GenAI and Agentic AI for Software Engineering
За 9 тижнів — від «Hello World» з ШІ-асистентом до захисту власної розподіленої системи ШІ-агентів, інтегрованої в повний цикл розробки. 7 воркшопів, після кожного — робочий артефакт у портфоліо. ШІ як частина SDLC, а не окремий інструмент.
оверв'ю
Перестаньте промптити. Почніть будувати агентні системи.
ШІ в розробці більше не експеримент, а новий інженерний стандарт, який змінює підхід до кодування, ревʼю, тестування та архітектури систем уже сьогодні. ШІ не забере вашу роботу. Але інженери, які не інтегрують технологію у свій процес, поступово втрачають конкурентну перевагу.
Між «користуюсь Copilot» і «будую agent-driven розробку» — прірва:
- ШІ як чат-асистент не масштабується. Ви пояснюєте контекст заново в кожній сесії, а результат залежить від вдалого промпта, а не від процесу, який відтворює вся команда.
- Швидка генерація ≠ швидка команда. Без специфікацій, контрактного тестування і автоматизованого ревʼю кожен згенерований шматок коду — це ще один цикл ручної перевірки.
- Один асистент на все — антипатерн. Тестування, аудит безпеки, документація — різні ролі з різними вимогами до моделі, контексту і вартості.
Ця програма — про наступний крок розвитку програмної інженерії: від ШІ-assisted до agent-driven розробки. Ви навчитеся будувати відтворювані процеси (Context → Model → Prompt, specification-driven development), працювати зі специфікаціями та агентами, проєктувати системи, інтегровані в SDLC, підвищувати якість коду через автоматизований рефакторинг, тестування та ревʼю — і масштабувати software delivery, зменшуючи когнітивне навантаження команди. У результаті — почнете мислити як ШІ-augmented інженер, а швидкість і якість ваших проєктів зростатимуть незалежно від домену.
«Навчання дало мені не стільки розуміння конкретних інструментів, які в AI-сфері змінюються надзвичайно швидко, скільки переосмислення підходів та загальних практик, які залишаються актуальними незалежно від конкретного стеку» — Андрій Гнатюк, випускник програми
[ДАНІ ВІД КОМАНДИ: 1–2 індустріальні статистики з перевіреним джерелом — про adoption ШІ в інженерії та/або ризики точності AI-коду — якщо хочемо цифру в цьому блоці]
чого ви навчитеся
вимоги до учасників
кому чесно не підходить
Тим, хто ще не програмує: базові навички коду та Git/CLI — вхідна вимога, а не результат курсу
Тим, хто не працював у реальному циклі розробки: без розуміння SDLC практичні завдання (spec-driven API, PR-ревʼю, CI/CD) не розкриються
Тим, хто шукає теоретичний огляд «що таке AI»: це hands-on програма — кожен воркшоп закінчується робочим результатом
Тим, хто очікує «чарівних промптів» і що ШІ напише все сам: курс вчить проєктувати специфікації, перевірку та оркестрацію
No-code аудиторії: інструменти курсу (GitHub Copilot, Claude Code, Cursor, MCP) — для інженерів
Програма
Воркшоп 1: Вступ та «Hello World» з ШІ
- Вступ до ШІ-асистентів для програмування (GitHub Copilot, Claude Code, Cursor)
- Порівняння інструментів та сценарії їх використання
- Налаштування середовища розробки
- Створення простого REST API з використанням ШІ
- Порівняння CLI- та IDE-орієнтованих робочих процесів
- процес GitHub Copilot (CLI)
- процес Claude Code
- порівняння підходів та результатів
- Робочий Node.js застосунок з «Hello World» API, зібраний двічі — через GitHub Copilot (CLI) і через Claude Code
- Письмове порівняння двох підходів і результатів
- Повністю налаштоване середовище для решти курсу
Воркшоп 2: Основи — Context, Model, Prompt Framework
- Тріада Context-Model-Prompt
- Найкращі практики управління контекстом
- Вибір моделей для різних типів завдань
- Основи prompt-інженерії
- Типові помилки та способи їх уникнення
- працює з кількома форматами (CSV, JSON, XML)
- виявляє потенційні шахрайські патерни
- демонструє коректне управління контекстом
- тестується з різними моделями (small vs reasoning models)
- Парсер банківських транзакцій: CSV/JSON/XML + детекція шахрайських патернів
- Тест на small vs reasoning моделях — з висновками, де яка модель виправдана
