Курсы Prompt Engineering и нейросети

Цей курс допоможе вам розібратися, як створювати професійний AI-контент і використовувати його для бізнесу або заробітку. Ви навчитеся працювати з найсильнішими інструментами генерації зображень та відео: Nano Banana, Kling, Veo, ElevenLabs, HeyGen, Higgsfield та іншими. А також зрозумієте, як використовувати їх не "для тестів", а для реальних задач.

Програма курсу

Теми:

• Мислення AI-Крейтора та правильна побудова промту
• Генерація зображень: від безкоштовного до Pro-якості
• Генерація відео за допомогою AI
• Редагування відео: Kling Motion Control та Omni Edit
• Як створити AI-Інфлюенсера та контент на його основі
• Озвучка роликів та створення музики
• Де використовувати AI-контент і як на ньому заробляти
• Cinema Studio в Higgsfield: кіномислення та реклама
• Seedance 2.0

Доступ до розумного AI-помічника, який вміє:

• Пояснювати складне та миттєво давати відповіді на питання щодо курсу чи уроку
• Бути ментором та допомагати зрозуміти логіку розв’язання: для цього ставлю цікаві доречні запитання
• За кілька секунд знаходити потрібні уроки й матеріали курсу разом із відповіддю
• Розуміти тебе з полуслова та відповідати на голосові запитання так само швидко, як і на текстові
• Бонус: перші 50 зірочок на користування помічником вже включено!

Особливості курсу

• Допомога ментора
• Бонуси за навчання
• Навчання у власному темпі
• Сертифікат про проходження курсу

Ви вивчите, як взаємодіяти з LLM без кодування: створення точних промптів, структура запитів, оптимізація результатів, застосування методик CLEAR та Playoff. Отримаєте практику з ChatGPT, Gemini, Perplexity, RAG, NotebookLM і Google AI Studio і розуміння етичних принципів. Після проходження курсу ви отримаєте ключ до AI - інструментів, що стають стандартом в освіті, роботі, бізнесі та повсякденному житті.

Програма курсу

Теми:

• Вступ та основи роботи LLM
• Типи промптів і методика CLEAR
• Базові техніки
• Розширені методи
• Playoff Method
• Мультимодальні промпти
• Методології та лайфхаки
• Робота з NotebookLM від Google та Google AI Studio
• Лабораторії та розбір прикладів
• Етика, безпека та відповідальність
• Структуризація даних і форматування з ШІ

Особливості курсу

• Допомога ментора
• Практика
• Бонуси за навчання
• Навчання у вільному темпі
• Сертифікат про проходження курсу

Використовуйте AI, щоб зменшити рутину в аналітиці, швидше працювати з даними та вивести аналітичні процеси на новий рівень.

Програма курсу

Вступ до AI в аналітиці

• Розберетеся в основах prompt engineering для аналітичних задач
• Опануєте Few-shot examples для data analysis
• Отримаєте шаблони промптів для типових завдань

AI для швидкого аналізу даних (Exploratory Data Analysis)

• Навчитеся працювати з AI-EDA (exploratory data analysis), AI-cleaning (виявлення та виправлення помилок), AI-visualization (автоматична побудова графіків) та AI-insights (генерація висновків)
• Опануєте best practices для роботи з AI та зможете перевіряти його результати

Побудова дашбордів з AI: від підготовки - до візуалізації

• Навчитеся генерувати формули через Gemini та опануєте генерацію Heatmaps
• Знатимете Best practices для візуалізації та інтерпретації графіків
• Працюватимете з дублікатами й пропусками та AI-cleaning у Sheets

Google Apps Script + AI-автоматизація

• Зможете генерувати скрипти через AI
• Навчитеся робити Scheduled triggers (автозапуск) і запускати автоматичну email-розсилку з аналітикою

AI + SQL: від базового до просунутого

Частина 1: Базовий SQL

• Генеруватимете SQL через AI (SELECT, WHERE, GROUP BY)
• Опануєте AI для написання JOIN-ів та AI-debugging SQL помилок
• Знатимете агрегатні функції та зможете оптимізувати запити через AI

Частина 2: Просунутий SQL

• Опануєте Window functions через AI та CTE (Common Table Expressions)
• Розберетеся в Subqueries та їхній оптимізації

PandasAI: Conversational Data Analysis

• Налаштуєте PandasAI під себе та зможете використовувати Conversational EDA через природну мову
• Опануєте ML через PandasAI: Linear Regression для прогнозування продажів та автогенерацію графіків

Julius AI: no-code аналітика + ML

• Опануєте No-code EDA в Julius та Automatic statistical insights
• Зможете виявляти аномалії та outliers
• Знатимете, як використовувати ML без коду

AI для аналізу текстових даних

Опануєте Sentiment analysis і Text Clustering через AI.

