Новые складчины

​

После этого курса вам вряд-ли пригодятся другие, ведь здесь вы узнаете достаточно основ для того чтобы начать читать документацию и самостоятельно разбираться в мире программирования.

Python PRO - один курс вместо пяти разных:

• Синтаксис,
• ООП,
• Telegram-боты на aiogram,
• сайты на Django,
• API на FastAPI.

Программа курса:

• Синтаксис Python
  Условные операторы, циклы, функции, списки, словари, файлы, исключения — фундамент, без которого никуда.
  
  
• Объектно-ориентированное программирование
  Классы, наследование, инкапсуляция, полиморфизм. Думаешь как архитектор, а не просто пишешь скрипты.
  
  
• Telegram-боты на aiogram
  Хендлеры, FSM, клавиатуры, база данных. Боты в СНГ заказывают каждый день — это живые деньги сразу после курса.
  
  
• Веб-сайты на Django
  Шаблонизатор, URL-роутинг, ORM, авторизация, база данных. Полноценные сайты без глубокого знания frontend.
  
  
• REST API на FastAPI
  Один из самых быстрых фреймворков в мире. Делаешь бэкенд, к которому подключается любое приложение.

Проекты которые ты построишь:

• aiogram: Telegram-бот №1 — мой пример с нуля до деплоя
• aiogram: Telegram-бот №2 — твоя идея, твой проект
• Django: Сайт №1 — с базой данных, авторизацией и админкой
• Django: Сайт №2 — твой, под любую идею
• FastAPI

Спойлер: Об авторе:

Тимур Сагитов (Эксперт)

Senior Python Developer. Стаж 12 лет. Более 4 миллионов просмотров на YouTube, создатель проекта $ sudo teach IT. Преподаёт с 2019 года, программирует с 2013.

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Мечтаешь разбираться в данных глубже и применять нейросети для прогнозов? Этот пакет даст тебе всё необходимое: от изучения методов анализа временных рядов до построения собственных моделей в PyTorch. Ты научишься выявлять закономерности, работать с трендами и сезонностью, создавать предсказательные модели и понимать их математическую основу. С этим курсом ты получишь навыки, которые ценят работодатели, и сделаешь уверенный шаг в карьеру в Data Science.

Чему вы научитесь

Анализировать временные ряды и выявлять тренды, сезонность и аномалии
Применять классические методы прогнозирования (ARIMA, Prophet и др.)
Работать с PyTorch и создавать свои первые нейросети
Строить и обучать модели RNN и LSTM для временных рядов
Подготавливать данные к моделированию и оценивать качество прогнозов
Сравнивать подходы и выбирать оптимальные решения для задач анализа данных
Разрабатывать проекты, которые можно добавить в портфолио

Курс 1: Анализ и прогнозирование временных рядов

Методы анализа временных рядов
Поиск трендов, сезонности и выбросов
Построение моделей прогнозирования (ARIMA, Prophet и др.)
Подготовку временных рядов к обучению нейросетей

Кому подойдёт: аналитикам и дата-сайентистам, которые хотят научиться прогнозировать данные и решать реальные бизнес-задачи.

Курс 2: PyTorch с Нуля до Первой Нейросети

Основы работы с PyTorch
Создание своей первой нейросети
Обучение и оптимизацию моделей
Использование PyTorch для задач анализа данных и временных рядов

Кому подойдёт: тем, кто хочет уверенно войти в мир глубокого обучения и научиться строить модели на практике.

Почему это выгодно:

Сэкономите десятки часов на поиске разрозненных материалов
Получите комплексную подготовку по всем ключевым темам
Научитесь применять знания сразу — без лишней теории
Подготовитесь к реальной работе в индустрии

Для кого эта программа

• Для студентов и выпускников, желающих получить прикладные навыки
• Для тех, кто готовится к собеседованиям на позицию аналитика
• Для тех, кто хочет войти в Data Science без воды и лишней теории
• Для специалистов из маркетинга, продаж, финансов, которые хотят разобраться в данных
• Для самоучек, которым нужна структура и практика

Начальные требования

Базовые знания Python
Знакомство с основами статистики и алгебры желательно, но не обязательно
Всё остальное — изучите в процессе

Содержание:

Нейросети в PyTorch: быстрый старт с нуля

Введение и настройка

Что такое PyTorch и зачем он нужен
Установка и настройка (локально и в Google Colab)

Основы тензоров и автодифференцирование

torch.Tensor: создание, типы, shape, операции
Автоматическое дифференцирование: requires_grad, backward() и др.

Линейные модели и градиентный спуск

Ручной градиентный спуск
Линейная регрессия с PyTorch
Функции потерь и оптимизаторы (MSELoss, SGD)
Тренировка и визуализация лосса

Нейронные сети

Что такое нейросети
Многослойный перцептрон (nn.Sequential, nn.Module)
Активации: ReLU, Sigmoid, Softmax
Модель классификации + обучение

Работа с данными

Dataset и DataLoader
Работа с CSV и изображениями
Аугментации и трансформации (torchvision.transforms)

Компьютерное зрение

Введение в сверточные сети (CNN)
Conv2d, MaxPool2d, Flatten
Классификация на MNIST / CIFAR-10

Оценка и сохранение моделей

model.eval(), torch.no_grad()
torch.save, torch.load
Обратная связь

Анализ и прогнозирование временных рядов

Введение в временные ряды

Что такое временные ряды: определение и ключевые компоненты
Задачи анализа временных рядов: прогноз, классификация, аномалии

Обработка и визуализация временных рядов

Чтение и загрузка временных рядов (Pandas, NumPy)
Очистка и предобработка данных
Визуализация временных рядов с Matplotlib и Seaborn

