Привет! Это команда Яндекс Практикума. Почти во всех наших курсах для начинающих появились модули по нейросетям — в них студенты учатся работать с ИИ и применять его в своих новых профессиях. Рассказываем, как это устроено и как мы сочетаем базовую теорию с практикой применения нейросетей.
Как появились модули по нейросетям
Сверка с рынком и развитие курсов — стандартный процесс в Практикуме. И в этом году мы окончательно пришли к выводу, что знание ИИ становится гигиеническим минимумом даже для джуниоров — его всё чаще ожидают работодатели и его уже используют многие команды.
Мы затрагивали тему нейросетей и раньше, но в 2026-м проработали её с нуля, выделив теорию и практику применения ИИ в отдельные блоки. В Практикуме эти блоки называют спринтами, как в IT-проектах.
В программе курса есть обязательные спринты, без которых не получится окончить курс, и необязательные. Модули по нейросетям — это один или два необязательных спринта, которые есть почти в каждом долгосрочном курсе Практикума.
Как устроены модули по нейросетям
Сначала — фундамент, и только потом — ИИ
Модуль по нейросетям на любой программе можно разделить на две условные части:
Базовая — про основы, выбор инструментов, ограничения, этику работы с ИИ и базовый промпт-инжиниринг. Эта часть открывается в начале обучения.
Профессиональная — про ИИ для рабочих задач. Эту часть мы предлагаем изучить позже, когда студент уже умеет решать задачи самостоятельно.
Это работает так: сначала мы рассказываем, как можно использовать нейросети, чтобы учиться эффективнее. А затем, когда студент уже освоил фундамент, мы показываем, как применить ИИ уже в задачах, чтобы ускорить работу и достигать лучших результатов.
В каждом курсе — свой модуль с уникальной практикой
Приступая к модулям, мы сразу поняли, что нас ждёт много работы. Курсов — десятки. Есть IT-профессии, такие как разработка, анализ данных и тестирование, есть диджитал-профессии — маркетинг, менеджмент, дизайн. И везде свои сценарии использования нейросетей.
Сперва сфокусировались на основах — том самом первом базовом спринте. Может ли он повторяться в курсах по программированию на разных языках? Скорее да — основы одинаково актуальны и для Python, и для Go, и для Java. А вот в модулях для маркетологов и менеджеров понадобился другой подход. Здесь появилась первая развилка: есть база для IT, а есть для диджитал-направлений.
Следующий спринт — ИИ для профессиональных задач. Мы выделили три направления в IT-профессиях: программирование, анализ данных и инфраструктура (информационная безопасность, системное администрирование).
Отдельно от них стоят несколько диджитал-профессий и наш флагманский курс «Инженер по тестированию», материал модуля в котором не повторяется в других программах.
Недавно мы рассказывали про ИИ и другие обновления курса «Инженер по тестированию» в материале «Новые методы и инструменты: как мы обновили курсы по тестированию в Яндекс Практикуме» — почитайте, если задумываетесь о профессии QA-инженера или хотите развить навыки. |
Второй спринт модуля по нейросетям делится по кейсам, на базовые и продвинутые. Рассмотрим темы по трём направлениям — программированию, анализу данных и тестированию:
Базовые кейсы | Генерация фрагментов кода Отладка кода Документирование кода Генерация тестовых данных и автотестов | Генерация SQL-запросов по бизнес-требованию Создание и отладка формул в таблицах Генерация фрагментов простого кода на Python Диагностика и исправление ошибок в коде Брейншторм и генерация гипотез для исследования | Декомпозиция требований и выделение объектов тестирования Разработка чек-листов Разработка тест-кейсов Разработка шаблонов тестовой документации Применение техник тест-дизайна: КЭ и ГШ, pairwise, таблица принятия решений |
Продвинутые кейсы | Анализ кода и управление техдолгом Оптимизация алгоритмов Проектирование архитектуры проекта | Анализ и структурирование бизнес-требований Создание пользовательских инструкций Первичный анализ табличных данных Создание визуализаций и графиков Создание презентаций | Тестирование требований Создание тест-плана Создание простого проекта автоматизации тестирования Разработка базовых автотестов Генерация тестовых данных Составление матрицы покрытия требований Анализ и интерпретация логов работы приложения и результатов прогона тестов Анализ метрик производительности и интерпретации результатов нагрузочного тестирования |
Детали проработаны и внутри этих направлений. Например, чтобы не давать будущим Python-разработчикам кейс с кодом на JavaScript, мы адаптировали задачи — суть та же, но синтаксис зависит от языка.
Подходы и практика важнее, чем конкретные инструменты
ИИ развивается со скоростью света, и чтобы контент не терял актуальность с каждым обновлением от Anthropic или OpenAI, мы не учим студентов инструментам — мы делаем ставку на подходы и мышление. Это точно не устареет так быстро и пригодится в работе с любыми нейросетями и моделями.
Первая глава второго ИИ-спринта курса «Android-разработчик»: разбираем не конкретные инструменты, а их типы — и объясняем, в каких сценариях и что использовать
Благодаря такому подходу навыки, которые мы даём, универсальны и не устареют из-за того, что одна модель обогнала другую в производительности, скорости или глубине исследований.
Изучаем не только возможности, но и ограничения
Один из главных фокусов модуля — это развитие критического взгляда к выдаче нейросети.
Фрагмент ИИ-модуля в курсе «Инженер по тестированию» — предполагаем, где нейросеть могла ошибиться и что стоит проверить в выдаче ИИ
В главах модуля мы подробно разбираем, как оценивать решения, проверять ответы ИИ на ошибки и итеративно улучшать выдачу в сложных сценариях, когда нейросеть не справляется с первого раза.
Работа продолжается — вместе с основной программой обновляются и модули
Мы следим за изменениями на рынке и обновляем курсы, чтобы материал отвечал требованиям работодателей. В основе этой работы лежат результаты JMF-исследований.
В этих исследованиях мы:
вырабатываем гипотезы для будущей проверки;
опрашиваем работодателей из ведущих бигтех-компаний, среднего бизнеса и стартапов — узнаём, как они набирают джуниоров, на что обращают внимание при найме и какие проблемы видят в новичках;
проводим интервью с выпускниками, которые недавно искали работу, — узнаём, о чём их спрашивали на собеседованиях и каких знаний им не хватало при поиске работы;
смотрим на публичные вакансии — в частности, обращаем внимание на требования работодателей к навыкам и опыту;
подтверждаем или опровергаем гипотезы и формулируем выводы, которые превращаются в будущие инструкции для методистов и экспертов курсов.
Хотя модули по нейросетям и не обязательны для прохождения курса, мы работаем с ними, как с основными блоками программы, — и также следим за изменениями в подходах и требованиях. Поэтому модули по нейросетям будут обновляться.
Требования к начинающим специалистам меняются. Чтобы выдерживать конкуренцию в эпоху ИИ, мало просто владеть навыками — полезно знать, как ускорить свою работу и достичь лучших результатов с помощью ИИ. Модуль по нейросетям отвечает на запрос рынка и предлагает студентам освоить подходы, которые можно будет применять в работе.
Модуль доступен на долгосрочных курсах Яндекс Практикума, почти на каждом из которых есть открытая часть. Начните учиться бесплатно — если понравится, оплатите курс и освоите всё необходимое: от базовой теории до написания промптов и контекст-инжиниринга.