Автоматизація аналітичних workflow із Zapier/Make/n8n

• Створите automation workflow і Daily automated report (Sheets → AI analysis → Email)
• Знатимете, як налаштувати Auto-alerts при аномаліях в даних
• Матимете Multi-step аналітичний pipeline та зможете проводити Integration з різними джерелами даних

Повний AI + ML аналітичний процес

• Зможете завантажувати дані (продажі, клієнти, продукти)
• Проводитимете AI-cleaning через ChatGPT/Claude і валідуватимете якість даних
• Навчитеся витягувати ключові метрики та проводити Cohort analysis
• Опануєте Zapier workflow для автоматичного оновлення та налаштуєте alerts

Особливості курсу

• Допомога ментора
• Практика
• Курсовий проєкт
• Сертифікат про проходження курсу

Викладачі курсу

Кристина Ісакова - PhD в області математичного моделювання, former Data Scientist у CHECK24, Holidu та FlixBus

Навчися працювати з АІ так, щоб він виконував роботу за тебе. Ти навчишся створювати АІ‑рішення майже на всі випадки життя. Не просто гратися з ChatGPT, а закривати за допомогою АІ особисті і робочі задачі.

Програма курсу

Модуль 1. Основи промпт-інжинірингу

• Заняття 1. Що таке промпт-інжинірінг та як правильно писати промпти
• Заняття 2. Режими та інструменти Chat GPT для персоналізації й роботи

Модуль 2. Як працює LLM, види моделей та їх кастомізація

• Заняття 3. Що таке LLM та як вона працює
• Заняття 4. Персоналізація GPT-асистента під свої потреби та задачі

Модуль 3. n8n (No-Code) для автоматизації

• Заняття 5. Швидкий старт у n8n: як запустити автоматизації без технічних знань
• Заняття 6. Як працює API, та перший AI чат-агент

Модуль 4. Автоматизація Google-сервісів

• Заняття 7. Отримання "ключів" від Google та перші інтеграції
• Заняття 8. Google Sheets як "мозок" автоматизації. Генерація документів

Модуль 5. Пошук по документах в Google Drive в n8n

• Заняття 9. Швидкий старт на шаблоні n8n
• Заняття 10. Якість і щоденне використання

Модуль 6. Що таке агенти та як вони працюють у бізнес-процесах

• Заняття 11. Аудит, інтеграція та окупність
• Заняття 12. Інструменти агента в роботі

Модуль 7. Робимо повноцінного агента на n8n

• Заняття 13. Збираємо комплексного агента, який бере на себе частину вашої роботи
• Заняття 14. Тестування, відлагодження та підготовка агента до запуску в реальну роботу

Модуль 8. Робимо цього ж агента на Make

• Заняття 15. Знайомство з Make (ключові відмінності від n8n)
• Заняття 16. Той же агент, створений в 7 модулі, але тепер на Make

Бонус: курс "Старт в АІ"

6 уроків, після яких штучний інтелект почне тебе слухатися.

Особливості курсу

• Допомога ментора
• Практика
• Актуальна програма від авторів-практиків
• Доступ до матеріалів курсу назавжди
• Гнучкий графік навчання
• 8 практичних завдань та створення АІ агента
• Індивідуальний фідбек від менторів

Програма курсу

Модуль 1. Вступ до АІ та No-Code розробки

Блок 1. Революція AI у веб та мобільній розробці

• Як раніше створювали додатки і що змінилося
• Що таке No-code: платформи для створення додатків без програмування
• Огляд топ-платформ: Bubble, FlutterFlow, Adalo, Webflow
• AI-інструменти для розробників: ChatGPT, GitHub Copilot, Cursor, studio.firebase, lovable
• Статистика ринку: можливості заробітку та перспективи індустрії

Блок 2: Планування проєкту: від ідеї до MVP

• MVP: як починати з простої версії продукту
• Дослідження ринку: аналіз конкурентів та їх стратегій
• User Personas та Customer Journey Map: розуміння потреб користувачів
• Технічний вибір: iOS vs Android vs крос-платформа
• Бюджетування: порівняння вартості no-code vs традиційної розробки

Модуль 2. Побудова інтерфейсів та відтворення продуктового циклу

Блок 3. Логіка продукту та ТЗ в FigJam і Notion

• Формуємо цілі продукту і критерії успіху
• Виявляємо потреби та проблеми клієнта
• Створюємо зрозумілі user stories для роботи
• Будуємо чіткі користувацькі потоки у FigJam
• Збираємо структурне ТЗ у Notion для запуску

Блок 4. Створення Wireframe за допомогою uxpilot.ai

• Формуємо набір ключових екранів продукту
• Готуємо промпт для генерації wireframe
• Додаємо потрібні поля з моделі даних
• Генеруємо кілька варіантів макетів у AI
• Перевіряємо макети й покращуємо промпт

Модуль 3. Знайомство з Bubble AI: головні вкладки та інструменти

Блок 5. Bubble AI

• Створюємо структуру застосунку через Bubble AI
• Пишемо чіткі промпти для генерації сторінок
• Генеруємо основу продукту та доопрацьовуємо
• Створюємо data types і базові правила доступу
• Підключаємо ChatGPT чи Claude окремо через API Connector