Стационарность и преобразование временных рядов

Определение стационарности временных рядов
Тесты на стационарность: ADF, KPSS, PP и другие
Преобразование временных рядов для стационарности

Декомпозиция временных рядов

Теория декомпозиции временных рядов: тренд, сезонность и шум
Применение STL для декомпозиции временных рядов

Классические модели для прогнозирования временных рядов

Модели авторегрессии (AR), скользящего среднего (MA), ARMA и др.
Применение ARIMA для прогнозирования
Модели с сезонностью: SARIMA

Прогнозирование с использованием экспоненциального сглаживания

Что такое экспоненциальное сглаживание
Прогнозирование с Simple, Double и Triple Exponential Smoothing

Прогнозирование временных рядов с машинным обучением

Использование ML для прогнозирования
Выбор признаков и обработка временных зависимостей
Применение моделей ML: Random Forest, XGBoost, LGBM

Глубокое обучение для прогнозирования временных рядов

Введение в нейронные сети для прогнозирования временных рядов
Рекуррентные нейронные сети (RNN), LSTM и GRU
Применение LSTM для долгосрочных зависимостей

Продвинутое прогнозирование: Temporal Convolutional Networks

Введение в Temporal Convolutional Networks (TCN)
Построение моделей с TCN для прогнозирования временных рядов

Прогнозирование временных рядов с использованием Prophet

Введение в Prophet: особенности модели и её использование
Прогнозирование с использованием Prophet для временных рядов
Параметры модели и их настройка

Оценка и улучшение точности прогнозов

Техники для улучшения точности прогноза: моделирование ошибок
Оценка стабильности и доверия к прогнозам

Обнаружение аномалий и выбросов

Что такое аномалии и выбросы в данных
Методы обнаружения аномалий: статистические и др.
Практические примеры на временных рядах

Заключительный проект: прогнозирование курса биткоина

Построение проекта по прогнозированию курса биткоина
Анализ и очистка данных
Применение методов прогнозирования (ARIMA, LSTM, Prophet и др.)
Оценка качества прогноза и выводы

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

В десятом сезоне Techlead Crew мы разберем как строить потоковую обработку данных, выбирать между SQL, NoSQL и NewSQL под реальные нагрузки и сценарии, проектировать DWH и Data Lake, работать с консистентностью и транзакциями без потери масштабируемости, как и когда применять OLAP-хранилища и не превращать аналитику в боль.

Вы получите доступ к приватному YouTube-плейлисту, который состоит из следующих видео:

• Открытая сессия Podlodka Techlead Crew: Публичное собеседование: Object Storage Service
• Доклад: Аналитика там, где лежат данные / Илья Солтанов (Точка Банк)
• Доклад: Архитектура и масштабируемость распределённых БД на примере YDB / Олег Бондарь (Яндекс)
• Доклад: Контракты данных: с какой стороны подойти / Анна Мавлютова (Т-Банк)
• Доклад: Архитектура хранилища данных для вашего проекта / Евгений Ненахов (БКС Мир Инвестиций)
• Круглый стол: Хранилища данных: SQL, NoSQL, NewSQL / Михаил Жилин, Олег Бондарь, Константин Евтеев
• Доклад: ClickHouse + Antalya + Data Lake = Real Time Data Lake / Александр Зайцев (Altinity)
• Интервью: Производительность PostgreSQL / Михаил Жилин (Postgres Professional)
• Архитектурная ката: Рефакторинг данных и расписаний / Владимир Невзоров
• Доклад: Что скрывает ваша ORM, или Как не сломать PostgreSQL абстракциями / Олег Чуркин (Точка Банк)
• Доклад: Data Mesh на практике: грабли, архитектура, автоматизация / Евгений Ермаков (iJKos&Partners)

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Неделя «Масштабирование архитектуры»:

- разберёмся, когда пора масштабировать архитектуру, и как договариваться об этом с бизнесом;
- научимся определять, когда архитектуру ещё можно спасти, а когда пора начинать строить заново;
- выясним, как перестраивать существующее решение при росте нагрузки;
- научимся масштабировать процессы тестирования;
- обсудим, а всегда ли нужны микросервисы;
- вместе решим System Design задачи на масштабирование архитектуры;

Программа:
Геннадий Круглов. Доклад «Когда пора заняться архитектурой?»
В докладе Геннадий поделится мыслями о том, что такое архитектура, какие у нее бывают уровни, что такое архитектурно-значимые решения и когда же архитектуру пора менять. И, конечно же, будет разбор типовых симптомов, которые являются индикаторами необходимости изменений.

Илья Казначеев. Доклад «CQRS»
Сложные проблемы требуют непростых решений, таких, как распределенные системы. Но такие системы создают ещё больше проблем... В докладе разберем, как CQRS помогает улучшить архитектуру приложения и уменьшить связанность внутри него. Объясним, как сделать взаимодействие между сервисами более надёжным и консистентным, значительно повысить масштабируемость и поддерживаемость системы. И всё это на примерах из практики.

Максим Смирнов, Кирилл Ветчинкин, Филипп Дельгядо, Евгений Толмачёв. Круглый стол «Перестаньте пилить микросервисы»
Обсуждаем плюсы и минусы микросервисной архитетуры. Выявляем ключевые критерии для принятия решения: переходить на микросервисы или остаться на монолите. Вопросы масштабирования, подводные камни и практический опыт экспертов.

