Вы научитесь писать качественный код в соответствии со стандартом PEP-0008, структурировать код, применять различные подходы и паттерны. Выполняя задания, вы ознакомитесь с написанием юнит-тестов, инструментами для проверки покрытия кода тестами, получите навыки написания кода, добавления к готовому коду функционала для работы через консоль и, в итоге, научитесь работать с файлами, сортировать данные и писать полноценный пакет для использования в последующих задачах.
Цель: понять, как «мыслит» агент, и одним качественным промптом получить работающий UI.
Статьи
1.1 Что такое контекст и как он работает — актуальные модели и окна (2026), примеры → Python, context rot.
1.2 Как писать задачи для агентов — bad/good примеры на Python, шаблон промпта (Context / Task / Constraints / Expected result / Format).
1.3 Обзор основных coding-агентов — актуализация на 2026 (Claude Code, Codex CLI, Antigravity, Qwen Code, Mistral Vibe, Cursor, Junie, Windsurf); представление 5 треков курса и выбор своего.
1.4 Как агент устроен изнутри — цикл read → plan → tool call → observe; инструменты агента; почему агент ошибается.
Проект 1, Шаг 1 — UI одним промптом
HTML5 + Bootstrap 5 + vanilla JS: kanban-доска (WISHLIST/APPLIED/SCREENING/INTERVIEW/OFFER/REJECTED, счётчики), карточки заявок, форма с валидацией, фильтр/поиск, блок статистики. Один детальный промпт по шаблону; промпт сохраняется в README.
Цель: правильно настроить проект для агента и превратить статический UI в работающее приложение.
Статьи
2.1 Структура проекта для разных агентов — структура FastAPI-проекта (routers, models, schemas, services, templates, migrations), pyproject.toml + uv, .gitignore, README для людей и агентов.
2.2 Rules и Skills — Rules для FastAPI (type hints, ruff-стиль, «do NOT»), форматы всех 5 треков.
2.3 MCP (Model Context Protocol) — серверы для Python (Context7, PostgreSQL MCP, GitHub/GitLab, Filesystem), подключение в 5 треках, безопасность.
Проект 1, Шаг 2 — Backend
FastAPI + Jinja2 + SQLAlchemy 2.x + Alembic + PostgreSQL (docker-compose). Сущности: JobApplication + ApplicationEvent (1:N). Полный CRUD, авто-создание события при изменении статуса, фильтрация/сортировка в БД. Обязательно: Rule-файл ≥3 правила, подключённый MCP (Context7), структура из 2.1.
Цель: построить систему гейтов, которая позволяет доверять коду агента.
Статьи
3.1 Гейты качества: какие бывают и как их строить — гейт как обратная связь для агента (запустил → ошибка → исправил → зелёно); уровни: локальные (pre-commit) → CI → агентские (hooks) → человеческие (review); типы: ruff, mypy, pytest, coverage, bandit/pip-audit, сложность, конвенции коммитов; постепенное построение, анти-паттерны.
3.2 Тесты как guardrails — «тесты формулирую я — код пишет агент»; TDD-цикл с агентом; pytest (fixtures, parametrize, httpx-клиент); ловушка «агент подгоняет тесты»; порог покрытия.
3.3 Дебаггинг и ревью AI-кода — передача stack trace/логов, сужение проблемы; типовые ошибки агентов (галлюцинированные API/пакеты, over-engineering, тихое проглатывание исключений); чек-лист ревью; slopsquatting, секреты; skill atrophy.
Проект 1, Шаг 3 — Гейты и тесты
На собственном коде из шага 2: pre-commit (ruff, mypy); pytest-тесты CRUD и бизнес-логики с порогом покрытия; `.gitlab-ci.yml` (lint → typecheck → test, pipeline зелёный); агентский hook (где поддерживает трек); ревью собственного кода по чек-листу 3.3 — найденные проблемы исправляются агентом.
Цель: сознательно выбирать уровень доверия и практики под задачу.
Статьи
4.1 Практики работы с агентами — Multi-Agent Verifying Loop, Git-Based Memory, Clean-Context Restart; интеграция с гейтами (практики + гейты = система контроля).