Блок 6. Основні таби в Bubble

• Design Tab: створюємо інтерфейс і ключові елементи
• Workflow Tab: налаштовуємо логіку дій та переходів
• Data Tab: керуємо базою даних і доступами
• Styles Tab: задаємо єдині стилі для дизайну
• Plugins Tab: підключаємо інтеграції та розширення

Модуль 4. Знайомство з Bubble. Основи

Блок 7. Основи роботи в Bubble

• Dynamic expressions: додаємо динамічну логіку в елементи
• Finding data: шукаємо потрібні дані в базі
• Displaying data: виводимо інформацію на сторінку
• Conditions: змінюємо поведінку елементів за умовами
• Responsive Design: підлаштовуємо інтерфейс під різні екрани

Блок 8. Основи роботи в Bubble

• Previewing: переглядаємо роботу застосунку в реальному часі
• Backend Workflows: налаштовуємо фонові процеси та автоматизації
• Settings Tab: керуємо доменом, правами доступу й конфігурацією
• Logs Tab: відстежуємо помилки, події та виконання дій
• Підсумки: збираємо всі навички для впевненого старту

Модуль 5. Робота над проєктом. Frontend на Bubble

Блок 9. Елементи інтерфейсу та стилізація

• Input fields: додаємо різні поля для введення даних
• Repeating Groups: показуємо списки й динамічні колекції
• Pop-ups: створюємо модальні вікна для дій користувача
• Стилізація: оформлюємо кольори, шрифти та ефекти
• Conditional formatting: змінюємо вигляд елементів за умовами

Блок 10. Робота з Figma та перенесення дизайну в розробку

• Експорт з Figma: готуємо макети й стилі до імпорту
• Перенесення дизайну: відтворюємо layout, сітку й відступи
• Styles у Bubble: задаємо кольори, шрифти й тіні для UI
• Responsive: налаштовуємо контейнери для адаптивності
• Практика: переносимо екран із Figma у Bubble інтерактивно

Модуль 6. База даних в Bubble та редагування даних

Блок 11. Структура даних та типи даних

• Data Types: створюємо структуру даних без SQL
• Fields: додаємо текстові, числові, датові та медіа-поля
• Relationships: будуємо зв'язки між таблицями
• Планування: проєктуємо логічну структуру бази
• Практика: реалізуємо приклади реальних моделей даних

Блок 12. CRUD операції та пошук

• CRUD: створюємо, читаємо, оновлюємо й видаляємо дані
• Створення: додаємо записи через інтуїтивні форми
• Відображення: показуємо дані в Repeating Groups
• Редагування: змінюємо або видаляємо записи користувача
• Пошук: фільтруємо дані для швидкого доступу

Модуль 7. Практичний модуль

• Блок 13. Практика за пройденими темами
• Блок 14. Практика за пройденими темами

Модуль 8. Пошук та система користувачів у Bubble

Блок 15. Пошук в Bubble

• Стандартні плагіни: додаємо базовий пошук без коду
• Вбудовані інструменти: створюємо власні пошукові запити
• Algolia: підключаємо потужний пошук для великих проєктів

Блок 16. Реєстрація та логін

• Auth flow: налаштовуємо реєстрацію, логін і відновлення
• Custom fields: додаємо власні поля для профілів
• Email verification: вмикаємо підтвердження пошти при вході
• Password policies: задаємо вимоги до надійних паролів
• Профіль: дозволяємо користувачу редагувати дані
• Privacy rules: починаємо налаштовувати доступи

Модуль 9. Навігація, тимчасові дані та локалізація

Блок 17. Локалізація декількох мов

• Структура: налаштовуємо базу для багатомовності
• Статичні тексти: перекладаємо фіксований контент
• Перекладач: підключаємо інструмент для авто-перекладу
• Динамічні дані: показуємо контент мовою користувача
• Валюти: адаптуємо ціни під різні країни

Блок 18. Навігація та тимчасові дані

• Тимчасові дані: зберігаємо змінні без бази
• Custom States: передаємо дані між елементами
• URL-parameters: керуємо станами через адресу сторінки
• Temp user data: працюємо з даними неавторизованого користувача
• Навігація: налаштовуємо переходи між сторінками

Модуль 10. API

Блок 19. API Connector & Rest API

• HTTP Methods: отримуємо, створюємо та оновлюємо дані через API
• Авторизація: налаштовуємо ручні ключі та headers
• Basic Auth: підключаємо сервіси через логін і пароль
• OAuth2 / JWT: працюємо з токенами й доступами
• Stripe приклад: налаштовуємо тестові платежі через API

Блок 20. Bubble API

• Data API: відкриваємо CRUD-доступ до даних через REST
• Workflow API: запускаємо бекенд-процеси через HTTP-запити
• Exposing & Privacy: обираємо, які дані безпечно показувати
• Parameters: передаємо параметри й JSON у запитах
• Responses: повертаємо коректні статуси й JSON-відповіді

