Базовый курс по генеративному ИИ
Практический курс для руководителей и специалистов: за 2 занятия участники разбираются в принципах работы LLM и VLM, осваивают формулу промпта и применяют генеративный ИИ на бизнес-кейсах.
Паращенко Сергей
Ведущий специалистО программе
О программе
Большинство сотрудников уже слышали про генеративный ИИ — но используют его интуитивно, получая общие ответы вместо бизнес-результата. Проблема не в модели: без понимания принципов работы LLM невозможно управлять генерацией системно.
Курс даёт практическую основу: как устроены LLM и VLM, почему возникают «галлюцинации», как выбрать подходящую модель, как сформулировать промпт по «золотой формуле» и перейти от одиночных запросов к промпт-инжинирингу.
Формат: 2 занятия по 3 часа, теория, разбор инструментов и практические бизнес-кейсы.
Для кого
- CxO и руководители направлений
- Продуктовые и проектные команды
- HR и маркетинг
- Специалисты, которым нужно системно применять генеративный ИИ в работе
Результат
- Участники понимают устройство LLM/VLM, ограничения моделей и причины галлюцинаций.
- Умеют выбирать модель и управлять параметрами генерации под бизнес-задачу.
- Применяют «золотую формулу» промпта и базовые техники промпт-инжиниринга для получения точного результата.
Программа проекта
| Чек-лист программы | Артефакты |
|---|---|
Введение в мир генеративного ИИ: устройство нейросетей, типы моделей, механизм работы LLM | Теоретическая база для осознанной работы с LLM |
Инструментарий и базовые принципы: интерфейс, контекст, артефакты, анатомия эффективного промпта | Практический инструментарий и формула промпта |
Практикум: итеративный промпт, организация задачи по формуле, домашнее задание | 2 разобранных кейса + домашнее задание |
Структура промпта: декомпозиция задач и техники Prompt Chaining, CoT, Ask Before Answer, Shot Prompting, Role Prompting, Markup & Variables, Self-Consistency | Арсенал из 7 техник промпт-инжиниринга |
Практикум: анализ документов и табличных данных, сведение нескольких отчётов, разбор бизнес-ситуации | 2 разобранных кейса + домашнее задание |
Основы работы с визуальными генеративными моделями: принципы, промпты для изображений, лайфхаки для сложных задач | Базовый навык работы с визуальными нейросетями |
Результат
1. Снижение издержек — оптимизация затрат на закупки и логистику за счёт автоматизации процессов, исключения дублирующих поставок и проведения конкурентных процедур (экономия до 5–15 %).
2. Повышение прозрачности — полный контроль над всеми операциями: от регистрации поставщика до исполнения заказа, упрощение аудита и минимизация ошибок.
3. Сокращение сроков согласования — ускорение обработки заявок в 2 раза благодаря автоматизированным маршрутам, напоминаниям и контролю статусов.
4. Снижение рисков сбоев — прогнозирование проблемных зон на основе истории взаимодействия и аналитики, работа с надёжными партнёрами.
5. Улучшение качества сотрудничества — системное развитие отношений с поставщиками: обсуждение улучшений, согласование отсрочек, тестирование новых условий.
6. Стандартизация процессов — единые регламенты работы с поставщиками, чёткие критерии оценки и прозрачные механизмы взаимодействия.
7. Рост управляемости — переход от хаотичных закупок к структурированной, стратегически выстроенной модели снабжения.
8. Усиление аналитики — возможность оценивать ключевые показатели поставщиков (время отклика, выполнение сроков, отклонения), сравнивать их между собой и формировать рекомендации.
9. Снижение зависимости от отдельных контрагентов — диверсификация базы поставщиков и формирование резервных каналов поставок.
10. Повышение удовлетворённости клиентов — за счёт более точного и своевременного выполнения заказов благодаря отлаженной цепочке поставок.
Технологии и инструменты
Генеративный ИИ
Большие языковые модели
Промпт-инжиниринг
Визуальные генеративные модели
Направления
- Обучение ИИ
Не нашли подходящую программу или эксперта?
Опишите вашу задачу — мы найдем решение.