Наталья Петровская. Доклад «Надо больше тестирования: как масштабироваться и получить удовольствие»
Когда система растёт, очень часто тестирование оказывается на линии релиза с предложениями «давайте больше тестировщиков». Поговорим о том, как масштабироваться без боли, регистрации и смс, с чего начать, чем закончить и какие можно сделать выводы из чужих ошибок.

Олег Бондарь. Доклад «Масштабирование распределенных систем»
YDB — это платформа, которая может одновременно работать с OLTP и OLAP-нагрузками, а также выступать в качестве сервиса очередей сообщений. В докладе узнаем, как мы решаем проблемы хранения и масштабирования данных и нагрузки для таких разных задач. Про общепринятые подходы и выбранные нами решения.

Александр Крылов, Иван Нещадин. Публичное собеседование «Публичное собеседование по System Design »
Александр Крылов (bimeister) проведет собеседование по system design, в течение которого Иван Нещадин (Авито) попробует спроектировать платформу-маркетплейс по услугам рекламы для заказчика из среднего бизнеса

Владимир Иванов. Доклад «Как развивать архитектуру и не сходить с ума»
С новым проектом нет обычно проблем: тут сделаем веб-приложение, тут базу выберем, тут пару сервисов напишем. Но вот сервис взлетел, и теперь нужно его менять и развивать. Чем руководствоваться? Как объяснить разработчикам каких рамок придерживаться? И как самому не стать бутылочным горлышком?

Даниил Марданов. Доклад «Баланс между бизнесом и инженерами»
Узнаем, как проекту с 10-летней историей не превратиться в легаси, обеспечивая кратный рост нагрузки, непрерывную поставку фич и высокое техническое качество.

Павел Лакосников. Доклад «Эволюция технических метрик»
Доклад будет рассматривать эволюцию метрик в контексте роста команд, компании, продукта и кода. Обсудим связь с архитектурной эволюцией, а также идею построения метрик на основе трейсов. Посмотрим на обзор эволюции инструментов для сбора метрик: от простых систем уведомлений администратору до современных решений, таких как VictoriaMetrics.

Евгений Кузовлев. Доклад «Геораспределенные системы»
Мы каждый день сталкиваемся и в использовании (как пользователи), и в разработке (как специалисты) с распределенными системами. Они бывают как сильно распределенными, так и не очень. В чем разница? Почему у знакомого есть три дата-центра и у тебя есть три дата-центра, но есть нюанс? Когда надо думать про разные штуки с задержками и консистентностью, а когда можно поставить модную БД в режиме as-a-Service и все будет круто? Приходите поговорить про скучную теорию и веселые фейл-кейсы построения разных распределенных систем.

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Алготрейдинг — это не магия и не кнопка «бабло».
Это системная инженерная работа.

Есть миф, что для успешной торговли не нужно знать язык программирования, потому что нейросети всё напишут за вас.
В реальности всё работает по-другому: невозможно написать стабильного торгового робота, которому можно доверить управление капиталом, не понимая языка программирования.

В начале апреля стартует наш курс по Python для алготрейдинга с нуля.
Он рассчитан на тех, кто только начинает изучать Python: простым языком разберём базу — от установки программного обеспечения и синтаксиса языка до работы с биржами и открытия ордеров.
Вы поймёте логику создания торговых ботов и реализуете несколько собственных проектов.

Программа длится 3 недели. Стоимость — 300 $. Занятия проходят 2 раза в неделю онлайн в Zoom: практические разборы, видео- и текстовые уроки, домашние задания.
Курс веду я. Группа будет небольшой — с большим количеством личного общения и обратной связи.
Также обсудим любые вопросы, связанные и не связанные с алгоритмической торговлей, если они возникнут.

Курс рассчитан на новичков, которые хотят:

• изучить основы Python без лишней теории
• научиться работать с биржевыми API
• получать и обрабатывать рыночные данные
• отправлять ордера и управлять позициями
• понимать логику создания торговых алгоритмов
• создать первых торговых роботов под контролем

Если ваша цель — научиться создавать алгоритмы, которые действительно работают, напишите мне в личные сообщения. Добавлю вас в группу.

Системность всегда побеждает иллюзии.

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Преподает Lead разработки AI-агентов, Группа Сбер (АБТ)
Научимся с нуля создавать и внедрять в процессы сложных AI-агентов на примере pet-проекта — мультиагентной системы с production-архитектурой: памятью, стейтом, автономностью и мониторингом. Без low-code решений

Подойдет разработчикам, которые:

1. Внедряют AI-агентов в существующую инфраструктуру компании или хотят научиться делать это для себя
2. Уже писали агентов и получили неуправляемую «систему» с галлюцинациями, зацикливанием и сжиганием бюджета

Также Будет полезно:

• Tech/Team-лидам
  Узнаете лучшие практики проектирования архитектуры AI-агентов
  
  
• AI-продактам
  Увидите процесс разработки AI-агентов изнутри и будете лучше понимать свою команду

Ограничей по грейду нет, но нужно знать:

• любой backend-язык
• базовые принципы API
• сети и БД на базовом уровне

На практике будем писать агентов с помощью LLM, но в теории покажем примеры кода на Python.
Конструкции будут простыми - проблем с пониманием не возникнет​

В рамках курса научимся:

1. Проектировать архитектуру реального AI-агента с учетом best practices
2. Получать от него предсказуемые и структурированные ответы вместо безумной генерации
3. Обучать агента учитывать и сохранять контекст, не повторяться и вести задачу как процесс
4. Внедрять в агента observability и мониторить качество ответов
5. Безопасно останавливать работу агента, не «сжигать» бюджет и запрещать деструктивные действия
6. Создавать мультиагентную систему с координацией их поведения и взаимодействия