Модуль 11. AI інтеграції в Bubble

Блок 21. Підключення OpenAI API

• API Connector: підключаємо зовнішні AI-сервіси до Bubble
• OpenAI: інтегруємо ChatGPT у додаток
• Промпти: створюємо ефективні запити для точних відповідей
• Витрати: оптимізуємо використання токенів і бюджету
• Помилки: обробляємо збої та некоректні відповіді AI

Блок 22. Google AI Services та інші API

• Google AI: підключаємо Vision, Translation та Speech-to-Text
• Custom AI workflows: будуємо складні автоматизовані процеси
• Hugging Face: додаємо готові ML-моделі у продукт
• AI-генерація: створюємо тексти, описи та зображення
• Моніторинг: відстежуємо використання й ефективність AI-функцій

Модуль 12. Створення нативного мобільного додатку

Блок 23. Створення нативного додатку на Bubble

• Mobile-підходи: обираємо між PWA та нативним webview
• Архітектура: проєктуємо екрани у single-page форматі
• Навігація: додаємо стани, параметри та мобільні вкладки
• Функції девайса: підключаємо камеру, файли, геолокацію й пуші
• Продуктивність: оптимізуємо запити, кеш, зображення та reusable-елементи

Блок 24. Створення нативного додатку за допомогою обгордки в WebApp

• Підготовка Bubble: налаштовуємо mobile-first структуру та швидкість
• BuildNatively: створюємо проєкт для iOS та Android
• Налаштування: додаємо іконки, splash screen і стартовий екран
• Навігація: керуємо back-кнопкою та зовнішніми лінками
• Доступи: вмикаємо камеру, геолокацію та файли
• Сповіщення: підключаємо сервіс пуш-повідомлень
• Збірка: генеруємо .aab та .ipa з підписом
• Публікація: завантажуємо додаток у Play Console та App Store

Модуль 13. Публікація Bubble додатка

Блок 25. PWA та мобільна оптимізація

• PWA: робимо веб-додаток, що працює як мобільний
• Швидкість: оптимізуємо завантаження сторінок і ресурсів
• Offline: додаємо роботу без інтернету
• Push: налаштовуємо сповіщення у PWA
• Іконки: готуємо app icons та splash screens

Блок 26. Домени та деплоймент

• Custom domain: підключаємо власний домен до проєкту
• SSL: забезпечуємо безпечне з'єднання й захист даних
• Mobile wrappers: готуємо вебдодаток до мобільної упаковки
• Performance: відстежуємо швидкість і стабільність роботи
• Backup: керуємо версіями й створюємо резервні копії

Модуль 14. Публікація Bubble мобільного додатка

Блок 27. Bubble автоматизація

• Кешування: зберігаємо дані, що змінюються рідко
• Індекси: прискорюємо фільтрацію та пошук у базі
• Пагінація: показуємо списки частинами, а не все одразу
• Фонові задачі: переносимо важкі операції у бекенд
• Оптимізація медіа: стискаємо зображення й виносимо файли в CDN
• Інтерактив: застосовуємо дебаунс і троттл для економії запитів

Блок 28. CRUD операції та real-time updates

• Створення: додаємо записи через форми або API
• Відображення: показуємо дані з фільтрами та сортуванням
• Оновлення: редагуємо існуючі записи користувача
• Видалення: робимо безпечне видалення з підтвердженням
• Real-time: відображаємо зміни без перезавантаження сторінки
• WebSockets: використовуємо live-з'єднання в Bubble
• Синхронізація: узгоджуємо дані між кількома користувачами
• Оптимізація: пришвидшуємо real-time запити
• Конфлікти: обробляємо одночасне редагування

Модуль 15. Make

Блок 29. Основи Мейк

• Основи Make
• Make: знайомимось із платформою та її можливостями
• Перший сценарій: запускаємо базову автоматизацію
• Triggers & Actions: реагуємо на події та виконуємо дії
• Інтеграції: підключаємо популярні сервіси без коду
• JSON: працюємо з даними у запитах
• Помилки: обробляємо збої у сценаріях
• Тестування: перевіряємо та налагоджуємо логіку
• Автоматизація: використовуємо планувальник для регулярних задач

Блок 30. Практична робота на мейк та звязок з Bubble проектів

• API-зв'язок: підключаємо Bubble до Make через API
• Email-автоматизація: запускаємо розсилки без ручної роботи
• Синхронізація: передаємо дані у Google Sheets або CRM
• Файли: обробляємо зображення й документи автоматично
• Webhooks: пов'язуємо системи в реальному часі
• Бекапи: робимо автоматичні резервні копії
• Моніторинг: отримуємо сповіщення про помилки
• Масштабування: розширюємо сценарії під зростання проєкту

