GenAI and Agentic AI for Software Engineering
Comprehensive hands-on program on integrating AI agents into software development. Learn to build software faster, more stable, and more scalable by using AI as part of the SDLC, not just as a tool.
оверв'ю
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.
Ця програма — про наступний крок розвитку програмної інженерії до ШІ-assisted та agent-driven розробки. Ви навчитеся будувати відтворювані процеси, працювати зі специфікаціями та агентами, проєктувати системи, інтегровані в SDLC. У результаті — почнете мислити як ШІ-augmented інженер, а швидкість і якість ваших проєктів зростатимуть незалежно від домену.
чого ви навчитеся
вимоги до учасників
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
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)
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
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
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
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
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
Презентації Capstone Project
Опис проєкту
Застосовуючи набуті знання, матеріали курсу, інструменти та фреймворки, студенти мають розробити власний проєкт. Робота передбачає створення повноцінної розподіленої системи з взаємоповʼязаними ШІ-агентами, які обробляють завдання в межах повного pipeline. 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.
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.
Переваги
Hands-on — воркшопи, завдання, кейси з production-логікою
Tool-first, а не theory-first — робота з реальними інструментами та протоколами
Системність — від базових принципів до мультиагентних систем у SDLC
Експертність — навчання від практика у сфері AI engineering productivity, який ділиться тим, що реально працює — і що ні
Практичні артефакти — повторювані workflow, специфікації, конфігурації та фінальний Capstone Project
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
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.
Learn more about the SET University program