И все это - на примере реального проекта
С нуля напишем своего AI-агента, который будет анализировать GitHub-репозиторий и извлекать бизнес-инсайты из названий коммитов, pr и issue

Но важно, этот AI-агент про:

• источник инсайтов, а не замену всех людей вокруг проекта
• демонстрацию возможностей, которые ты можешь делать с ИИ, а не идеальное open-source решение

Вместо нашего агента можно создавать своего
Если у тебя есть своя идея или реальный проект на работе, можно заниматься своей задачей и по ходу задавать вопросы преподавателю
​

Спойлер: Программа

Урок 1: Введение в концепцию агентов

AI-агенты - самая хайповая концепция, но именно поэтому этим словом
называют все подряд: и простого чат-бота с промптом, и любой скрипт с
 вызовами LLM.
Агенты гораздо глубже и сложнее. В этом модуле разбираемся, что такое агент на самом деле, почему это не фреймворк и не SDK, и закладываем архитектурный фундамент, на котором будет стоять все остальное

Что такое агент и что им не является:

• как мы вообще здесь оказались и почему перестало хватать просто LLM
• агент vs чат-бот vs pipeline vs workflow
• decision framework: когда агент действительно нужен, а когда это оверинжиниринг
• анатомия агентов и agent loop

Паттерны:

• Реагируйте, планируйте → выполняйте (Планируйте и решайте)
• критерии выбора + антипаттерны

Бонусом:

• кратко пройдемся по внутреннему устройству популярных агентов: Cursor, Claude Code, Deep Research
• разберемся, что у них общего архитектурно

Упражняться:

• разбираем архитектуру реального агента по слоям
• собираем наивный прототип Projects Health Agent, который постарается навести порядок в вашем GitLab

Результат:

• понимаешь, где кончается «чат» и начинается агент
• есть рабочий и простой прототип, который будем прокачивать

​

Урок 2: Как агент думает и действует

«Агент работает, но так себе» — мы не уверены, что задача вообще закончится успехом. В этом уроке строим когнитивный и execution-слой как инженерные компоненты

Когнитивный слой:

• основы инференса LLM как рычаги: на что мы можем влиять
• как выбрать модель под задачу
• context engineering: как не впихивать все, что у вас есть
• structured outputs: заставляем модель ответить так, как нам надо

Execution-слой:

• tools: разбираем из чего они состоят
• проблемы дизайна инструментов: «слишком мало/слишком много»
• коротко про MCP: как стандартизировать доступ к тулзам

Упражняться:

• подключаем GitLab API как tools
• вводим строгие схемы output + валидацию/repair loop
• делаем стратегию чтения: агент сам решает, какие MR раскрывать глубже

Результат:

• предсказуемые структурированные инсайты вместо безумной генерации
• агент умеет выбирать контекст и инструменты, а не пихать все в промпт

​

Урок 3: Автономность: память, стейт и контроль поведениях

Добавляем агенту все, чтобы отправить его в свободное плавание: память, состояние и контроль. Здесь мы превращаем реактивную систему в управляемую и автономную

Память:

• краткосрочная / долгосрочная / эпизодическая
• history management и компактизация: хранить / сжимать / забывать

Инженерия состояний и обеспечение устойчивости:

• жизненный цикл состояния
• персистентность: падение / рестарт без потери
• параллелизм и консистентность

Идемпотентность и детерминизм:

• повторяемость действий и политики
• идемпотентность операций
• детерминизм, где возможно

Контроль автономности:

• HITL (Human-in-the-Loop): когда действуем сами, а когда спрашиваем
• confidence как уровни автономности
• саморефлексия как адаптация

Упражняться:

• добавляем память и реализуем state-машину
• вводим idempotency keys и учимся не повторяться
• учимся адаптироваться к суровому окружению

Результат:

• агент не забывает, не повторяется, ведет задачу как процесс
• автономность становится более управляемой

​

Урок 4: Катим в прод: надежность, безопасность и остановка

Демо прощает все, а прод — нет. В этом уроке делаем агента, которому можно доверять: ошибки, безопасность, наблюдаемость, стоимость, измеримость и обязательные stop conditions

Error handling:

• API 500 / таймауты: retry / backoff / fallback / graceful degradation
• ошибки LLM: отказ, галлюцинации, невалидный output → repair / abort

Ограждения:

• запрет деструктивных действий без подтверждения
• политика алертов и настройка порогов
• работа с мгновенным внедрением / враждебными входными данными

Stop conditions или когда агент обязан остановиться:

• контроль затрат/времени/инструментов
• mistools и другие ошибки инструментов
• низкая уверенность, отсутствие HITL … и другие

Наблюдаемость и оценка:

• строим трейсинг и health check
• что такое evals, как их строить и почему в агентах это так важно

Упражняться:

• добавляем guardrails + запреты + политики алертов
• внедряем stop conditions (бюджеты, circuit breaker, abort правила)
• пишем минимальный eval suite

Результат:

• агент безопасно останавливается и сжигает бюджет маленькой страны
• есть наблюдаемость и постоянная оценка качества

​

Урок 5: Сложные задачи: мультиагентность и координация

Когда один агент не тянет по широте своей души функциональности, появляется мультиагентность (несколько агентов сразу). Как следствие - неизбежность координации и взаимодействия внутри команды агентов

Когда мультиагентность нужна / когда нет:

• компетенции, параллелизм, сложность решений
• цена координации

Топологии и роутинг:

• руководитель / иерархический, равный коллеге
• роутинг: статический / динамический / условный

Многоагентное состояние:

• общий против изолированного
• конфликтность состояний и findings + dedup / merge-политики

Упражняться:

• финализируем нашу систему

Результат:

• понимаешь, когда мультиагенты оправданы
• умеешь проектировать их координацию и целеполагание

​

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Этот курс научит вас как создать игру в жанре 3 в ряд (Match 3) на языке C# и игровом движке Unity. На курсе мы будем использовать много интересных фреймворков: VContainer для внедрения зависимостей, Adressables для загрузки ресурсов игры, Dotween для анимаций, а также Unitask для асинхронных методов.

