Современные методы разработки программных продуктов с помощью методов искусственного интеллекта 2025 — различия между версиями
(Новая страница: «==Общие сведения== * Семестр: 1/3/5/7/9/11 * Форма контроля: дифференцированный зачет '''Преподав…») |
(→План курса) |
||
| Строка 12: | Строка 12: | ||
== План курса == | == План курса == | ||
1. История развития ИИ. Базовые принципы работы больших языковых моделей. | 1. История развития ИИ. Базовые принципы работы больших языковых моделей. | ||
| + | |||
2. Основные виды и параметры Больших Языковых Моделей. Каким образом выбирать LLM для решения задач? | 2. Основные виды и параметры Больших Языковых Моделей. Каким образом выбирать LLM для решения задач? | ||
| + | |||
3. Составные части приложений: Frontend, Backend, Веб-серверы. Применимость LLM для каждого из видов решения задач. | 3. Составные части приложений: Frontend, Backend, Веб-серверы. Применимость LLM для каждого из видов решения задач. | ||
| + | |||
4. Проектирование стартовых шаблонов решений на основе LLM. | 4. Проектирование стартовых шаблонов решений на основе LLM. | ||
| + | |||
5. Инструменты для решения LLM-задач: IDE (Cursor/Copilot), CLI (Claude Code), чат-боты. | 5. Инструменты для решения LLM-задач: IDE (Cursor/Copilot), CLI (Claude Code), чат-боты. | ||
| + | |||
6. Генерация знаний для LLM: RAG-модели (Retrieval Augmentation). | 6. Генерация знаний для LLM: RAG-модели (Retrieval Augmentation). | ||
| + | |||
7. Model Context Protocol как универсальная база для создания решения. Популярные назначения MCP. | 7. Model Context Protocol как универсальная база для создания решения. Популярные назначения MCP. | ||
| + | |||
8. Оптимизация кодовой базы при помощи LLM. | 8. Оптимизация кодовой базы при помощи LLM. | ||
| + | |||
9. NoCode и LowCode-решения для создания фронтендов. | 9. NoCode и LowCode-решения для создания фронтендов. | ||
| + | |||
10. Этика и безопасность использования LLM: служебные данные, ключи авторизации. Инструменты выявления уязвимостей. | 10. Этика и безопасность использования LLM: служебные данные, ключи авторизации. Инструменты выявления уязвимостей. | ||
| + | |||
11. Направления развития IT-отрасли: Bug Driven Development, Prompt Storytelling. Принципы написания системных промптов для IDE. | 11. Направления развития IT-отрасли: Bug Driven Development, Prompt Storytelling. Принципы написания системных промптов для IDE. | ||
Версия 18:10, 1 сентября 2025
Общие сведения
- Семестр: 1/3/5/7/9/11
- Форма контроля: дифференцированный зачет
Преподаватель
- Ахтямов Павел
Формат курса
В рамках курса студенты ознакомятся с основными принципами LLM-моделей и научатся использовать их в свою пользу. Студентам будет предложено разработать проект с использованием LLM и оценить все преимущества использования нового поколения генерации кода.
План курса
1. История развития ИИ. Базовые принципы работы больших языковых моделей.
2. Основные виды и параметры Больших Языковых Моделей. Каким образом выбирать LLM для решения задач?
3. Составные части приложений: Frontend, Backend, Веб-серверы. Применимость LLM для каждого из видов решения задач.
4. Проектирование стартовых шаблонов решений на основе LLM.
5. Инструменты для решения LLM-задач: IDE (Cursor/Copilot), CLI (Claude Code), чат-боты.
6. Генерация знаний для LLM: RAG-модели (Retrieval Augmentation).
7. Model Context Protocol как универсальная база для создания решения. Популярные назначения MCP.
8. Оптимизация кодовой базы при помощи LLM.
9. NoCode и LowCode-решения для создания фронтендов.
10. Этика и безопасность использования LLM: служебные данные, ключи авторизации. Инструменты выявления уязвимостей.
11. Направления развития IT-отрасли: Bug Driven Development, Prompt Storytelling. Принципы написания системных промптов для IDE.
