Научитесь принимать бизнес-решения с помощью современных ИИ-инструментов — от исследовательских агентов до генеративной аналитики. Data-driven с ИИ — новый стандарт управления. Курс даёт системный подход к принятию решений с использованием всего стека генеративного ИИ — от ассистентов до автономных агентов: собирайте цепочки no code агентов прямо в браузере, запускайте обработку данных от простых скриптов до продакшен-систем и работайте со своими датасетами в собственной БД. Современные ИИ-инструменты позволяют руководителям, продакт-менеджерам и аналитикам исследовать рынки, анализировать данные, строить финансовые модели и автоматизировать аналитику без навыков программирования. Решения на основе данных больше не требуют глубоких технических знаний. Кому подойдет курс: Основатель стартапа Получите фреймворк быстрого прототипирования аналитических решений. Сможете самостоятельно собирать ИИ-прототипы (вайб-кодинг) и строить культуру принятия решений на основе данных с нуля без найма большой команды Аналитик Расширите стек профессиональных инструментов: от глубоких ИИ-исследований и Python-ассистентов до RAG-систем, инструментальных агентов и генеративной аналитики (Gen BI). Научитесь проектировать безопасные автономные аналитические процессы Менеджер / Руководитель Уменьшите зависимость от технических специалистов в аналитике. Освоите инструменты, которые позволят автоматизировать рутинные процессы и ускорят получение отчётов Владелец продукта / Продакт-менеджер Научитесь находить точки роста продукта через ИИ-аналитику, строить финансовые модели и проверять гипотезы на данных. Сможете принимать решения, основанные на фактах, а не на интуиции Чему научитесь: Быстро собирать прототипы и управлять ИИ-проектами Научим находить задачи для ИИ, оценивать сроки через time-to-evidence и запускать работающие прототипы с помощью вайб-кодинга. Сможете планировать, как развернуть прототип в полноценное решение внутри компании. Проектировать автономные ИИ-процессы Поймёте разницу между архитектурами ReAct, Schema Guided Reasoning и Claw-like агентами. Научим безопасно встраивать агентов в корпоративный контур, подключать к данным через MCP и оценивать зрелость процессов по шкале Self-Driving Process. Настраивать ИИ-агентов для сквозной аналитики (Gen BI) Научим настраивать агента, который сам пишет SQL, обрабатывает CSV и строит графики. Сможете связать Langflow, Metabase и PostgreSQL, чтобы по запросу на обычном языке получать готовый отчёт с визуализацией. Создавать корпоративную память на базе RAG Научим подключать финотчётность, измерять качество ответов и выявлять галлюцинации. Разберётесь, как проектировать и собирать RAG-системы, превращающие внутренние документы компании в источник ответов для ИИ. Работать с данными через Python и ИИ-ассистентов Научим автоматизировать Excel и Google Sheets через VBA и Google Apps Script, строить финансовые модели и сценарные прогнозы. Покажем, как загружать CSV и проводить разведочный анализ в диалоге с DeepSeek — без ручного программирования. Проводить стратегические исследования с помощью ИИ Поймёте, как отличать факты от интерпретаций и гипотез, чтобы не попадаться в ловушки ИИ-выводов. Научим с помощью Perplexity, Deep Research и поисковых агентов анализировать рынок и конкурентов, разбирать транскрипции клиентских интервью и готовить аналитические записки. Итоговый проект: В каждом модуле вы выполняете практическое задание на основе реальных аналитических процессов. К концу курса формируется портфолио из 4+ артефактов: прототип ИИ-решения для вашей компании с дорожной картой внедрения. Прототип RAG-системы или инструментального агента Аналитическая записка по конкурентам и рынку Финансовая модель со сценарным анализом в Jupyter Notebook Дерево метрик продукта, построенное через ИИ Программа: Длительность 7 недель. Предматериалы. Основы продуктового подхода и метрики Продолжительность: ~6 часов. Разберётесь в циклах Discovery и Delivery (Открытие и поставка), освоите ключевые продуктовые метрики (NPS, DAU/MAU, LTV и другие), научитесь строить дерево метрик и считать юнит-экономику. На практике построите дерево метрик своего продукта через ИИ-ассистента и визуализируете его в mermaid-формате. Технологии: ChatGPT / Claude Модуль 1. ИИ для исследований и принятия решений Продолжительность: 1 неделя, 7 уроков. Научитесь анализировать рынок, конкурентов и клиентские интервью с помощью ИИ-инструментов. Поймёте, как отличать факты от интерпретаций и не попадаться в ловушки корреляций. Освоите концепцию Self-Driving Process и уровни зрелости аналитики. Технологии: Perplexity, Deep Research, поисковые агенты, ChatGPT/Claude Модуль 2. Данные, Python и ИИ-ассистент Продолжительность: 1 неделя, 7 уроков. Начнёте работать с данными через диалог с ИИ: от очистки в Excel и скриптов VBA до разведочного анализа датасетов в Python (pandas) с помощью DeepSeek. Построите финансовую модель и проведёте сценарный анализ, не углубляясь в ручное программирование. Технологии: Python, pandas, DeepSeek, Excel, Google Sheets, VBA Модуль 3. RAG и корпоративная память Продолжительность: 1 неделя, 7 уроков. Разберётесь, как работают векторные базы и эмбеддинги. Соберёте простой RAG-прототип для внутренней документации, научитесь измерять качество ответов и выявлять галлюцинации. Спроектируете корпоративную память для поддержки решений. Технологии: Langflow, Qdrant, OpenAI API Модуль 4. Инструментальные агенты и Gen BI Продолжительность: 1 неделя, 9 уроков. Настроите ИИ-агента, который сам пишет SQL, обращается к базам данных, обрабатывает CSV и строит графики. Реализуете полный цикл Gen BI: от вопроса на естественном языке до готового дашборда в Metabase. Отдельное внимание уделяется безопасности при работе с агентом. Технологии: Langflow, Metabase, PostgreSQL, MCP, Python, SQL Модуль 5. От простых агентов к автономным Продолжительность: 1 неделя, 8 уроков. Изучите архитектуры ReAct, автономных Claw-like и Harness агентов. Научитесь встраивать ИИ-агентов в корпоративный контур с учётом безопасности (песочницы, human-in-the-loop). Разберёте кейс комплексного исследования рынка силами автономного агента. Технологии: ReAct, Claw-like агенты, MCP, API, Harness агенты Модуль 6. Управление ИИ-проектами: от идеи к прототипу Продолжительность: 1 неделя, 6 уроков. Освоите критерии отбора задач для ИИ, распределение ролей в проекте и оценку сроков (time-to-evidence). Научитесь быстро собирать прототипы через вайб-кодинг и планировать масштабирование до промышленной эксплуатации. Технологии: вайб-кодинг, тренажёр data-ai-trainer Модуль 7. Финальный проект Создадите прототип ИИ-решения для реального аналитического процесса: от разведочного анализа до фреймворка запуска ИИ-проекта. Автор Ярослав Шуваев 20+ лет опыта в цифровой разработке, 10+ лет опыта внедрения и запуска инновационных ИИ-продуктов в корпорациях Альфа-Банк, Ак Барс Банк, МТС, Viasat и других. 10+ лет опыта в корпоративном обучении