Модуль 16. Оптимізація, монетизація, фриланс

Блок 31. Як оптимізовувати ваш додаток та використання навантаження

• Продуктивність: аналізуємо швидкість роботи застосунку
• База даних: удосконалюємо структуру для швидших запитів
• Пошук: робимо запити максимально ефективними
• Кешування: використовуємо CDN та оптимізуємо медіа
• API: зменшуємо кількість викликів для економії ресурсів
• Capacity: стежимо за навантаженням і масштабуємося
• Тестування: перевіряємо продуктивність і шукаємо вузькі місця

Блок 32. Монетизація та фриланс

• Монетизація: обираємо модель - підписка, разова оплата чи freemium
• Платежі: підключаємо Stripe/PayPal для прийому оплат
• Ціноутворення: формуємо вартість продукту та стратегію продажів
• Фриланс-профіль: створюємо портфоліо й сильну експертизу
• Клієнти: шукаємо замовлення на Upwork та LinkedIn
• Оцінка: розраховуємо бюджет і готуємо договори
• Комунікація: ведемо клієнта прозоро та структуровано
• Масштабування: розширюємо проєкти та дохід фрилансера

Бонус: курс "Старт в АІ"

6 уроків, після яких штучний інтелект почне тебе слухатися.

Особливості курсу

• Доступ до модулів по всіх ключових AI та no-code інструментах (для створення мобільних застосунків і сайтів)
• Практичні завдання з перевіркою куратора
• Закрита Telegram-група для учасників: нетворкінг, підтримка, обмін замовленнями - своя тусовка
• Доступ до навчальної платформи лишається відкритим назавжди! Навіть після завершення основної програми можеш повертатись
• Супровід куратора: не залишаємо тебе одного і допоможемо, якщо застрягнеш
• Сертифікат після завершення курсу
• Проєкти в портфоліо для твого фриланс-профілю

Протягом першого місяця ви повністю пройдете програму курсу, навчитеся формувати стратегії створення MVP, тестувати й покращувати його. На кожному етапі вам допомагатиме штучний інтелект. Фінально попрацюєте над проєктом №1. А вже під час другого місяця навчання закріпите нові навички й створите продукт №2.

Програма курсу

Вебінар-знайомство

• Складники цінності продукту
• Імплементація ШІ в процес створення продукту
• Конкурентна перевага ШІ в розробці продукту

Логіка й алгоритми ШІ

• Як опрацьовувати неструктуровані дані на прикладі текстів
• Як змусити ШІ писати тексти в нашому стилі
• Як автоматизувати рутину з власним custom GPTs

Робота з даними

• Як опрацьовувати структуровані дані (таблиці)
• Як ШІ виступає альтернативою дашборду
• deep insights - пошук ціннісних спостережень з аналізу даних

Ноу-код автоматизація

• Як автоматизувати власні робочі процеси
• Роль людини в автоматизованих процесах (RACI-матриця з ШІ)
• Тригерні події в no-code автоматизаціях
• Послідовні та розгалужені сценарії

ШІ-агент

• Мінімальна структура ШІ агентів - Environment Interface, Memory, Tools, Planner, Core Model
• Створення власного агента без програмування
• Визначення стратегії розвитку агента

Code-асистенти

• ШІ як посередник між ідеєю та готовим рішенням
• Кращі практики використання Cursor для "вайб кодингу"

Вебхуки та API

• Інтеграція сторонніх сервісів у власні рішення
• Автоматизація створення зображень, програмування розумних ботів та відправлення повідомлень

Робота з бекенд і фронтенд системами

• Визначення різниці між MSP та MVP
• Проєктування MVP
• Прискорення розробки з Baby Steps
• Уникнення помилок роботи продукту з Less IFs

Дослідження ринку та цільової аудиторії

• Визначення та дослідження потреб цільової аудиторії з ШІ
• Вибір оптимальних category entry points для створення продукту
• Формування гіпотез для ШІ-тесту на реальній аудиторії

Пошук ідей разом з ШІ

• Як ШІ вигадує ідеї
• Побудова взаємодії з ШІ
• Формулювання бази, яка допоможе ШІ шукати більш оригінальні рішення

Проєктування систем

• Формування ціннісних user stories для продукту
• Що не робити в першій версії продукту
• Підготовка технічних вимог до першої версії продукту

Побудова виробничого процесу

• Створення roadmap продукту в стислі терміни
• Шляхи прискорення виходу першої версії продукту х10 за допомогою ШІ
• Налагодження роботи всередині команди

Створення першої версії продукту

• Робота над справною версією продукту
• Використання адаптивних метрик - Fix Time, Fix Budget, Flex Scope, які допоможуть не витрачати час на виправлення помилок

Генеративна графіка в ШІ

Дослідження можливостей і обмежень ШІ для створення графіки та відео.