- Продемонстроване коректне управління контекстом
Воркшоп 3: Specification-Driven Development
- Принципи specification-driven розробки
- Структура шаблону специфікації
- Файли конфігурації агентів (agents.md, cursorrules, claude.md)
- Підхід API-first
- Контрактне тестування та валідація
- ознайомитися та проаналізувати документ зі специфікацією
- створити файл конфігурації агента
- реалізувати API за допомогою ШІ на основі специфікації
- перевірити реалізацію на відповідність специфікації
- KYC API, реалізований ШІ строго за специфікацією, з перевіркою відповідності
- Власний конфіг-файл агента — багаторазовий артефакт для команди
Воркшоп 4: Бенчмаркінг та безпека, Skills
- Індустріальні бенчмарки продуктивності (SWE-bench, рейтинги GitHub Copilot )
- Стратегії вибору моделей
- Компроміси між вартістю та якістю
- Reasoning models vs fast models
- Метрики продуктивності в реальних сценаріях
- Безпека застосування ШІ
- Додавання skills для ШІ агентів
- Ознайомитися з результатами бенчмарків і рейтингами
- Протестувати одне й те саме завдання з різними моделями
- Порівняти результати та продуктивність
- Проаналізувати вплив вартості використання моделей
- Бенчмарк-порівняння: одне завдання × різні моделі — результати, продуктивність, вплив вартості
- Після воркшопу модель обирається за даними, а не за звичкою
Воркшоп 5: AI Developer Workflows (ADW) — мультиагентні системи
- Концепція AI Developer Workflows (ADW)
- Патерн Architect–Editor (Архітектор-Редактор)
- Оркестрація мультиагентних систем
- Типи агентів: тестувальник, аудитор безпеки, генератор документації тощо
- Патерни інтеграції (side-car, внутрішня інтеграція, API, сервіс)
- Проаналізувати код застосунку для виявлення шахрайства
- Обрати 2–3 агенти для розробки
- Створити специфікації агентів
- Обґрунтувати вибір агентів
- Реалізувати обраних агентів
- Інтегрувати агентів із системою виявлення шахрайства
- Продемонструвати взаємодію між агентами
- Розширити функціональність системи за допомогою агентів
- 2–3 працюючі агенти, інтегровані в систему виявлення шахрайства, зі специфікаціями та обґрунтуванням
- Продемонстрована взаємодія агентів — міні-версія майбутнього capstone
Воркшоп 6: PR-ревʼю та автоматизація
- Робочі процеси PR-ревʼю з використанням ШІ
- Порівняння інструментів: Cursor vs Claude Code vs Codex в ревʼю коду
- Стратегії інтеграції з CI/CD
- Налаштування системи автоматичного код ревʼю
- Порівняти результати та рекомендації інструментів
- Підготувати ґрунтовні коментарі до ревʼю
- Налаштована система автоматичного код-ревʼю + стратегія інтеграції в CI/CD
- Порівняльний аналіз рекомендацій Cursor / Claude Code / Codex
Воркшоп 7: Model Context Protocol (MCP)
- Архітектура MCP та її переваги
- Офіційні MCP-сервери (Filesystem, Git, Memory, AWS тощо)
- Корпоративні MCP-сервери (GitHub, Azure, PostgreSQL тощо)
- Оркестрація кількох серверів
- Розробка власних MCP-серверів
- Налаштувати кілька MCP-серверів (GitHub, AWS, PostgreSQL тощо)
- Побудувати асистента для роботи з даними на базі MCP
- Створити робочі процеси з використанням кількох серверів
- Продемонструвати оркестрацію між серверами
- Мультисерверна MCP-оркестрація: GitHub, AWS, PostgreSQL тощо
- Асистент для роботи з даними на базі MCP (групова робота)
Презентації Capstone Project
Опис проєкту
Фінал програми — не тест і не есе. Застосовуючи набуті знання, матеріали курсу, інструменти та фреймворки, ви розробляєте повноцінну розподілену систему з взаємоповʼязаними ШІ-агентами, які обробляють завдання в межах повного pipeline, — на стеку всього курсу: Context → Model → Prompt і специфікації (воркшопи 2–3), вибір моделей за бенчмарками (4), мультиагентна оркестрація (5), автоматизоване ревʼю (6) та MCP-інтеграції (7). Команди можуть скористатися запропонованим шаблоном проєкту або обрати власну тему відповідно до інтересів.
Успішна підготовка та захист фінального проєкту є обовʼязковою умовою для отримання сертифіката про завершення курсу: сертифікат підтверджує, що ви збудували й захистили працюючу систему, а не переглянули записи.
