Для претендующих на бюджет и контракт:
08.07.2025
15.07.2025
22.07.2025
29.07.2025
05.08.2025
12.08.2025
15.08.2025
18.08.2025

Дополнительные даты для претендующих на контракт:
29.08.2025

Собеседование - до 30 минут

За два года в AI Talent Hub я прошла путь от Junior Python Developer до Middle Data Analyst в медтех-компании, где сейчас также занимаю менеджерскую должность.

Магистратура стала отправной точкой для моей карьеры в Data Science, помогла перейти из одной области в другую. Я успела поработать как в стартапах, так и в корпоративной среде. Обучение стало качественной песочницей, где я отточила навыки и узнала, как построить песочный замок.

Мы разрабатываем платформу, которая помогает людям построить свой дом. Во время обучения я занялся разработкой мультиагентной RAG-системы: она выполняет функцию первой линии поддержки. Это не просто бот с заготовленными ответами, а полноценная система, через которую пользователи могут управлять функциями платформы, просто общаясь в чате.
Обучение на программе сильно помогло, ты проходишь курс и сразу применяешь знания на практике. Например, на курсе по управлению продуктом я внедрил подходы и сразу проверил их в бою. А после занятий по информационной безопасности протестировал свою LLM-систему, нашёл и устранил уязвимости. Здесь не дают абстрактную теорию — только рабочие инструменты.
За время обучения я прокачался сразу в трёх направлениях: технологии, продукт, управление. Формат обучения гибкий — ты сам выбираешь фокус, и это даёт ощущение свободы и роста.
Эта программа точно стоит времени и усилий. Здесь учат тому, что реально работает в индустрии. Но самое ценное — это комьюнити. Ты учишься не в вакууме, а у практиков и вместе с людьми, которые уже в деле. Это не просто учёба, это среда для личного роста и развития.

Мы с командой разрабатываем LLAMATOR — это фреймворк для тестирования безопасности AI-систем. Злоумышленники используют состязательные атаки и промпт-инъекции, чтобы взломать модели, и наша цель — находить уязвимости раньше них. LLAMATOR покрывает весь пайплайн тестирования, и наш проект уже обсуждают в крупных компаниях. На GitHub у нас более 100 звёзд.

Проект зародился на входном хакатоне, а затем мы продолжили работу в лаборатории AI Security. Там мы получаем экспертную поддержку: на какие типы атак стоит обратить внимание, как лучше выстраивать процесс тестирования. Благодаря выбору дисциплин можно закрывать конкретные пробелы в компетенциях под задачу. Особенно ценна гибкость в выборе дисциплин — можно точечно закрывать пробелы в нужных темах, сразу получаешь нужные знания и тут же применяешь их в проекте.

Проектное обучение — не новинка, но особенно ценно, что это не проекты ради проектов, которые после сессии выбрасываются в корзину, а полезные проекты, над которыми интересно работать.

Мы создаем AI-Fina — единую точку доступа ко всей базе знаний компании. Это основа для внедрения ИИ-приложений: RAG, суммаризации и других решений. Нам удалось поработать с передовыми технологиями: LLM, RAG, собрать фронтенд, бэкенд и подготовить проект к первым пилотным группам.

На программе я был скорее как ментор: помогал команде и параллельно открывал для себя новые подходы и взгляды на знакомые задачи. Я смог прокачать продуктовые компетенции: проводил кастдевы, вел продуктовую команду: фронтенд, бэкенд, data science, DevOps. Также прокачал и технические навыки, особенно в части графовых RAG.

Совет тем, кто думает над поступлением: это однозначнос тоит того. Здесь сильная база, практический фокус, работа с реальными компаниями и классное коммьюнити. Я поступал по олимпиаде времени и усилий ушло немного, но это точно стоило того!

Мой проект — это стартап Ударник AI, первая в России экосистема AI-сотрудников. Мы начали с Евы — виртуального менеджера по продажам, который полностью заменяет человека в B2B-продажах: находит лидов, анализирует бизнес, пишет персонализированные письма и ведёт клиента до сделки. У нас уже есть реальные кейсы внедрения, и интерес к таким ИИ-агентам только растёт.

Обучение дало мне чёткую структуру. Я стал лучше понимать, как фокусироваться, тестировать гипотезы и выстраивать процессы. За это время я научился выстраивать процесс так, чтобы не мешать росту и развитию проекта. Технически тоже продвинулся: стал лучше понимать архитектуру сложных AI-решений и познакомился с новыми подходами, которые теперь использую в практике.

Программа помогает сфокусироваться, найти рабочие подходы и не застрять на этапе «не получилось». Это вложение, которое точно окупается, если готовы идти до конца.