Чему вы научитесь:

• Научитесь создавать пошаговые игры на основе сетки
• Поймете как использовать Unitask для асинхронных методов
• Управлять ресурсами игры с помощью Adressables
• Анимировать игру с помощью Dotween
• Внедрять зависимости через VContainer
• Освоите паттерны: State Machine, Object Pool
• Научитесь пользоваться новой системой ввода Unity
• Отделять логику от внешнего вида в коде
• Использовать Git

О курсе:

На этом курсе мы создадим полный игровой цикл, с возможностью выбора уровней, всей игровой логикой: по перемещению плиток, нахождения между ними совпадений, условий для завершения игры, и конечно, с сохранением прогресса после выхода из игровой сессии.

Жанр игры 3 в ряд довольно стар сам по себе, но тем не менее он все еще очень популярен, особенно на мобильных платформах.

Поэтому, знания как и из чего строится архитектура подобных игр может быть вам весьма полезна, особенно если вы хотите научиться создавать пошаговые игры на основе сетки.

Мы научимся создавать сетку, интерпретировать ее в игровом пространстве, также напишем машину состояний для всего игрового цикла, рассмотрим такой паттерн как object pool для использования ресурсов, используем новую систему ввода в Unity и анимируем игру с помощью Dotween.

Также отделим всю логику и данные от визуального представления. Проект будет написан на чистом с# и асинхронных методах, ну конечно же, кроме интерфейса и объектов на сцене. Это может быть полезно, если вы заходите попробовать перенести проект на другой движок или например переписать его на другом языке программирования. Это все дает вам больше контроля и гибкости.

Для кого этот курс:

• Курс будет полезен разработчикам игр и любителям, кому интересно разобраться в теме создания игр.

Начальные требования:

• Курс рассчитан на людей знакомых с основами C# и Unity.

Что вы получаете:

• Вы получите хороший прототип игры в ваше портфолио на Git.
• Новые востребованные навыки по Unity.
• Сертификат об окончании курса

Программа курса:

1. Создание игрового поля
   • О курсе
   • Настройка проекта Unity и подключение к GitHub
   • Создание игровых плиток
   • Сетка для пошаговой игры
   • Внедрение зависимостей с VContainer. Создание игровой доски
   • Настройка камеры
   • Пул объектов
   • Вспомогательный режим игры
   • Пустые плитки
   • Настройки уровня
2. Игровой цикл
   • Система ввода
   • Машина состояний
   • Добавление анимаций
   • Состояние хода игрока
   • Состояние обмена плиток
   • Алгоритмы совпадения плиток
   • Состояние удаления плиток
   • Состояние наполнения доски
   • Игровая прогрессия
3. Архитектура проекта игры
   • Загрузчик сцен
   • Загрузочная сцена
   • Внешний вид меню
   • Выбор уровней в меню
   • Инициализация кнопок меню
   • Анимация меню
   • Аудио менеджер
   • Звуки в игре
   • Старт игры из меню
   • Завершение игрового цикла
4. Украшение игры
   • Интерфейс в игре
   • Задний фон плиток
   • Эффект исчезания плиток
   • Загрузка ресурсов
   • Билд игры
   • Сохранение прогресса
   • Рефакторинг загрузки ресурсов

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Как за 3 месяца мы достигнем результат:
«Мы обучим вас разработке, ИИ, гейм-дизайну и маркетингу. Вместе с вами разработаем ваши игры, инвестируем в маркетинг и заработаем деньги, которые безопасно выведем вам в Россию.»

Как мы доведём вашу ИГРУ до результата:

1. Раз в неделю разбор игры экспертами
2. Вкладываем деньги в первую рекламу
3. Делаем вирусные ролики и публикуем на сети каналов
4. Публикуем игру в крупных каналах по Roblox (от 100 000 подписчиков)

А также делаем это:

• Безопасно выводим деньги в Россию и в белую выплачиваем вам
• Наши разработчики и дизайнеры в любой момент помогут вам
• Делимся самыми актуальным трендами и механиками в Roblox
• Выдаём премиумные шаблоны и пакеты 3D моделей
• Поддерживаем вас в течение 12 месяцев

ОБУЧЕНИЕ ведут только топы своего дела:
Роман Сакутин, Владимир Ковтун, Борис Синявцев

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Освойте 50 ключевых функций Excel и пройдите путь от новичка до профи.

На сегодняшний день в Microsoft Excel 477 встроенных функций. Это число немного пугает
На самом деле, для решения 90% задач, возникающих при работе в Excel, достаточно знать одну десятую от этого количества. Этот курс как раз и посвящен подробному разбору этих 50 ключевых функций, без которых сейчас невозможно представить ни один современный проект в Microsoft Excel.

В этом курсе вы:

• Научитесь быстро и легко вводить, редактировать и комбинировать между собой любые функции Excel разными способами.
• Склеивать, резать и зачищать текст с помощью удобных текстовых функций Excel.
• Разберетесь, как выполнять любые операции с датами, считать сроки, длительности, стаж или возраст в календарных или рабочих днях
  с помощью функций дат и времени.
• Научитесь задавать проверки и сложные условия для реализации хитрой логики в ваших расчетах.
• Освоите мощные функции поиска и подстановки (ВПР, ИНДЕКС, ПОИСКПОЗ...) для связывания таблиц.

