Запись [Otus] AI-архитектор (Дмитрий Фомин, Андрей Носов)

​

Проектирование AI‑решений для бизнеса

Для кого этот курс?

• Архитекторы ПО и систем
• Senior‑разработчики и Тимлиды, желающие перейти в роли архитекторов AI
• ML-инженеры, MLOps‑инженеры и Data-инженеры
• Инфраструктурные инженеры / SRE

Необходимые знания

• Базовые знания Python
• Понимание основных ML‑понятий (тренировка/валидация моделей, переобучение, метрики качества)
• Базовые знания системной архитектуры и сетей
• Опыт работы с Git и понимание CI/CD

Что даст вам этот курс?

• Умение проектировать AI‑системы: от требований и PoC до Production
• Выбор и внедрение архитектурных паттернов: RAG, AI‑агенты, multi‑agent systems
• Проектирование MLOps‑конвейеров, CI/CD и IaC для AI‑решений
• Создание HLD и LLD (C4 Model и детализация компонентов)
• Расчет ресурсов и оптимизация инференса LLM (sizing, latency, cost)
• Проектирование интеграций и архитектуры данных для AI (ETL, векторные БД)
• Обеспечение качества GenAI‑компонентов: тестирование, валидация, мониторинг
• Управление стоимостью (FinOps) и принятие стратегических решений по архитектуре

Программа

Стратегический фундамент и планирование проекта
Цель: Сформировать у студентов системное видение роли архитектора в бизнес-процессах. Научить анализировать проектные ограничения (контракт, требования), выявлять риски и планировать проект как последовательность этапов, поставляющих измеримую ценность
Тема 1: Пресейл, контракты и работа с требованиями: закладываем фундамент проекта
Тема 2: Проектирование и оценка: от требований к плану, рискам и смете
Тема 3: Стратегия поставки ценности: от PoC до Production

Проектирование и документирование архитектуры
Цель: Дать студентам полный набор инструментов для создания, документирования и верификации архитектуры AI-решений на всех уровнях детализации
Тема 1: Высокоуровневое проектирование (HLD) с использованием C4 Model
Тема 2: Низкоуровневое проектирование (LLD): компоненты и взаимодействия
Тема 3: Архитектурные паттерны: RAG и его продвинутые вариации
Тема 4: Архитектурные паттерны: AI-агенты и Multi-Agent Systems
Тема 5: Документирование решений: Architecture Decision Records (ADR)
Тема 6: Верификация архитектуры и "CTO Challenge"

Качество, интеграции и безопасность
Цель: Научить студентов встраивать в архитектуру механизмы обеспечения качества, надежности и безопасности на всех этапах жизненного цикла
Тема 1: Архитектурный надзор и управление техническим долгом
Тема 2: Проектирование интеграций: от классики до AI-стандартов
Тема 3: Архитектура данных для AI-систем
Тема 4: Оценка качества и тестирование GenAI-компонентов
Тема 5: Security by Design: архитектура для защиты AI-систем
Тема 6: Архитектура наблюдаемости (Observability)

Инфраструктура
Дать системные знания по планированию, автоматизации развертывания и поддержке надежной и отказоустойчивой инфраструктуры для AI-систем.
Тема 1: Расчет ресурсов (Sizing) для приложений и данных
Тема 2: Расчет ресурсов и оптимизация инференса LLM
Тема 3: Инфраструктура как код (IaC) и CI/CD
Тема 4: Архитектура MLOps-конвейеров
Тема 5: Стратегии развертывания и вывода в Production
Тема 6: Архитектура высокой доступности (HA) и восстановления (DR)

Продвинутые архитектурные паттерны
Цель: Изучить передовые архитектурные подходы, позволяющие решать сложные задачи масштабирования, real-time обработки, безопасности и работы в гибридных средах.
Тема 1: Serverless vs. Kubernetes для AI-ворклоадов
Тема 2: Событийно-ориентированная архитектура (EDA) для AI
Тема 3: Архитектура для High-Load и Low-Latency инференса
Тема 4: Гибридная и мультиоблачная архитектура для AI
Тема 5: Архитектура для Multi-tenancy в AI SaaS
Тема 6: Federated Learning и Privacy-Preserving архитектура

Стратегия, лидерство и экономика
Цель: Развить у студентов стратегическое мышление, экономическую ответственность и лидерские качества, необходимые для перехода на высшие архитектурные роли.
Тема 1: FinOps: архитектура, управляемая стоимостью
Тема 2: Технологический радар и эволюция архитектуры
Тема 3: Ethical AI by Design и архитектура для Governance
Тема 4: API как продукт: проектирование и управление

Проектная работа
Тема 1: Выбор темы и организация проектной работы
Тема 2: Консультация по проектам и домашним заданиям
Тема 3: Защита проектных работ
Тема 4: Подведение итогов курса

Преподаватели: Дмитрий Фомин, Андрей Носов, Николай Степанов, Денис Лавров,
Эксперты-практики делятся опытом, разбирают кейсы студентов и дают развернутый фидбэк на домашние задания