4.2 Шесть подходов: уровни доверия — Micromanagement, Plan→Execute→Review→Test, SDD, YOLO, Ralph Loops, Multi-Agent Swarms; каждый подход ↔ набор гейтов; SDD расширено (основа Проекта 2).
Проект 1, Шаг 4 — Расширение
Import/export: JSON (с events, дубликаты по company+position), CSV; дашборд /dashboard — pandas + Chart.js (распределение по статусу, активность, conversion funnel, время между статусами); один блок на выбор: Email Follow-Up (fastapi-mail + APScheduler) / Telegram Bot (aiogram) / парсинг вакансий (httpx + BeautifulSoup). Обязательно: сознательный выбор trust level и практик, документация выбора в README.
Цель: мостик от «кодирую с агентом» до «строю AI-фичи».
Статьи
5.1 LLM API в собственном коде — вызов LLM API из Python, structured output (Pydantic), function calling; ошибки, ретраи, стоимость, ключи в env; когда LLM уместен в продукте.
Проект 1, Шаг 5 — LLM-фича
Добавить к Job Tracker одну LLM-фичу: авто-саммари описания вакансии при добавлении по URL, или matching «резюме ↔ вакансия» с объяснением. Требования: structured output через Pydantic, обработка ошибок API, ключ в env, покрытие тестами (мок LLM-клиента).
Brownfield-практикум
Студент получает чужую несовершенную версию Job Tracker (без тестов, 2–3 заложенных бага, code smells) и применяет всё из модулей 1–4: онбординг агента в чужой проект («карта» кодовой базы), поиск и исправление багов (3.3), рефакторинг 1–2 модулей, добавление тестов и гейтов (модуль 3), новая фича без поломки существующего.
Создаём: текст практикума, starter-репозиторий с заложенными багами (~15–20 файлов), список багов для ментора, 6 self-check вопросов.
Домен: клиенты и заказы фрилансера. Сущности: Client, Order (pipeline: LEAD → NEGOTIATION → IN_PROGRESS → REVIEW → PAID / CANCELLED), OrderEvent. Больше, чем Проект 1, на: вторую главную сущность со связями, REST API, более свободный выбор LLM-фичи.
Блок посвящён созданию сервиса погодных уведомлений на Django REST Framework: пользователи авторизуются через JWT, подписываются на погоду в избранных городах с заданной периодичностью, а приложение получает данные из внешних weather API и отправляет уведомления через email или webhook с помощью фоновых задач Celery и брокера Redis или RabbitMQ.
Студент, выполняя задания этого блока, разработает API-сервис для аутентификации и авторизации пользователей с использованием FastAPI, реализует эндпоинты для регистрации, логина, логаута, смены пароля, управления профилем, балансом и списком пользователей с фильтрацией и сортировкой. Использует Pydantic для валидации данных, SQLAlchemy с Alembic для работы с PostgreSQL через asyncpg, JWT для авторизации с access и refresh токенами, Redis с aioredis-py и aiocache для кеширования токенов. Студент настроит асинхронный цикл событий через uvloop, CLI-интерфейс для управления базой данных, а также реализует гибкое логирование с разными уровнями (INFO, ERROR) для локального, dev и prod сред.
Практический блок в формате технического задания, приближенного к реальному pre-employment assessment: необходимо самостоятельно спроектировать и реализовать Weather Service API со smart caching proxy, интеграцией со сторонним погодным сервисом, настраиваемой политикой кеширования и возможностью обхода кеша, а также подготовить тесты, документацию и способ локального запуска приложения.
Скорость прохождения курса зависит от вас. Чем быстрее учитесь — тем меньше платите.
AI-Code Mentoring
AI-Code Mentoring +
Мой путь в IT начался в 2018 году на фриланс-биржах, где я занимался разработкой веб-сайтов, ботов и систем парсинга, выбрав для этого один из лучших языков программирования – Python. Следующим этапом стала работа в компании «Alnicko», где я разрабатывал программное обеспечение для медицинских устройств с графическим интерфейсом и проводил его тестирование. В своей работе я использовал PyQt5, Docker, InfluxDB, SQLite, Mosquitto и Raspberry Pi.