Для кого этот курс:

Для пользователей Microsoft Excel начального или среднего уровня, стремящихся довести владение Excel до устойчивого уверенного навыка. Если вы способны сложить формулой две ячейки и открыть-сохранить книгу Excel на диск, то этого вполне достаточно для прохождения данного курса.

Курс состоит из 22 уроков общей длительностью больше 3 часов видео, разделённых на 6 глав. К каждому уроку приложен текстовый конспект, файл-пример и ДЗ для самостоятельной проработки всех навыков.

Примерное время на прохождение всего курса с упражнениями и финальным тестом - 5-6 часов, т.е. 1-2 дня в неспешном темпе.

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

• Узнаете основы языка программирования Java
• Начнёте автоматизировать тесты для веб‑приложений и API
• Будете много практиковаться
• Освоите инструменты автоматизации
• Научитесь составлять отчёты о результатах тестов в Allure
• Сможете совмещать учёбу с работой и другими делами

Этот курс поможет карьерно вырасти

• Начинающим тестировщикам, которые хотят повысить квалификацию Освоите новые навыки, которые помогут найти работу или получить повышение на текущем месте
• Опытным ручным тестировщикам. Сможете полностью перейти в автоматизацию: писать автотесты для веб-приложений и АРІ, проводить юнит-тесты, развивать инфраструктуру проекта
• Тем, у кого мало или совсем нет опыта в программировании.Познакомитесь с основами Java и сможете выйти на новый уровень в тестировании

Зачем инженеру по ручному тестированию учиться автоматизации

1.Избавитесь от рутины
Автоматизация позволит избежать рутинных проверок и ускорить тестирование задач
2.Освоите новые инструменты и технологии — станете конкурентоспособнее
IntelliJ IDEA
Maven
Selenium WebDriver
Selenide
JUnit
Git
REST Assured
Allure
Jenkins
SQL
3.Сможете больше зарабатывать
Зарплаты автоматизаторов почти в 2 раза выше, чем у инженеров по ручному тестированию

Чему вы научитесь

• Писать код на Java
• Поймёте, как устроен язык, изучите базовый синтаксис и напишете небольшое приложение
• Автоматизировать тестирование
• Как веб-приложений, так и API — для этого освоите pytest, Selenium WebDriver, Git, XPath, CSS и Allure
• Использовать JUnit 5, Selenide и Postman
• Освоите продвинутые инструменты тестировщика, а ещё научитесь работать с базами данных
• Выстраивать процесс автоматизации
• Разберётесь в инфраструктуре и архитектуре приложений, чтобы покрывать их тестами на всех уровнях

Усилите свои хардскилы с помощью ИИ
Научитесь использовать нейросети, чтобы:

• Генерировать классы Page Object на Java, локаторы и структуру проекта
• Создавать тестовые данные и mock‑объекты для любых сценариев
• Автоматически составлять матрицу покрытия требований
• Группировать тест‑кейсы
• Разбирать логи ошибок
• Интерпретировать метрики нагрузочного тестирования

Программа курса
Составили программу по образовательной модели 4C/ID: будете учить только то, что нужно для решения настоящих задач автоматизатора

Срок обучения: 5 месяцев

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Вы будете уметь

• Понимать роль и задачи системного аналитика в IT-проектах
• Формулировать и управлять требованиями к продукту
• Работать с User Story, Job Story и UML/ERD-диаграммами
• Проектировать пользовательские интерфейсы и прототипы
• Документировать API и интеграции (REST, SOAP)
• Использовать Agile и Waterfall подходы для документирования
• Применять AI-инструменты для сбора и анализа требований
• Выполнить проект по проектированию маркетплейса в портфолио

Программа
Сначала — фундамент из знаний, потом — инструменты, далее — задачи. Вы двигаетесь по модулям в размеренном темпе, без лишней теории и с возможностью углубиться, если нужно.

Урок 1 Кто такой Системный аналитик?
Специфика роли и ее отличие от других ролей аналитиков. Компетенции системного аналитика. Ключевые функции и задачи. Модели разработки ПО. Интеграция ИИ в работу системного аналитика.

Урок 2 Виды, критерии и источники требований
Виды требований. Разработка требований и управление ими. Критерии качества требований. Источники требований.

Урок 3 User Story, Job Story и основные графические нотации
Методология создания программного продукта. User Story и Job Story для документирования требований. Нотации EPC и BPMN. Основные диаграммы UML. ERD — диаграмма «сущность-связь».

Урок 4 Пользовательские интерфейсы
Зачем нужны пользовательские интерфейсы. Принципы проектирования пользовательского интерфейса. Бумажное прототипирование. Значение пользовательского интерфейса для системного аналитика. Этапы разработки пользовательского интерфейса. Интерфейсы с использованием искусственного интеллекта.

Урок 5 Программные интерфейсы
Введение в API. Виды интеграции. Протоколы интеграции: SOAP и REST. RESTful API — принципы и практика. Инструменты для работы с API.

Урок 6 Документирование
Введение в документирование. Методология Waterfall. Методология Agile. Типы документации. Инструменты для документирования.

Урок 7 ИИ и Системный аналитик
Автоматизация сбора и анализа требований. Разработка требований с помощью ИИ. User Story, Job Story и диаграммы. Создание пользовательских интерфейсов. API и интеграции. Документирование в IT-проектах.