Особливості курсу

• Живі вебінари
• Real-life завдання
• Бюджет
• Курсовий проєкт
• Регулярний фідбек
• Сертифікат за здобутки

Викладачі курсу

Денис Суділковський - Директор з інновацій у Prjctr AI Lab, директор з маркетингу в ЛУН

Візьміть AI-кодинг під контроль та перетворіть його на керований інструмент розробки. AI вже змінює підхід до розробки й стає частиною роботи сильних інженерів. Приєднуйтесь до курсу "Програмування з AI-асистентами" та інтегруйте його у свою розробку.

Програма курсу

AI в роботі middle-розробника: де він реально прискорює, а де ламає процес

• Роль AI в реальному циклі розробки: від задачі до PR
• Типові сценарії: генерація коду, аналіз, review, refactor, docs, debug
• Обмеження AI: галюцинації, надмірна впевненість, втрата контексту
• Коли AI доречний, а коли дешевше й безпечніше зробити самому
• Різниця між "AI як помічник" та "AI як невмілий автопілот"

Інструменти й середовища: Copilot як основа, GPT/Claude/Cursor/Continue як доповнення

• Copilot / Copilot Chat як основний інструмент в IDE
• Коли зручніше працювати через зовнішній чат: ChatGPT/Claude
• Cursor і Continue як альтернативні сценарії роботи
• Порівняння воркфлоу у VS Code і Cursor
• Як обрати стек інструментів під свій проєкт і команду

Prompt engineering для коду: як ставити задачі так, щоб AI давав не сміття, а робочий результат

• Структура сильного технічного промпта
• Як задавати контекст: стек, обмеження, expected output, acceptance criteria
• Few-shot і pattern prompting для коду та інші техніки промпт-інжинірингу
• Антипатерни промптів, через які AI "красиво бреше"
• Як змушувати AI пояснювати рішення, а не просто випльовувати код

Custom instructions, project rules і режими роботи AI

• Custom instructions і project rules для Copilot / Cursor / Claude Projects
• Як передати AI правила архітектури, кодстайл, заборонені патерни
• Ask / Edit / Plan / Agent / Debug режими: коли який використовувати
• Як не дати Agent Mode переписати пів репозиторію "на покращення"
• Шаблони для AGENTS.md, instructions.md, prompts.md

Генерація коду з AI: функції, модулі, фічі без втрати контролю

• Генерація коду на різних рівнях: від функції до фічі
• Як просити AI спочатку дати план, а не одразу патчі5
• Типові проблеми AI-коду: дублювання, слабка обробка помилок, залежності, зайва магія
• Перевірка на SOLID, SRP, coupling, maintainability
• Як оцінювати не лише здатність працювати, але й можливість підтримувати

Refactoring і legacy-код з AI

• Як AI допомагає читати й пояснювати чужий або старий код
• Локальний refactor без ламання контрактів
• Виявлення дублювань, "мертвого" коду, hardcoded secrets, техборгу
• Constraint-based refactoring: що можна змінювати, а що ні
• AI в задачах типу "покращити код, але не переписати систему з нуля, бо ми не мільярдери"

Переклад коду між мовами та міграція модулів

• Використання AI для porting: JS ↔ Python ↔ Java ↔ TypeScript
• Типові помилки при перекладі між мовами: сигнатури, типи, async, екосистема, бібліотеки
• Як перевіряти, що AI переніс логіку, а не просто переписав синтаксис
• Сценарії міграції маленьких модулів і допоміжних сервісів
• Межі застосування: де AI допомагає, а де створює купу проблем

Debug з AI: stack trace, edge cases, логіка помилки

• Як описувати баги AI так, щоб він не відповідав "перевірте код"
• Робота зі stack trace, логами, неочевидними кейсами
• Ітеративний debug: AI → перевірка → корекція → повтор
• Як ловити edge cases до того, як вони прилетять із продакшну
• Коли AI "ходить навколо" і настав час зупинити цей стендап-комік-кодинг

Тестування з AI

• Генерація unit, negative, edge-case tests
• Як змушувати AI писати meaningful tests, а не happy path для галочки
• Quality check тестів: mutation-style thinking, intentional break, coverage vs real value
• Тестові шаблони для API, validation, business rules
• Межа між тим, що AI генерує швидко, і тим, що інженер має продумати сам

Документація та code review з AI

• Генерація docstrings, README, changelog, технічних пояснень
• AI як перший рев'юер: style, smells, security, validation, performance
• Checklist-based review: SOLID, N+1, SQL injection, secrets, licensing, coupling
• Чому AI не замінює людський review та де він пропускає критичне
• Як використовувати AI для підготовки до PR і самоперевірки

AI в Git-flow, PR і CI/CD

• Як AI вбудовується у звичний flow: issue → branch → PR → review → merge
• Генерація PR description, checklist, release notes
• AI-генеровані тести в пайплайні
• GitHub Actions / GitLab CI: де AI допомагає, а де не варто навіть пробувати
• Типові ризики: flaky тести, перевантаження pipeline, false confidence

