OTUS, Андрей Носов и др. | AI-архитектор (2026) PCRec [RU]

• Архитекторы ПО и систем.
  
• Senior-разработчики и тимлиды, желающие перейти в роль архитектора AI.
  
• ML-инженеры, MLOps-инженеры и Data-инженеры.
  
• Инфраструктурные инженеры / SRE.

• Базовые знания Python.
  
• Понимание основных ML-понятий (тренировка/валидация моделей, переобучение, метрики качества).
  
• Базовые знания системной архитектуры и сетей.
  
• Опыт работы с Git и понимание CI/CD.

• Проектировать AI-системы от требований и PoC до Production.
  
• Выбирать и внедрять архитектурные паттерны: RAG, AI-агенты, multi-agent systems.
  
• Проектировать MLOps-конвейеры, CI/CD и IaC для AI-решений.
  
• Создавать HLD и LLD (C4 Model и детализация компонентов).
  
• Рассчитывать ресурсы и оптимизировать инференс LLM (sizing, latency, cost).
  
• Проектировать интеграции и архитектуру данных для AI (ETL, векторные БД).
  
• Обеспечивать качество GenAI-компонентов: тестирование, валидация, мониторинг.
  
• Управлять стоимостью (FinOps) и принимать стратегические решения по архитектуре.

Занятия в OTUS — это не заранее отснятый материал. Вебинары проходят в режиме реального времени, где преподаватели-практики рассказывают об актуальных кейсах и инструментах. Вы сможете активно участвовать голосом, практиковаться, задавать вопросы и получать обратную связь. Если не смогли посетить занятие в реальном времени, сможете посмотреть его в записи и задать вопрос преподавателю в закрытом чате.

Формат обучения:
• Интерактивные вебинары — 2 онлайн-трансляции по 2 ак. часа в неделю. Доступ к записям и учебным материалам — навсегда.
• Практика — домашние задания + проектная работа для усиления портфолио.
• Активное комьюнити — живое общение с преподавателями на вебинарах, переписки в чате и развёрнутые ответы при проверке ДЗ.

• Модуль 1. Стратегический фундамент и планирование проекта.
  
• Модуль 2. Проектирование и документирование архитектуры.
  
• Модуль 3. Качество, интеграции и безопасность.
  
• Модуль 4. Инфраструктура.
  
• Модуль 5. Продвинутые архитектурные паттерны.
  
• Модуль 6. Стратегия, лидерство и экономика.
  
• Модуль 7. Проектная работа (заключительный месяц).

• Андрей Носов — AI Architect, Raft. PhD Communication Science, Tampere University (Finland). Руководитель курса.
  
• Николай Степанов — ML Engineer, Emerging Travel Group (Ostrovok, ZenHotels, B2B).
  
• Денис Лавров — Lead Solution Architect, Netcracker Technology.
  
• Дмитрий Фомин — Lead Solution Architect, Netcracker Technology.
  
• Илья Ящук — эксперт-практик.
  
• Николай Осипов — MLOps Engineer, Kadam.
  
• Игорь Стурейко (к.ф.-м.н.) — Teamlead, главный инженер FinTech.
  
• Михаил Лебедев — Tech Lead DS, Банк России.

Позиция «AI-архитектор» входит в число ключевых и быстрорастущих ролей в IT — спрос на неё растёт из-за масштабирования AI-проектов в бизнесе и нехватки навыков системного проектирования AI-решений. Спрос на AI/ML-специалистов за последние несколько лет вырос в 3–5 раз. Около 50–60% крупных компаний уже внедряют AI-решения в производственные процессы, а вакансии, связанные с архитектурой и MLOps, демонстрируют опережающий рост по сравнению с классическими IT-ролями.

Курс даёт системное видение роли архитектора, учит анализировать проектные ограничения, выявлять риски и планировать проект как последовательность этапов с измеримой ценностью. Выпускной проект — комплексное архитектурное решение для новой GenAI-инициативы с полным пакетом архитектурных документов и экономическим обоснованием.