Сейчас я специализируюсь на обработке и анализе больших объемов данных, работая как Data Engineer в компании «EPAM Systems». Мой стек включает Azure Cloud, Apache Spark и Databricks.
Мой путь начался в 2019 году, когда я вспомнил, что по профессии инженер, и как раз был «бум» блокчейна, поэтому я погрузился в эту тему. Очень быстро нашёл работу в блокчейн-хабе в Киеве, и спустя несколько лет решил развиваться как Python-разработчик. На тот момент я уже преподавал курс по Python в одной из школ программирования.
Сейчас работаю над проектом в сфере электроэнергетики в Англии и США. Занимаюсь backend-разработкой на Python, созданием сервисов для обработки данных и автоматизацией процессов. Также работаю с современными AI-технологиями, в частности LLM и MCP, создавая инструменты, которые помогают эффективнее работать с данными и упрощать сложные задачи.
Основной стек:
Python / Django / DRF / FastAPI / Airflow / PostgreSQL / Redis / MongoDB.
С детства интересовался программированием. Начинал с Java, но потом открыл для себя Python и уже около 9-ти лет именно Python является основным языком. Начинал с Digital Agency, где смог получить опыт на разных проектах и с разными технологиями, начиная от размещения баннеров, заканчивая CRM системами.
Сейчас работаю на проекте, который позволяет пользователям найти исполнителей для своей работы. Также есть опыт работы с Go.
Основной стек: Python/Django/DRF/Flask/PostgreSQL/Redis/MongoDB.
Мой профессиональный путь начался в далеком 2016 году и начался именно с Пайтона. С тех пор я поучаствовал в разработке самых разных проектов из самых разных областей: e-commerce, finance, wellness & healthcare. В моем арсенале огромный багаж знаний, который я с радостью передам будущим поколениям: это и Python со всеми его популярными библиотеками и фреймворками, опыт ведения проектов и менторства, а также системная разработка на языке программирования Rust.
Проектировал и развернул рекомендательные системы на основе механизма внимания (attention-based), использующие архитектуры трансформеров. Создавал, предварительно тренировал и тонко настраивал нейронные сети на основе трансформеров, в частности BERT и Vision Transformers. Разрабатывал и интегрировал полноценные (end-to-end) RAG-пайплайны.
Начал программирование с самообучения и фриланса. За весь опыт работы работал с множеством интересных проектов, как платформа для твитов акций (мы добывали там более 1000+ данных по акциям Apple, Google, etc, хранили их и передавали через вебсокет клиентам) и платформой для маркетинга известных брендов (Prada, Dior, LVHM, Loreal). Есть опыт работы с реляционными и нереляционными базами данных.
Стек, с которым работал – Python, Django, FastAPI, Flask, PostgreSQL, MongoDB, ElasticSearch, Redis.
Привет! Я – Александр Сухрын, куратор по Python. Программирую более 10 лет, имею коммерческий опыт разработки в топовых компаниях. Практикую как объектно-ориентированное, так и функциональное программирование. Специализируюсь на веб-разработке (Django, Flask, FastAPI), работе с данными (Pandas, SQLAlchemy), автоматизации и оптимизации кода. Помогу вам освоить Python, разобраться со сложными концепциями и стать уверенным разработчиком!
В коммерческой разработке уже более трех лет. По бэкграунду: универ Шевченко и три месяца курсов по Python. С тех пор прошло большое количество проектов (от малых до больших) с различными подходами и технологиями. В том числе: Flask, FastApi, Asyncio, Aiohttp, Sqlalchemy, Boto3, Pytest, Unittest, etc. Со стороны инфраструктуры работал с GitHub, Docker, Docker-compose, Nomad, Vault, TestConsul. Буду рад помочь погрузиться в сферу и объяснить как оно все работает.
