Мікромагістратура

GenAI and Agentic AI for Software Engineering

Комплексна практична програма з інтеграції ШІ-агентів у розробку програмного забезпечення. Навчіться будувати софт швидше, стабільніше і масштабованіше, використовуючи ШІ як частину SDLC, а не окремий інструмент.

Дізнатись більше про програму

GenAI and Agentic AI for Software Engineering

Старт програми: квітень 2026

Тривалість: 9 тижнів

Мова: українська (викладання) + англійська (матеріали)

Формат: Онлайн

ECTS: 1,5

Оплата частинами: Доступна

Вартість: 25 700 грн

Дізнатись більше про програму

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

працювати з ШІ як з інженерною системою, а не як з чат-асистентом

будувати повторювані ШІ-workflow, інтегровані в SDLC

проєктувати та оркеструвати ШІ-агентів і мультиагентні системи

використовувати ШІ-assisted coding з GitHub Copilot, Claude Code та Cursor

застосовувати Context → Model → Prompt і Model Context Protocol (MCP)

підвищувати якість коду через автоматизований рефакторинг, тестування та ревʼю

масштабувати software delivery та зменшувати когнітивне навантаження команд

вимоги до учасників

знання англійської не нижче B1

базові навички програмування (Python, JavaScript або інше) та розуміння Git/CLI

розуміння життєвого циклу розробки програмного забезпечення

Програма

Воркшоп 1: Вступ та «Hello World» з ШІ

Зміст

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

Практичне завдання

Створити простий вебзастосунок на Node.js з кінцевою точкою (API) «Hello World», використовуючи:
процес GitHub Copilot (CLI)
процес Claude Code
порівняння підходів та результатів

Воркшоп 2: Основи — Context, Model, Prompt Framework

Зміст

Тріада Context-Model-Prompt
Найкращі практики управління контекстом
Вибір моделей для різних типів завдань
Основи prompt-інженерії
Типові помилки та способи їх уникнення

Практичне завдання

Розробити парсер банківських транзакцій, який:
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

Зміст

Принципи specification-driven розробки
Структура шаблону специфікації
Файли конфігурації агентів (agents.md, cursorrules, claude.md)
Підхід API-first
Контрактне тестування та валідація

Практичне завдання

Розробити KYC API відповідно до підходу specification-driven:
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

Зміст

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

Практичне завдання

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

Зміст

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)

Практичне завдання. Частина 1: Вибір агентів і специфікація

Проаналізувати код застосунку для виявлення шахрайства
Обрати 2–3 агенти для розробки
Створити специфікації агентів
Обґрунтувати вибір агентів

Практичне завдання. Частина 2: Імплементація 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

Зміст

Робочі процеси PR-ревʼю з використанням ШІ
Порівняння інструментів: Cursor vs Claude Code vs Codex в ревʼю коду
Стратегії інтеграції з CI/CD

Практичне завдання

Налаштування системи автоматичного код ревʼю
Порівняти результати та рекомендації інструментів
Підготувати ґрунтовні коментарі до ревʼю

Воркшоп 7: Model Context Protocol (MCP)

Зміст

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

Практичне завдання. Групова робота: інтеграція даних

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

Олексій Попов

VP of Engineering у GenAI.Works, з 15+ роками досвіду в інженерному лідерстві та архітектурі рішень. Має досвід управління глобальними командами та масштабними проєктами, пройшов шлях від розробника програмного забезпечення до керівника інженерного напрямку. Понад 8 років працював в архітектурі рішень у EPAM, Ciklum та Customertimes, займаючись розробкою масштабованих хмарних рішень і впровадженням інноваційних технологій.

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.