Урок 8 Проект: проектирование маркетплейса
Основы системного проектирования и масштабирования. Использование паттернов: балансировка нагрузки, кеширование, партиционирование, избыточность. Основы Agile и Waterfall в управлении проектами. Введение в Doc-as-code. Применение спецификаций OpenAPI. Основы визуализации данных через PlantUML. Прототипирование интерфейсов в Figma. Тестирование API через Postman и SoapUI.

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Станьте частью новой инженерной элиты, которая глубоко понимает код и мастерски владеет нейросетями

• Для новичков и тех, кто хочет прокачать навыки
• Без дедлайнов: учитесь, когда удобно
• Специализация: ИИ-фронтенд

Разработка с нейросетями по стандартам ведущих IT-компаний, наставник и индивидуальный проект

Стандарты IT-гигантов

• Поверхностный вайбкодинг — путь в никуда.
• Ведущие IT-компании выбирают инженеров, которые глубоко понимают технологии и мастерски используют нейросети в работе. Здесь формируется именно такая экспертиза.

Спойлер: Программа курса:

Раздел 1 (~ 3 месяца): HTML и CSS. Профессиональная вёрстка сайтов

Вы научитесь создавать выразительную и доступную разметку, работать с графическим макетом, строить сетки страниц, оформлять декоративные элементы и текстовое содержание, оптимизировать код и готовить завершённый проект к публикации.

В программе модуля:

• Введение
• Разметка
• Графика
• Стилизация
• Сетки на гридах
• Сетки на флексах
• Декоративные элементы
• Оформление контента
• Доступность и формы
• Оживление интерфейса

Раздел 2 (~ 3 месяца): JavaScript. Профессиональная разработка веб-интерфейсов

Вы изучите основы JavaScript, научитесь алгоритмическому мышлению, разберётесь, как оживлять статичные страницы, валидировать данные в формах, взаимодействовать с серверами и получите практику решения типовых задач.

В программе модуля:

• Знакомство с JavaScript
• Основные возможности JavaScript
• Объекты и массивы
• Встроенные объекты и функции
• Организация кода
• DOM и события
• Манипуляции с DOM
• Работа с событиями
• Внешние API и сторонние библиотеки
• Сеть
• Асинхронность. Работа с сетью
• Обратная связь и оптимизация

Раздел 3 (~ 3 месяца): JavaScript. Архитектура клиентских приложений

Вы научитесь проектировать небольшие приложения на JavaScript, разберётесь в синтаксисе ES2015, познакомитесь с концепцией ООП. При проектировании приложения вы будете использовать паттерн MVC и узнаете, что такое компонентный подход к разработке, слабое связывание кода и дата-биндинг. Кроме этого, вы научитесь работать с REST API и делать офлайновые приложения. Также мы поговорим о настройке окружения: о зависимостях, использовании внешних библиотек, сборке кода и серверах разработки.

В программе модуля:

• Single Page Application (SPA)
• Структуры данных
• ООП. Введение
• ООП. Наследование и полиморфизм
• MVP. Presenter
• MVP. View
• MVP. Model
• Работа с сетью
• Offline

Раздел 4 (~ 3 месяца): React. Разработка сложных клиентских приложений

Вы научитесь проектировать большие клиентские приложения с использованием стека React-Redux-Thunk-Jest. Будете настраивать окружение. Поймёте, где использовать React, а где он не нужен. Познакомитесь с библиотекой Redux. Большой упор будет сделан на отладку кода. Кроме этого, вы научитесь тестировать свои приложения: писать регрессионные и юнит-тесты, и будете использовать для этого библиотеку Jest.

В программе модуля:

• Знакомство с TypeScript
• React
• Маршрутизация (React Router)
• React-компоненты. Hooks
• React и паттерны
• Redux
• Асинхронность в Redux
• Оптимизация производительности
• Тестирование React

Раздел 5 (~ 3 месяца): AI-агенты для фронтендеров

ИИ даёт ощутимый эффект только тогда, когда за ним стоит глубокая инженерная база. Именно поэтому модуль по AI-агентам стоит в конце программы.
Вы освоите навык разработки фронтенда с использованием AI-агентов GPT-5, GitHub Copilot и Cursor. Научитесь доверять рутину искусственному интеллекту и автоматизировать ежедневные задачи, ускоряя работу минимум в 2 раза.

В программе модуля:

• Оптимизация рабочего окружения
• Обзор популярных AI-ассистентов для кодинга (GitHub Copilot, ChatGPT, Cursor и др.) и их возможности
• Разработка и рефакторинг
• Техники эффективного «prompt engineering»: формулирование запросов к AI для получения корректного и оптимального кода
• Контроль качества ответов: стратегии проверки сгенерированного кода
• Генерация unit-тестов средствами AI с использованием описания функциональности или контрактов функций
• Тестирование краевых случаев: привлечение AI для придумывания нетривиальных сценариев
• Автодокументирование кода: генерация описания функций и компонентов
• ИИ в командной работе и повседневных задачах

Индивидуальный проект с разбором от наставника

Разработаете индивидуальный проект и получите глубокое код-ревью (разбор проекта) от опытного наставника.

Аттестация (~ 2 недели): Грейдирование

Дадим задание разработать проект и проверим насколько вы усвоили материал курса. Оценим по критериям качества и скорости, сравним со средними показателями выпускников Академии. При успешном прохождении вы получите сертификат.

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Завтра открываю предзапись на первый воркшоп по AI-разработке, который делаем вместе с Олегом Мифле (тимлид в Т-Банке).