Якого рівня системи будують випускники — із відгуку випускниці про систему, збудовану завдяки курсу:
«Пайплайн, який проводить один тікет через кілька репозиторіїв. Вісім агентів, які ніколи не спілкуються між собою — не за правилом, а тому що жоден не має інструмента, який дотягнувся б до іншого. Єдиний канал — файли. […] тести пишуться першими. Один тікет через два репозиторії дав 765 рядків тестів — чотири з цих файлів стали першими тестами, які той репозиторій узагалі мав» — Олена Кіпер, випускниця програми
[ДАНІ ВІД КОМАНДИ: 2–3 приклади шаблонних тем capstone; критерії/рубрика оцінювання захисту; формат захисту — демо чи презентація, перед ким]
до навчання → після навчання
Різниця, яку дає програма, — у підході, а не в окремому інструменті:
- Було: ШІ — чат-асистент: промпт → відповідь → доробка руками. Стане: специфікація → агент → автоматична перевірка відповідності специфікації.
- Було: контекст пояснюєте заново в кожній сесії. Стане: agents.md / claude.md / .cursorrules — конфігурація, яку агент читає сам і яку перевикористовує вся команда.
- Було: модель обираєте «за звичкою». Стане: вибір за власним бенчмарком — якість × вартість × тип задачі (small vs reasoning).
- Було: один асистент на всі задачі. Стане: оркестрація агентів із ролями — тестувальник, аудитор безпеки, генератор документації.
- Було: PR-ревʼю вручну, скільки встигнете. Стане: автоматичне код-ревʼю, інтегроване в CI/CD, + розуміння, де сильніший Cursor, Claude Code чи Codex.
- Було: агент живе в пісочниці чату. Стане: агент через MCP працює з вашими GitHub, AWS, PostgreSQL у мультисерверній оркестрації.
Сформульовано на основі програми та відгуків випускників.
що лишається у вашому портфоліо
«Hello World» API двома інструментами — Node.js застосунок, зібраний через GitHub Copilot (CLI) і Claude Code, з порівнянням підходів
Парсер банківських транзакцій — CSV/JSON/XML, детекція шахрайських патернів, тест на small vs reasoning моделях
KYC API за специфікацією — плюс власний конфіг-файл агента і перевірка реалізації на відповідність специфікації
Бенчмарк-порівняння моделей — одне завдання × кілька моделей: результати, продуктивність, аналіз вартості
2–3 агенти у fraud-detection системі — специфікації, реалізація, продемонстрована взаємодія
Система автоматичного PR-ревʼю — з порівнянням Cursor / Claude Code / Codex і стратегією інтеграції в CI/CD
Мультисерверна MCP-оркестрація — асистент для роботи з даними поверх GitHub, AWS, PostgreSQL
Capstone: розподілена система взаємоповʼязаних агентів — повний pipeline та обовʼязковий захист
Викладач
Олексій Попов
Керівник інженерних команд та архітектор рішень із понад 16 роками досвіду у створенні масштабованих систем і впровадженні ШІ для підвищення продуктивності. Має досвід розробки технологічних продуктів, управління кросфункціональними командами на рівні масштабних проєктів та трансформації бізнес-цілей у масштабовані, безпечні, хмарно-орієнтовані рішення з упровадженням інноваційних технологій.
для кого
Software Engineers (Back/Full-Stack/SDET/Automation QA)
Tech Leads / менеджери команд розробки
розробники, які хочуть зростати і опанувати інтеграцію ШІ у свої робочі процеси
Відгуки
Володимир Зубчинський
Щойно завершив неймовірний курс GenAI and Agentic AI for Software Engineering у SET University!
Замість того щоб просто використовувати ШІ як помічника в написанні коду, я тепер будую ШІ-агентів, які автономно виконують складні робочі процеси розробки.
Ми рухаємося далеко за межі простого автодоповнення. Ось як змінюється парадигма:
🔹 GenAI — це асистент: він чекає на промпт і допомагає автоматизувати процеси.
🔹 Agentic AI — це автономний колега: ви задаєте високорівневу ціль, а він оркеструє потрібні інструменти, запускає автоматизовані тести й керує реалізацією від початку до кінця.
Перехід від «промпт-інженера» до «архітектора агентів» докорінно переосмислює життєвий цикл розробки ПЗ. 💻✨
Альона Головко
Рада поділитися, що завершила програму «GenAI & Agentic AI for Software Engineering» у SET University!
Програма охопила широке коло тем — від основ GenAI до побудови агентів і мультиагентних робочих процесів.
Тішуся, що можу застосовувати ці знання у щоденній роботі, і з нетерпінням продовжую досліджувати та вчитися.