Автоматизація рутинних задач з AI

• Boilerplate generation
• Шаблони для типових модулів, API, конфігів, docs
• Bulk-операції: refactor, rename, repetitive edits, code transformations
• Як будувати повторювані сценарії без ручного бігання по файлах
• Де автоматизація корисна, а де починається "ми автоматизували хаос"

Власні AI-агенти для розробника

• Кастомні GPT / Claude Projects / reusable instructions
• Бібліотека промптів, reusable workflows, контекстні шаблони
• Агенти для review, docs, bug triage, refactor, release prep
• Коли агент реально допомагає, а коли це просто модне слово поверх звичайного prompt set
• Практичні сценарії для індивідуальної та командної роботи

MCP і робота з зовнішнім контекстом

• Що таке MCP і навіщо він розробнику
• Сценарії: GitHub, документація, файлова система, knowledge sources
• Як AI отримує доступ до issue, PR, repo state, docs
• Обмеження, безпека й контроль контексту
• Огляд кейсів, де MCP реально корисний в командній роботі

AI в командних процесах: стандарти, політики, ROI та ризики

• Як узгоджувати використання AI в команді
• Політики: що можна відправляти в AI, а що ні
• PII, авторство, ліцензії, корпоративні ризики
• Quality gates і правила перевірки AI-коду
• Базовий підхід до оцінки ефективності: де AI справді економить час, а де просто шумить

Захист курсових проєктів

• Live-demo
• Показ workflow: задача → prompt / режим → зміни → тести → review → результат
• Пояснення одного AI-assisted рішення та однієї проблеми, де AI помилився
• Ретроспектива: що реально спрацювало, що ні, що студент залишить у своїй щоденній практиці

Особливості курсу

• Допомога ментора
• Практика
• Курсовий проєкт
• Проєкт в портфоліо
• Сертифікат про проходження курсу

Викладачі курсу

Валентин Дружинін - Technical Lead в AgileEngine (backend, data platforms, AI systems)

Навчіться підключати джерела, керувати доступами та будувати реальні AI-системи безпечно.

Програма курсу

Вступ до LLM і prompt engineering

• Зрозумієте принципи роботи LLM та їхні обмеження
• Вивчите основні типи промптів і техніки (zero-shot, few-shot, CoT)
• Оглянете ключові проблеми: галюцинації, нестабільність у довгих діалогах, висока вартість запитів
• Розберетеся в тому, чому prompt engineering не розв'язує проблему контексту
• Зрозумієте, як автоматизувати вибір промптів залежно від сценарію

Основи RAG

• Зрозумієте архітектуру RAG (ембеддінги, пошук, ранжування)
• Оглянете типові проблеми та переваги RAG над простим prompt engineering
• Навчитеся працювати з документами (chunking, метадані)
• Вивчите обмеження RAG і проблеми масштабування

Вступ до MCP

• Зрозумієте, що таке Model Context Protocol та які проблеми він розв'язує
• Вивчите структуру MCP (session, context, memory, query)
• Розберетесь у відмінностях між RAG і MCP
• Спроєктуєте MCP-потік на прикладі кейса "Відповідь на запитання про статус задачі"

Розробка базового MCP-агента

• Навчитеся створювати базового MCP-агента
• Зрозумієте, як LLM взаємодіє з інструментами через context
• Вивчите, як інтегрувати retrieval у запит
• Створите і запустите базового Hello, World агента

Провайдери контексту

• Зрозумієте, як працює розподілений контекст
• Зможете організувати довготривалу памʼять: підходи й патерни
• Навчитеся підключати статичні та динамічні джерела даних
• Розберетесь у побудові надійного context provider
• Підключите публічний API та обробку відповіді

Управління контекстом у багатомодельних сценаріях

• Зрозумієте, як працюють multi-model сценарії
• Навчитеся будувати pipeline з кількома моделями
• Вивчите, як валідувати й нормалізувати контекст

Архітектурні патерни для LLM-додатків

• Зрозумієте роль контексту в архітектурі систем
• Ознайомитеся зі схемами для обробки та зберігання контексту діалогів
• Вивчите, як інтегрувати LLM у мікросервіси
• Розберетесь у базових архітектурних патернах

PR Review Agent: від реалізації до безпечного використання

• Навчитеся проєктувати агента для code review
• Зрозумієте, як аналізувати diff і генерувати коментарі
• Вивчите базові принципи security й governance
• Реалізуєте спрощений PR Review Agent

Деплой та операції MCP-агента

• Навчитеся деплоїти MCP-агента (cloud, Docker)
• Зрозумієте, як будувати CI/CD-пайплайни
• Вивчите, як налаштовувати моніторинг і логування

Захист курсових проєктів

• Презентація створеного впродовж курсу end-to-end AI-рішення, яке інтегрує LLM із реальними джерелами даних і забезпечує контрольований, безпечний та масштабований доступ до контексту
• Q&A та фідбек від лектора

Особливості курсу

• Допомога ментора
• Практика
• Власний MCP-based AI-сервіс
• Курсовий проєкт
• Сертифікат про проходження курсу

Викладачі курсу

• Дмитро Дегтярьов - Senior Data Scientist в українських та міжнародних аутсорс- і продуктових компаніях
• Віталій Козінський - Senior DevOps Engineer у SoftServe, Сertified Solutions Architect

Дізнаєтесь, як побудувати єдину логіку використання AI та розробити систему для вимірювання впливу на бізнес. Навчитеся системно тестувати гіпотези, аналізувати дані та будувати цілісний підхід до залучення клієнтів за допомогою AI. Зрозумієте, як створювати мультиформатний контент, що зберігає автентичність бренду, і застосовувати AI для досліджень без ризиків. Сформуєте карту AI-можливостей для вашого бізнесу та розробите план автоматизації з чітким ефектом.