Смотрю на тех, кто уже в листе ожидания - и вижу очень разный уровень. Есть ребята, которые давно в теме нейросетей, а есть совсем новички.
Поэтому решили с Олегом: не будем сразу грузить всех сложными штуками. Начнём с фундамента - с того, как правильно выстраивать работу с AI.

Главное на воркшопе:
Не просто "сделать лендинг и бота", а научиться осознанному управлению разработке с AI - понимать что происходит под капотом и как выстраивать workflow.

Отработаем правильный подход:
- Исследование ниши и анализ (что вообще нужно сделать)
- Декомпозиция на этапы (план реализации)
- Поэтапная реализация (не "сделай всё сразу", а шаг за шагом)
- Проверка и итерации
Разберёмся как работает LLM - что такое контекст, как правильно ставить задачи и применять RAG базы знаний.
Что сделаем на практике:
Лендинг + бот-секретарь с RAG-базой знаний - универсальная связка для барбершопа, стоматологии, юриста, веб-студии, любого бизнеса.
Это реально полезный кейс, который можно использовать или продать. Но самое важное - понимание основ разработки с применением AI.

Как готовимся:
Я сейчас собираю материалы для самоподготовки - по базовым технологиям (фронтенд, бэкенд, боты, деплой) и по работе с LLM.
Возможно даже сделаю бота, который проверит знания по этим темам перед воркшопом

Детали:
Старт воркшопа: 3 марта
Длительность: ~3 часа
Формат: онлайн
Уносите: понимание workflow разработки с LLM, готовый сайт, рабочий бот с подключенной RAG базой знаний, весь код и способность воспроизвести это для аналогичного проекта.
Завтра уже можно будет записываться.

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Автоматизация тестирования Backend с Python. Расширенный

Чему вы научитесь

• Проектировать и реализовывать стабильные, быстрые и детерминированные автотесты для backend-систем, работающих в микросервисной архитектуре.
• Строить изолированную тестовую инфраструктуру для backend-приложений с использованием Docker и Docker Compose, включая сервисы, базы данных, очереди и мок-зависимости.
• Разрабатывать изоляционные автотесты, которые запускаются поверх локального тестового стенда и воспроизводимо работают как локально, так и в CI/CD.
• Тестировать backend-приложения, использующие HTTP и gRPC протоколы, с акцентом на проверку бизнес-сценариев, а не отдельных запросов.
• Тестировать асинхронные event-driven сценарии с использованием Kafka без флейков и недетерминированного поведения.
• Проектировать и реализовывать собственные mock-сервисы для HTTP и gRPC, управляя поведением внешних интеграций на уровне сценариев.
• Работать с контрактами взаимодействия микросервисов и использовать их как основу для тестирования и мокирования.
• Разрабатывать сценарные API-клиенты для HTTP, gRPC и Kafka, применимые в автотестах, моках и инфраструктурных сценариях.
• Использовать сценарный подход для управления поведением системы и зависимостей в автотестах.
• Тестировать backend-системы через API, события Kafka и прямую работу с базой данных (PostgreSQL), осознанно выбирая подход в зависимости от сценария и архитектуры системы.
• Проектировать тесты так, чтобы они не зависели от порядка выполнения, состояния среды и внешних факторов.
• Организовывать детерминированную подготовку тестовых данных и управлять состоянием системы перед выполнением тестов.
• Интегрировать запуск тестового стенда и изоляционных автотестов в CI/CD пайплайн с автоматическим поднятием инфраструктуры, выполнением тестов и публикацией Allure-отчётов.
• Анализировать причины нестабильности автотестов и устранять флейки на архитектурном уровне, а не через ретраи и костыли.
• Проектировать тестовую систему так, чтобы автотесты выполнялись за миллисекунды, а асинхронные сценарии — за предсказуемое и контролируемое время.

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

• Получишь опыт разработки фулстек приложения с нуля
• Получишь большой пет-проект для резюме
• Освоишь сложные принципы и концепции разработки
• Поработаешь в команде, как на реальной работе
• Получишь все необходимые навыки для трудоустройства

О профессии
.Net Fullstack разработчик способен разрабатывать всё: от высоконагруженных серверных приложений, которые обрабатывают тысячи запросов, до удобных интерфейсов для пользователей. Такой специалист способен разработать веб-приложение “под ключ”, обеспечив слаженную работу всех его компонентов.
Такой специалист очень востребован на рынке, благодаря широкому спектру навыков найти работу для него не составит труда, особенно с учётом высокого спроса на разработчиков, умеющих работать как с бэкендом, так и с фронтендом.

Тебе подойдет курс, если:

• Ты знаешь базу С#: умеешь работать с классами, коллекциями, условиями, циклами, интерфейсами, понимаешь базовые принципы ООП
• Готов уделять обучению 10+ часов в неделю
• Хочешь освоить профессию .Net разработчика и найти работу
• Намерен прокачать навыки работы в команде над большим проектом, как на реальной работе
• Готов много практиковаться, гуглить, ошибаться, задавать вопросы и просить помощи

Программа обучения

• Архитектура бэкенд приложений
• Реляционные и неряционные базы данных
• ASP.NET Core
• Аутентификация и авторизация
• Реальные бизнес задачи
• Amazon S3
• Юнит и итеграционное тестирование
• Docker, Docker compose и Nginx
• Фоновые процессы и задачи с Hangfire или Quartz
• Модульный монолит и микросервисы
• Кэширование и распределённый кэш с Redis
• Доменные и интеграционные события. Брокеры сообщений: RabbitMq и Kafka
• React, TypeScript, Axios, Tailwind
• Redux и Rtk query
• Резюме и собеседования
• CI/CD

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...