Современные методы разработки программных продуктов с помощью методов искусственного интеллекта 2025: различия между версиями
| Строка 21: | Строка 21: | ||
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), GraphRAG, KAG (Knowledge Augmentation Graph). | ||
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. Популярные серверы Model Context Protocol: Context7, Supabase. | ||
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. Графовые методы для решения задач генеративного ИИ: ComfyUI, n8n. | ||
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. Универсальные платформы для разработки кода: SourceCraft, OpenAI Codex. | ||
12. Направления развития IT-отрасли: Bug Driven Development, Prompt Storytelling. Принципы написания системных промптов для IDE. Мультиагентные системы | |||
Версия от 21:01, 10 декабря 2025
Общие сведения
- Семестр: 5/7
- 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), GraphRAG, KAG (Knowledge Augmentation Graph).
7. Model Context Protocol как универсальная база для создания решения. Популярные назначения MCP. Популярные серверы Model Context Protocol: Context7, Supabase.
8. Оптимизация кодовой базы при помощи LLM.
9. NoCode и LowCode-решения для создания фронтендов. Графовые методы для решения задач генеративного ИИ: ComfyUI, n8n.
10. Этика и безопасность использования LLM: служебные данные, ключи авторизации. Инструменты выявления уязвимостей.
11. Универсальные платформы для разработки кода: SourceCraft, OpenAI Codex.
12. Направления развития IT-отрасли: Bug Driven Development, Prompt Storytelling. Принципы написания системных промптов для IDE. Мультиагентные системы