модуль 4. Инструментальные агенты и Gen BI

• Продолжительность: 1 неделя, 9 уроков.
• Настроите ИИ-агента, который сам пишет SQL, обращается к базам данных, обрабатывает CSV и строит графики. Реализуете полный цикл Gen BI: от вопроса на естественном языке до готового дашборда в Metabase. Отдельное внимание уделяется безопасности при работе с агентом.
• Технологии: Langflow, Metabase, PostgreSQL, MCP, Python, SQL

Модуль 5. От простых агентов к автономным

• Продолжительность: 1 неделя, 8 уроков.
• Изучите архитектуры ReAct, автономных Claw-like и Harness агентов. Научитесь встраивать ИИ-агентов в корпоративный контур с учётом безопасности (песочницы, human-in-the-loop). Разберёте кейс комплексного исследования рынка силами автономного агента.
• Технологии: ReAct, Claw-like агенты, MCP, API, Harness агенты

Модуль 6. Управление ИИ-проектами: от идеи к прототипу

• Продолжительность: 1 неделя, 6 уроков.
• Освоите критерии отбора задач для ИИ, распределение ролей в проекте и оценку сроков (time-to-evidence). Научитесь быстро собирать прототипы через вайб-кодинг и планировать масштабирование до промышленной эксплуатации.
• Технологии: вайб-кодинг, тренажёр data-ai-trainer

Модуль 7. Финальный проект

• Создадите прототип ИИ-решения для реального аналитического процесса: от разведочного анализа до фреймворка запуска ИИ-проекта.

Автор Ярослав Шуваев

• 20+ лет опыта в цифровой разработке, 10+ лет опыта внедрения и запуска инновационных ИИ-продуктов в корпорациях Альфа-Банк, Ак Барс Банк, МТС, Viasat и других. 10+ лет опыта в корпоративном обучении

 

Приветствую тебя, присоединяйся (выдача материала после оплаты)

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

 

[Automatica] Claude Code Basics: мультиагентные системы за 8 ступенев (Антон Вдовиченко)
Claude Code — AI-агент в терминале.
Он пишет код, подключается к GitHub, Slack, Notion и десяткам других сервисов, работает с файлами на вашем компьютере.
На курсе вы научитесь собирать из нескольких таких агентов систему, которая решает задачи параллельно и проверяет себя сама.
Уже ДОСТУПНО!

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...