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
Oleksii Popov
Engineering Leader & Solution Architect with 16+ years of experience in scalable systems and AI-augmented productivity. Experienced in building technical products, leading cross-functional teams at scale, and translating business goals into scalable, secure, cloud-native solutions while implementing innovative technologies.
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
Volodymyr Zubchynskyi
Just wrapped up an incredible course on GenAI and Agentic AI for Software Engineering at SET University!
Instead of just using AI to help me write code, I’m now building the AI agents that handle complex development workflows autonomously.
We are moving way beyond simple autocomplete. Here is how the paradigm is shifting:
🔹 GenAI is the assistant — it waits for a prompt and helps you automate processes.
🔹 Agentic AI is the autonomous coworker — you define a high-level objective, and it orchestrates the necessary tools, runs automated tests, and manages the end-to-end implementation.
Moving from a “prompt engineer” to an “agent architect” is fundamentally redefining the software development lifecycle. 💻✨
Alyona Holovko
Happy to share that I’ve completed “GenAI & Agentic AI for Software Engineering” program at SET University!
The program covered a wide range of topics, from GenAI fundamentals to building Agents and Multi-Agent workflows.
I’m glad I can apply this knowledge in my day-to-day work, and I’m excited to keep exploring and learning.
Thank you so much to Oleksii Popov for the interesting and engaging lectures, for reviewing code, sharing your experience and giving valuable feedback. And thank you to SET University for this opportunity. 🙏
Andrii Hnatiuk
Before the course I mostly used AI as an assistant or a brainstorming tool. Afterwards, I see it much more as an engineering system that can — and should — be orchestrated to build other systems. What the program gave me was not so much knowledge of specific tools, which change extremely fast in the AI field, but a rethinking of approaches and general practices that stay relevant regardless of the particular stack. And those practices turned out to be strikingly similar to the ones software engineering has relied on for years — which strongly resonated with my own view.
Special thanks to Oleksii for the format: a constant dialogue with the audience, hands-on tasks, and the ability to adapt to the group’s pace.
I would also like to note the overall level of organization: everything is transparent, clear, and very well balanced for people who study while working. To me, that is exactly what a good engineering course looks like: what stays with you afterwards is not a set of specific recipes but approaches you can transfer to your own tasks.
Elena Chiperi
Finished GenAI and Agentic AI for Software Engineering. Showing what I built with it, rather than the certificate.
A pipeline that takes one ticket across several repositories. Eight agents that never talk to each other — not by rule, but because none of them holds a tool that could reach another. The only channel is files.
It takes nothing on trust — not the ticket, not its own work:
— every claim in the ticket is checked against the code before anything is written;
— an independent reviewer can reject the implementation, and a stronger model tier rewrites it;
— tests are written first, before the code.
On one ticket spanning two repositories that produced 765 lines of tests — four of those files were the first tests that repository had ever had.
And I measured it against a plain single session, seven times, writing down what I expected before each run. So I know not only that it works, but when not to reach for it.
Thank you, SET University — this is knowledge I will be using, all of it.
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