Програма курсу

AI-ландшафт 2026 і твій робочий стек

• Огляд поточного ландшафту: Claude, GPT, Gemini, відкриті моделі
• Фокус на Claude-екосистему як робоче середовище:
  • Chat - для мислення і аналізу
  • Code - для автоматизацій і роботи з кодом/файлами
  • Cowork - для щоденних задач
• MCP-конектори до сервісів (Gmail, Calendar, Jira, Webflow)
• Розбір реальних кейсів: що AI робить краще за маркетолога, що - гірше, що - тільки разом
• Режими: фейки, приватність, авторське право - що треба знати

Дослідження ринку та конкурентів

• Deep Research у Claude для аналізу ринку
• TAM/SAM/SOM через Claude Chat
• Конкурентний аналіз: web search + структурування в artifacts
• White space і конкурентні карти
• Моніторинг трендів через Cowork-автоматизації

Стратегія і позиціонування з AI

• ICP-проробка через Claude: від гіпотез до сегментів
• Побудова моделі на базові метрики
• North Star Metric і дерево метрик
• Позиціонування: "AI-стратегія за 1 сторінку"
• Підхід "живої стратегії" - не фіксований документ, а Cowork-skill, який оновлюється
• Стратегія як система ставок: ICP + 3 стратегічні ставки

Контент як система, а не як пости

• Контент-стратегія на основі ICP і позиціонування із заняття 3
• Контент як продукт: багатоканальна адаптація
• Локалізація та масштабування
• Claude Code для генерації контент-календаря, роботи з Webflow CMS, масової локалізації
• Контентні експерименти: що тестувати і як
• Етика та авторське право: що можна, що не можна

SEO, GEO та органічне залучення

• SEO/ASO та покриття інтенцій
• GEO (Generative Engine Optimization) - як потрапляти в AI-відповіді
• Зв'язок пошукових інтенцій з ICP і позиціонуванням
• Schema.org та структуровані дані
• Claude Code для масового аудиту і фіксів: meta-теги, alt-тексти, schema, індексація
• ASO для мобільних продуктів
• AI як провокатор ідей: кластеризація запитів і контент-план

Перформанс-маркетинг та експерименти

• Performance-експерименти та креативні фабрики через Claude
• Генерація гіпотез, текстів, варіантів оголошень
• Lead-магніти та воронки
• A/B тестування: від гіпотези до аналізу через Claude
• Оцінка каналів через LTV/CAC
• Unit-економіка: LTV/CAC-калькулятор як Cowork-skill

Персоналізація, активація та утримання

• Onboarding і time-to-value
• Тригерні комунікації та next-best-action
• Churn prediction і моделі ризику
• Retention-механізми: loops, streaks, milestones
• Claude для проєктування CRM-сценаріїв
• Claude Code + MCP для зв'язки з реальними інструментами (email-сервіси, CRM)
• Upsell/Cross-sell без агресії

Аналітика та робота з даними

• Які дані реально потрібні маркетологу
• Побудова моделі на базові метрики: когорти, retention-криві, юніт-економіка
• Claude Code для обробки CSV/Excel, побудови дашбордів
• Підключення GA4/Amplitude через MCP (де доступно)
• Від даних до рішень: framework прийняття рішень на основі даних
• Привчення до кореляцій vs причинності

AI-автоматизації та робочі процеси

• Claude Code skills - створення власних інструментів
• MCP-сервери: підключення до робочих сервісів напряму (Gmail, Calendar, Jira, Webflow)
• Cowork для щоденних автоматизацій
• Паттерни автоматизацій:
  • Моніторинг конкурентів
  • Автозвіти
  • Контент-пайплайн
  • Відповіді на типові запити
• Human-in-the-loop: де AI вирішує сам, а де питає
• Guardrails та моніторинг: сценарії збоїв

Фінальний захист - AI Growth Blueprint

• Презентація AI-growth blueprint
• Питання, розбір, рекомендації щодо впровадження
• Оцінка впливу: метрики, ризики, пріоритети
• Peer review від групи

Особливості курсу

• Допомога ментора
• Практика
• Фінальний проєкт
• Сертифікат про проходження курсу

Викладачі курсу

Іван Шестаков - Fractional CPO / CMO & Product Advisor