Собранный план обучения
Что изучать сначала, что отложить и какие материалы подходят под цели бизнеса, builder или engineer.
Структурированная система обучения и внедрения для тех, кому не нужны 100 случайных закладок. Внутри: три траектории, план из 9 модулей, авторские шаблоны внедрения, практические задания и проверенный каталог внешних ресурсов.
Что изучать сначала, что отложить и какие материалы подходят под цели бизнеса, builder или engineer.
Use-case scoring, prompt canvas, RAG canvas, agent design, evaluation scorecard, security checklist, pilot plan и ROI framework.
Русская и английская версии Navigator плюс редактируемый workbook для практической работы.
Рекомендуемый путь: 4 недели
AI-грамотность, prompting, проектирование workflows, выбор use cases, governance и план пилота. Код необязателен.
Рекомендуемый путь: 8 недель
API, RAG, tools, агентные паттерны, LangGraph, evaluation и два рабочих прототипа. Желательны базовые Python или TypeScript.
Глубокий путь: 12+ недель
Transformers, datasets, fine-tuning, reasoning models, observability, deployment и production-архитектура AI-агентов.
LLM, выбор моделей, responsible AI, токены/контекст и бизнес-ценность.
Повторяемые структуры промтов, управление контекстом, structured outputs и критерии оценки.
Предсказуемые процессы, которые используют модели, инструменты и API.
Retrieval, chunking, embeddings, grounding, citations, права доступа и актуальность.
Tool use, memory, planning, human approval и выбор между agent и обычным workflow.
Прототипы для поддержки, исследований, операций и внутренней продуктивности.
Datasets, tracing, регрессии, качество и production-monitoring.
Безопасность, права, контроль стоимости, deployment, fallback и управление изменениями.
Use-case scoring, ROI, владельцы процесса, критерии пилота и операционный rollout.
Оценка влияния, частоты задачи, готовности данных, риска, сложности интеграции и time-to-value.
Role, task, context, constraints, tools, output schema и критерии оценки результата.
Источники, ingestion, chunking, retrieval, grounding, права доступа и актуальность данных.
Цель, tools, memory, permissions, human approval, failure states, бюджет и stop conditions.
Quality, groundedness, task completion, latency, cost, safety и regression checks.
Владелец, объём, исходные метрики, критерии запуска, доступы, monitoring, fallback и rollout.
Отобранный фундамент для AI-грамотности, понимания моделей и практического внедрения.
Прямые проверенные ссылки и последовательность находятся в выдаваемом Navigator.Путь от prompting и API к datasets, Transformers и пониманию поведения моделей.
Прямые проверенные ссылки и последовательность находятся в выдаваемом Navigator.Практические примеры retrieval, tools, state, memory и human-in-the-loop.
Прямые проверенные ссылки и последовательность находятся в выдаваемом Navigator.Финальный слой по проверке качества, мониторингу, deployment и операционной безопасности.
Прямые проверенные ссылки и последовательность находятся в выдаваемом Navigator.Нет. Это платный Navigator по обучению и внедрению: авторская систематизация, порядок, пояснения, задания и шаблоны плюс проверенная карта внешних курсов и репозиториев.
Для Business-трека — нет. В Builder и Engineer постепенно добавляются Python, TypeScript, API и developer tooling.
Гарантировать это нельзя. Владельцы могут менять цену, доступ, контент, лицензии или URL. Поэтому в пакете указывается дата проверки каталога.
Зависит от актуальной лицензии конкретного репозитория и сценария использования. Navigator не передаёт права на сторонний контент; в выдаваемом каталоге есть лицензионные примечания для проверки каждого источника.