Генеративный ИИ и ИИ-агенты для транспортной логистики
РУТ (МИИТ) · магистратура · 09.04.01 «Информатика и вычислительная техника»
Восемь занятий, за которые команды собирут ИИ-агентов для работы с данными железнодорожных грузоперевозок.
Даты занятий: по четвергам, 3 сентября — 15 декабря 2026. Восемь вечеров по четвергам: 90 минут лекции, затем 90 минут практики. Практика сдаётся до начала следующего занятия.
8 — занятий — 90 минут лекции и 90 минут практики
16 + 16 — часов лекций и практических занятий
2–3 — человека в команде итогового проекта
Защита — живое демо и код-ревью в финале
Курс стоит на одном наблюдении: у бизнеса всего две повторяющиеся задачи. Понять, что происходит сейчас — заявка словами становится строкой в системе, ответ солвера становится объяснением, по которому человек может действовать, — и предсказать будущее: какой будет спрос, когда приедет груз, как скоро сломается вагон. Задачи не менялись десятилетиями, менялись только инструменты.
На занятиях мы научимся решать обе задачи и оборачивать это в единую систему.
Что вы соберёте за семестр
Каждая практика добавляет слой к одному и тому же репозиторию.
собственный MCP-сервер и клиент, который с ним разговаривает
модель машинного обучения, подключённая как инструмент агента
солвер оптимизации, подключённый тем же способом
работа с данными, структура которых всё время плывёт
фоновое выполнение долгих задач и доставка результата в Telegram
трейсинг, оценка качества и guardrails вокруг всего этого
Программа занятий
3 сент
Лекция: История ИИ: от символьных систем к генеративным моделям
Практика: Первый вызов LLM и структурированный вывод
17 сент
Лекция: От чат-бота к агенту: агентная парадигма
Практика: Базовый tool-calling агент
1 окт
Лекция: Архитектура агента, ч. 1: рассуждение и память
Практика: MCP-сервер и MCP-клиент
Заявка на проект
15 окт
Лекция: Архитектура агента, ч. 2: инструменты и оркестрация
Практика: Нестабильные данные как источник для агента
29 окт
Лекция: Протокол Model Context Protocol (MCP)
Практика: Агент и инструмент машинного обучения
Промежуточная сдача
12 нояб
Лекция: ИИ-агент, машинное обучение и математическая оптимизация
Практика: Агент и инструмент математической оптимизации
26 нояб
Лекция: Инженерия агентных продуктов
Практика: Фоновое выполнение задач и доставка в канал
Предзащита
10 дек
Лекция: Разбор промышленного ИИ-агента
Практика: Оценка, guardrails и код-ревью проекта
Защита
Итоговый проект
Выполняется командой из двух-трёх человек. Тема задаётся двумя независимыми осями: что система считает и как с ней разговаривают.
Ось 1 — вычислительное ядро
работа с данными нестабильной структуры
прогнозирование машинным обучением
математическая оптимизация
Ось 2 — способ взаимодействия
синхронный диалог
фоновое выполнение с уведомлением
доставка во внешний канал
Команда сама выбирает, на каких темах из каждой оси делать основной упор.
Контрольные точки
Заявка на проект — Занятие 3 · 1 окт: состав команды, выбранная пара осей, домен и что считается результатом
Промежуточная сдача — Занятие 5 · 29 окт: работающий скелет: агент и минимум один собственный инструмент
Предзащита — Занятие 7 · 26 нояб: сквозной сценарий целиком, известные проблемы и план доработки
Защита — Занятие 8 · 10 дек: демонстрация и код-ревью реализации
Материалы курса
Программа, ноутбуки практик и слайды лекций лежат в репозитории курса.