Щира подяка Олексію Попову за цікаві та захопливі лекції, ревʼю коду, обмін досвідом і цінний фідбек. І дякую SET University за цю можливість. 🙏
Андрій Гнатюк
До курсу я використовував ШІ переважно як асистента або інструмент для брейнштормінгу. Після — вже більше розглядаю його як інженерну систему, яку можна і треба оркеструвати для побудови інших систем. У результаті навчання дало мені не стільки розуміння конкретних інструментів, які в AI-сфері змінюються надзвичайно швидко, скільки переосмислення підходів та загальних практик, які залишаються актуальними незалежно від конкретного стеку. І ці практики виявилися напрочуд схожими на ті, які роками використовуються в інженерії програмного забезпечення, — це дуже зрезонувало з моїм власним баченням.
Окрема подяка Олексію за формат подачі: це і постійний діалог з аудиторією, і живі задачі, і вміння підлаштовуватися під темп групи.
Також хочеться відзначити рівень організації навчання загалом: усе прозоро, зрозуміло й дуже добре збалансовано для людей, які паралельно працюють. Для мене саме так і виглядає хороший інженерний курс: після нього залишається не набір конкретних рецептів, а підходи, які можна переносити на власні задачі.
Олена Кіпер
Завершила GenAI and Agentic AI for Software Engineering. Показую те, що збудувала завдяки курсу, а не сертифікат.
Пайплайн, який проводить один тікет через кілька репозиторіїв. Вісім агентів, які ніколи не спілкуються між собою — не за правилом, а тому що жоден не має інструмента, який дотягнувся б до іншого. Єдиний канал — файли.
Він нічого не бере на віру — ні тікет, ні власну роботу:
— кожне твердження з тікета перевіряється по коду, перш ніж щось буде написано;
— незалежний ревʼюер може відхилити реалізацію, і тоді її переписує потужніший рівень моделі;
— тести пишуться першими, до коду.
Один тікет через два репозиторії дав 765 рядків тестів — чотири з цих файлів стали першими тестами, які той репозиторій узагалі мав.
І я порівняла це зі звичайною одиночною сесією — сім разів, записуючи очікування перед кожним запуском. Тож я знаю не лише що це працює, а й коли до цього не варто братися.
Дякую, SET University — це знання, якими я користуватимуся, всіма без винятку.
FAQ
Чи можу я податися на програму, якщо не володію Python / JS?
Так. Основний фокус курсу — на інструментах, робочих процесах та принципах (Context → Model → Prompt, specifications, MCP, agents), які є незалежними від конкретної мови програмування. Python/JavaScript використовуються лише для демонстраційних прикладів.
Якою мовою навчання, і навіщо англійська B1?
Викладання — українською, матеріали курсу — англійською. B1 достатньо, щоб упевнено працювати з документацією інструментів, специфікаціями та бенчмарками, які використовуються в оригіналі.
Що потрібно, щоб отримати сертифікат, і що саме я отримаю?
Успішна підготовка та захист capstone-проєкту — обовʼязкова умова. Ви отримаєте сертифікат SET University, 1,5 кредита ECTS і портфель робочих артефактів з усіх семи воркшопів.
Скільки часу займає навчання на тиждень? Чи реально поєднати з роботою?
Програма триває 9 тижнів: онлайн-воркшопи та практичне завдання після кожного — hands-on практика, а не тести з варіантами. [ДАНІ ВІД КОМАНДИ: годин live на тиждень + орієнтовний обсяг самостійної роботи]. Про рівень організації навчання випускник Андрій Гнатюк пише: «усе прозоро, зрозуміло й дуже добре збалансовано для людей, які паралельно працюють».
Чи можна робити capstone на власній темі, а не на шаблоні?
Так. Команди можуть скористатися запропонованим шаблоном проєкту або обрати власну тему відповідно до інтересів — вимога одна: повноцінна розподілена система взаємоповʼязаних агентів у межах повного pipeline.
Які інструменти використовуються і чи потрібні платні підписки?
На курсі працюємо з GitHub Copilot, Claude Code і Cursor (у воркшопі з PR-ревʼю — також Codex у порівнянні), а також із MCP-серверами (GitHub, AWS, PostgreSQL тощо). [ДАНІ ВІД КОМАНДИ: чи потрібен власний API-бюджет / підписки, орієнтовна сума, чи покриває університет]
Чи можна оплатити частинами або через компанію?
Оплата частинами доступна. [ДАНІ ВІД КОМАНДИ: схема розстрочки — кількість платежів; чи можлива оплата через компанію / рахунок для юридичних осіб]
Дізнайтесь детальніше про програму SET University