Разработчик на языке Python, в основном работаю с WEB, API интерфейсами, синхронным и асинхронным программированием, SQL и NoSQL базами данных. Есть значительный опыт в компонентном и End-to-End тестировании. Начинал свой карьерный путь как инженер компьютерных сетей, есть сертификаты Cisco.
Python Developer с опытом создания веб-приложений с помощью Django. Приходилось разрабатывать как Front-end, так и Back-end. Владею навыками разработки баз данных, интеграцией REST API и облачными решениями. Разрабатывал на языках Python, JavaScript, Java, C#. Имею опыт с JQuery, Bootstrap, HTML/CSS, Cloud Platform (GCP), AWS S3, Redis, Celery, Git, Docker.
Имею коммерческий опыт программирования – 7 год. Классический пример свитчера – перешел в IT из совершенно другой профессии. На сегодня являюсь Software Engineer (Python Backend Developer) в компании Waylight.me (стартап в США с украинскими корнями). Ежедневно использую Python в профессиональной деятельности. Основное направление – Web-разработка приложений с высокой нагрузкой.
Backend разработчик с 4 годами коммерческого опыта. Основные используемые технологии: Python, Django, Docker, Fastapi, Gitlab. Работал в команде по разработке интернет-магазинов, crm-систем, социальных сетей, систем автоматизации бизнес-процессов.
Перешел в сферу айти из совсем другой профессии, связанной с 3D моделированием.
Опытный в бек-энд разработке с такими фреймворками, как Django, Django REST, Flask. А также с реляционными базами данных такими, как PostgreSQL, MySQL.
Буду рад поделиться опытом с молодыми амбициозными учениками.
Имею опыт работы как Backend разработчика, так и Full Stack. До IT занимался научной деятельностью в сфере точного измерения объема и использования природного газа. Буду рад помочь желающим освоить разработку с Python.
18 лет опыта в 12-ти разных проектах. Писал на Python, Javascript, Typescript, Go, C#, C++. Побывал в ролях Software Developer, Tech Lead, Team Lead, CTO, Software Architect. Работал в Game Dev, Web, Big Data. С Python работаю с 2004 года, с версии 2.3. Лучший язык программирования.
Software engineer в Intellias, 8 лет в айти как фулстек, бекенд и девопс. Почему Python? Потому что это классный язык, на котором хочется кодить даже на выходных.
По окончании курса мы выдадим вам сертификат, подтверждающий успешное завершение программы менторинга и вашу квалификацию по выбранному предмету.
Да. Работа с AI-агентами встроена в программу с первых модулей, отдельный блок посвящён именно введению в агентную разработку и prompt engineering.
Темп зависит от тебя: чем больше времени уделяешь обучению, тем быстрее проходишь программу и тем меньше платишь в итоге.
Базовое знание Python и понимание основ ООП. Если этого пока нет, стоит начать с курса Python Start.
Claude Code, Codex CLI, Cursor, Junie, Windsurf, Antigravity, Qwen Code и Mistral Vibe. Ты выбираешь один из пяти треков и проходишь курс с инструментом, который тебе удобнее.
Константин Зивенко Lead Software Engineer. Имеет коммерческий опыт программирования — 7 лет. Классический пример свитчера — перешёл в IT из совершенно другой профессии. На сегодняшний день является Software Engineer (Python Backend Developer) в компании Waylight.me (стартап в США с украинскими корнями). Ежедневно использует Python в профессиональной деятельности. Основное направление — Web-разработка приложений с высокой нагрузкой.
Python AI-Code Mentoring — не курс с нуля. Если ты ещё не писал код на Python, начни с Python Start: там закрываются базовые знания языка. А если основы ты уже знаешь, хочешь выйти на уровень коммерческой разработки и понимаешь, что AI — это инструмент, который нужно контролировать, а не волшебная кнопка, этот формат даст тебе самый быстрый результат.
Компании больше не спрашивают, умеет ли кандидат пользоваться AI. Они проверяют, умеет ли он делать это ответственно. Тот, кто придёт на собеседование с проектами, покрытыми тестами, настроенным CI и опытом управления агентами, будет иметь ощутимое преимущество перед кандидатами с типичным учебным портфолио.
