Ближайшая дата:
02.11.2026
Количество часов
36 ак.ч
Продолжительность
9 занятий
Режим и формат обучения:
Период обучения: 2 – 20 ноября 2026Расписание: 3 раза в неделю (ПН, СР, ПТ)
Время: 09:00-12:00
Формат: Гибридный (на выбор) — онлайн в режиме реального времени или офлайн по адресу: г. Минск, ул. Амураторская, 4. (ст. м. Молодежная).
Задача курса — не обучать инженерной профессии и не превращать участников в ML-разработчиков, а показать, как использовать искусственный интеллект как практический инструмент инженера:
- для работы с технической документацией;
- анализа данных, измерений и журналов;
- поиска технической информации;
- подготовки расчётов и проверки гипотез;
- анализа изображений, схем и фотографий;
- создания отчётов и технических документов;
- автоматизации повторяющихся операций;
- создания собственных небольших приложений и инструментов;
- формирования корпоративных баз знаний;
- безопасной работы с AI в компании.
Главный принцип курса: ИИ не заменяет инженерную экспертизу — он сокращает путь от задачи до решения, оставляя контроль за инженером.
Предварительные знания в области AI и программирования не обязательны.
Документы об окончании
— Сертификат Института ИТ и бизнес-администрирования о прохождении курса;
— Свидетельство государственного образца о повышении квалификации при наличии высшего или средне-специального образования.
Преподаватель:
Никита Карпук – директор по развитию, бизнес-тренер и AI-практик CatLogic, практика AI в бизнесе с 2020 года. В портфолио кейсы по внедрению AI-инструментов в аналитику, обучение, коммуникации и автоматизацию процессов.
Программа:
МОДУЛЬ 1. Как работает искусственный интеллект и что он реально умеет 1.1. Эволюция искусственного интеллекта
1.2. Основные типы задач AI
1.3. Как работает нейронная сеть
1.4. От Transformer к современным LLM
1.5. Почему AI ошибается
Практика: участники выполняют одну инженерную задачу одновременно в нескольких моделях
МОДУЛЬ 2. Prompt Engineering для инженерных задач
2.1. Почему качество постановки задачи определяет качество результата
2.2. Архитектура хорошего инженерного промпта
2.3. Работа с неопределённостью
2.4. Chain-of-verification
2.5. Создание Engineering Skill
Практика: создание промптов для: анализа технической проблемы, подготовки технического заключения, сравнения двух решений, формирования требований, составления инструкции, поиска потенциальных причин неисправности.
МОДУЛЬ 3. Техническая документация, стандарты и AI Research
3.1. Работа AI с документами
3.2. Что можно делать с техническим документом
3.3. Сравнение технических документов
3.4. AI Research
3.5. Проверка источников
Практика: участники получают пакет технических документов и должны извлечь требования, составить сравнительную таблицу, найти расхождения, подготовить техническое summary, найти дополнительную информацию из внешних источников.
МОДУЛЬ 4. AI для инженерных данных, таблиц и расчётов
4.1. Работа с Excel и CSV
4.2. Анализ инженерных данных
4.3. Поиск аномалий
4.4. AI + Python без знания Python
4.5. Инженерные расчёты
Практика
МОДУЛЬ 5. Computer Vision и мультимодальный AI
5.1. Computer Vision
5.2. Мультимодальные модели
5.3. Практические инженерные сценарии
5.4. Работа с техническими схемами и чертежами
5.5. Генеративная графика
Практика
МОДУЛЬ 6. Базы знаний, RAG и локальный искусственный интеллект
6.1. Проблема корпоративных знаний
6.2. Что такое RAG
6.3. RAG или Fine-tuning
6.4. NotebookLM и аналогичные решения для создания базы знаний на комплекте технических материалов
6.5. Локальные LLM
6.6. Корпоративный инженерный AI-ассистент
Практика: из нескольких документов участники создают прототип инженерной базы знаний.
МОДУЛЬ 7. AI-агенты и автоматизация инженерных процессов
7.1. Что такое AI Agent
7.2. Agentic Workflow
7.3. Типовые инженерные агенты (Агент подготовки отчёта, Агент анализа неисправности, Агент работы с документацией)
7.4. Современные средства
7.5. Human-in-the-loop
Практика: каждый участник проектирует собственный Engineering AI Workflow.
МОДУЛЬ 8. Vibe Coding: инженер создаёт собственный инструмент
8.1. Что такое Vibe Coding
8.2. Инструменты
8.3. Что инженер может создать
8.4. Постановка задачи AI-разработчику
8.5. AI-тестирование
Практика: создание рабочего инженерного мини-приложения с нуля.
МОДУЛЬ 9. Безопасность, внедрение AI и итоговый проект
9.1. AI Safety
9.2. Основные риски
9.3. Методика проверки AI
9.4. Как внедрять AI в инженерной организации
ИТОГОВЫЙ ПРОЕКТ
Необходимо разработать AI-решение для реальной инженерной задачи, например:
— AI-помощник инженера;
— база технических знаний;
— система анализа данных;
— диагностический ассистент;
— генератор технических отчётов;
— инженерный калькулятор;
— система анализа документов;
— приложение для визуализации данных;
— автоматизированный AI-workflow.
Дополнительная информация и организация обучения: