Промпт — это 10% агента. Курс — про остальные 90%.
Курс ИТМО × DeepPavlov, осенний семестр 2026/27 (октябрь — середина декабря, ~10 недель).
➡️ Подать заявку на отбор — набор до 24 человек.
- Кузнецов Денис Павлович — заведующий лабораторией нейронных систем и глубокого обучения DeepPavlov
- Алексеев Илья Алексеевич — исследователь DeepPavlov, аспирант ВМК МГУ, Сбер Риски
- Леднева Дарья Романовна — исследователь DeepPavlov, Сбер
- Соломатин Роман Игоревич — исследователь DeepPavlov, ментейнер MTEB, Сбер
🔸 Уточняется: распределение лекций и семинаров между преподавателями, приглашённые спикеры из индустрии.
Агентные LLM-системы за два года прошли путь от демок в ноутбуках до систем, которые крутятся в проде, ходят в сеть, исполняют код и работают с чувствительными данными. Проблема в том, что «собрать агента» и «понимать, почему агент работает» — это два разных навыка, и второму почти нигде не учат.
Этот курс — про второй навык. Мы разбираем агентные системы послойно: от того, как устроен attention и почему LLM вообще умеет пользоваться инструментами, до того, как этого агента изолировать, сделать отказоустойчивым и измерить.
Курс держится на трёх опорах:
- Глубина «под капотом». Мы не берём фреймворк как чёрный ящик. Каждый механизм — attention, tool calling, память, KV-кэш, контекстное окно, скиллы, харнесс — разбирается до уровня, на котором студент может воспроизвести его сам и объяснить, где он ломается.
- Исследовательская работа. Еженедельные разборы свежих статей: студент готовит статью, защищает её перед группой, отвечает на вопросы. За семестр набирается корпус из ~20 работ по агентным системам — от red-teaming и гардрейлов до computer use и terminal-бенчмарков. Это отдельный навык: читать arXiv и отличать реальный результат от красивого графика.
- Проект. Каждый студент делает свою агентную систему и доводит её через три чекпоинта до состояния, когда её можно запустить, измерить и показать.
- Устройство трансформера и природу LLM: attention, pre-train и post-train, reasoning
- Механику tool calling, эмбеддингов и retrieval
- Анатомию агента: харнесс, тулы, скиллы, память, контекст и KV-кэш
- Классы отказов: prompt injection, эксфильтрация, зацикливание, потеря состояния
- Требования инфраструктуры: изоляция, персистентность, сеть, durability
- Диагностировать ошибки в агентном цикле
- Проектировать инструменты под LLM и подключать внешние системы через MCP
- Выбирать стратегию памяти и кэширования под бюджет контекста
- Запускать агента изолированно и закрывать найденные уязвимости гардрейлами
- Собирать eval-набор и измерять качество метриками, а не ощущениями
- Сквозную разработку агентной системы от постановки до защиты
- Практику eval-driven development
- Послойную отладку агента: модель, харнесс, инструмент, инфраструктура
- Научные статьи и их идеи в собственных проектах
Роли: AI Engineer, AI Architect, ML Engineer, Research Engineer.
Курс собран из четырёх блоков. Первые два отвечают на вопрос «как это работает изнутри», третий — «как это не развалится в проде», четвёртый — «как понять, что стало лучше».
От базовых нейросетей до современных языковых моделей. Нужен, чтобы дальше не было слов-заклинаний.
Цель: понять, что такое LLM
- Word2vec, RNN, Attention, Transformer, GPT, претрейнинг
- post-training, ризонинг, архитектурные модификации
Что видит и чего не видит модель внутри агентного цикла.
Ключевой объект изучения: агент
- структурированный выход, тулколлинг, ReAct, харнесс
- context engineering, RAG, память, text2sql, паттерны использования данных
- workflow vs agent, планирование, мультиагентность, скиллы, автономность
- human-in-the-loop, prompt caching
Агент как обычный, но очень странный сервис.
Цель: увидеть как абстрации реализуются на практике
- MCP, сандбоксы, cloud, SSH
- eval-driven development, трейсинг, LLM-as-judge
- инъекции, гардрейлы, делегирование прав, red teaming
- дюрабилити, UI-протоколы, A2A
Куда все движется.
- Eval-driven development
- Эволюция агента
🔸 Уточняется: порядок тем внутри блоков 3–4. Распределение занятий по неделям — в разделе Формат.
Всего 24 пары: 10 лекций + 8 семинаров + 4 занятия по проектам + 2 пары экзамена.
| Что | Сколько | Когда |
|---|---|---|
| Лекции | 10 | каждую неделю, весь семестр |
| Семинары с разбором статей | 8 | со 2-й недели (после лекции про attention) по 9-ю |
| Занятия по проектам | 4 | вводное + 3 чекпоинта, с 4-й недели |
| Экзамен по статьям | 2 | январь |
| Обязательные практические задачи | — | блоки 1–2 |
| Неделя | Блок | Лекция | Семинар | Пар |
|---|---|---|---|---|
| 1 | Блок 1. LLM | 1. Языковое моделирование | 1 | |
| 2 | 2. Обучение LLM | 1 | 2 | |
| 3 | Блок 2. Агент | 3. Анатомия агента | 2 | 2 |
| 4 | 4. Контекст + Проекты: вводное | 3 | 3 | |
| 5 | 5. Паттерны оркестрации | 4 | 2 | |
| 6 | Блок 3. Практика | 6. Тулы и среда + Чекпоинт 1 | 5 | 3 |
| 7 | 7. Evals и наблюдаемость | 6 | 2 | |
| 8 | 8. Безопасность и доступ + Чекпоинт 2 | 7 | 3 | |
| 9 | 9. Production-ready агент | 8 | 2 | |
| 10 | Блок 4. Эволюция | 10. Прод и экосистема + Чекпоинт 3 (финальная защита) | 2 | |
| — | Экзамен | Экзамен по статьям (2 пары) | 2 | |
| Итого | 10 лекций + 8 семинаров + 4 проектных + 2 экзамен | 24 | 24 |
Обязательные практические задачи (без них курс не закрывается):
- Свой мини-харнесс агента с нуля — агентный цикл, tool calling, память, обработка ошибок и ретраи. Без фреймворков: пишем руками, чтобы понимать, что фреймворки делают за нас.
- Теоретический разбор «Attention Is All You Need» (выборочно обязательный).
🔸 Уточняется: точные даты старта, дедлайнов чекпоинтов и экзамена; формат сдачи мини-харнесса (репозиторий + демо).
- Классический Data Science: регрессии, градиентный бустинг, метрики
- Понимание нейросетей: архитектура, обучение, backprop
- Подготовка данных для обучения, разметка датасетов
- Python на уровне собственных функций, классов и скриптов; Pandas, Numpy, Matplotlib
- Уверенная командная строка, базовое знакомство с Docker и базами данных
- Английский на уровне чтения arXiv
Готовность активно работать весь семестр. У курса высокая нагрузка и много практики.
Корпус статей семестра в papers.md, в разработке.
🔸 Уточняется: финальный список из ~20 статей к экзамену, распределение по 8 семинарам.
Итоговая оценка (A, B, C, ...) — сумма баллов по трём категориям.
Обязательные практические задачи. Без сдачи курс не считается пройденным:
- Свой мини-харнесс с нуля
- Теоретический разбор «Attention Is All You Need» (выборочно обязательный)
Разборы статей — 50 баллов. В течение семестра студент разбирает статьи на семинарах перед группой: задаёт вопросы и отвечает на них. Для максимального балла нужно поучаствовать в нескольких семинарах. Чтобы выступать на семинаре, сначала нужно сдать допуск.
- 4 допуска к семинару с разбором статьи — 25 баллов (6.25 за каждый)
- 4 участия в семинарах с разбором статьи — 25 баллов (6.25 за каждый)
Итого для максимума нужно закрыть 4 семинара из 8 (допуск + участие в каждом). Баллы сверх 25 в каждой категории не начисляются, но лишние допуски и участия страхуют от пропусков.
Проект — 50 баллов. Оцениваются оригинальность и качество. Плагиат не допускается. Проектных занятий 4: вводное (неделя 4) и три чекпоинта (недели 6, 8, 10).
- 3 чекпоинта — 50 баллов (16.66 за каждый), последний чекпоинт — финальная защита
- Альтернативы проекту (обсуждаются индивидуально): участие в соревновании, проект схожей тематики, вклад в open source в том же направлении.
Экзамен — от 70 баллов. Проходит в январе, 2 пары. Вопросы по ~20 статьям, пройденным в курсе.
Все виды работ выполняются индивидуально, без посторонней помощи. Не допускается делиться своими решениями целиком или частично, а также использовать фрагменты чужих решений. Допускаются обсуждения между студентами на уровне общих идей и подходов. Проверка на плагиат проводится автоматическими инструментами и вручную. При выявлении плагиата штрафные санкции применяются равносильно к донору и реципиенту и включают аннулирование результатов работы.
- Распределение лекций/семинаров между преподавателями, приглашённые спикеры
- Точные даты занятий, чекпоинтов и экзамена (сетка по неделям — в разделе «Формат»)
- Финальный список статей к экзамену
- Технологический стек для проектов (LLM-провайдеры, инфраструктура, доступ к вычислениям)
- Формат вступительного видео по курсу