Кто читает:: Кафедра информационных технологий в бизнесе (Пермь) (Факультет социально-экономических и компьютерных наук)

Статус:: Курс по выбору

Когда читается:: 4-й курс, 3 модуль

Преподаватель

Перевалов Александр Максимович

Дополнительные материалы в LMS Задать вопрос

Аннотация

Дисциплина посвящена практическому освоению инструментов разработки на основе искусственного интеллекта и их внедрению в процессы командной разработки программного обеспечения. Особенностью дисциплины является опора на модели и решения с открытым исходным кодом, что позволяет применять полученные навыки даже в организациях со строгими требованиями к информационной безопасности и конфиденциальности.

Цель освоения дисциплины

Сформировать целостное представление о том, как искусственный интеллект преобразует жизненный цикл разработки программного обеспечения, и о видах соответствующих инструментов.
Сформировать представление студентов о принципах работы больших языковых моделей, ИИ-агентов на базе таких моделей, методов контекстного инжиниринга.
Выработать навыки работы с локальными языковыми моделями: развертывание, настройка и подключение к средам разработки.
Научить студентов настраивать и эффективно использовать помощников разработчика, а также расширять их возможности дополнением сведениями, подключением инструментов (model context protocol – MCP) и переиспользуемыми умениями (skills).
Сформировать критическое отношение к качеству, надёжности, безопасности и правомерности кода, создаваемого с помощью искусственного интеллекта.

Планируемые результаты обучения

Студент знает этапы жизненного цикла разработки и изменения, которые вносит в них искусственный интеллект; виды инструментов разработки на основе искусственного интеллекта, области их применения и критерии выбора; принципы работы больших языковых моделей и ИИ-агентов на их основе; инструменты для развёртывания больших языковых моделей, форматы хранения и квантования; основные положения правового регулирования искусственного интеллекта в Российской Федерации.
Студент владеет приёмами составления запросов к модели и управления передаваемыми сведениями; способами обеспечения конфиденциальности кода в полностью локальном контуре; подходами к выработке стратегии внедрения и измерению эффекта от применения инструментов на основе искусственного интеллекта.
Студент умеет разворачивать открытые модели локально и через сервер исполнения, подбирать модель под задачу и доступные ресурсы; настраивать ИИ-агентов в среде разработки (автодополнение, диалог, редактирование кода) и использовать приёмы Test-driven Development и Specification-driven Development;
Студент умеет расширять возможности модели: настраивать дополнение ответов сведениями из кодовой базы или документации (RAG), разрабатывать и подключать серверы по протоколу подключения инструментов (MCP), использовать переиспользуемые умения (skills);
Студент умеет применять искусственный интеллект на смежных этапах жизненного цикла — в аналитике, тестировании, развёртывании и сопровождении; оценивать качество и безопасность кода, созданного с помощью искусственного интеллекта, и обоснованно принимать или отклонять предложения модели;

Содержание учебной дисциплины

Раздел 1. Жизненный цикл разработки программного обеспечения и его преобразование под влиянием искусственного интеллекта (SDLC 1.0 и SDLC 2.0)
Раздел 2. Большие языковые модели для задач разработки: от статистических моделей к современным архитектурам
Раздел 3. Архитектура и устройство ИИ-агентов
Раздел 4. ИИ-агенты для написания кода в среде разработки. Приёмы разработки с искусственным интеллектом
Раздел 5. Расширение возможностей моделей: дополнение ответов сведениями (RAG), подключение инструментов (MCP) и переиспользуемые умения (skills)
Раздел 6. Применение искусственного интеллекта на смежных этапах жизненного цикла: аналитика, тестирование, развёртывание и сопровождение
Раздел 7. Оценка качества и надёжности кода, безопасность и конфиденциальность данных при работе с искусственным интеллектом
Раздел 8. Нефункциональные аспекты применения искусственного интеллекта и правовое регулирование в Российской Федерации

Элементы контроля

Лабораторная работа № 1
Лабораторная работа № 2
Лабораторная работа № 3
Лабораторная работа № 4
Лабораторная работа № 5
Лабораторная работа № 6
Проект
Групповая защита (макс. 4 человека). Защита включает демонстрацию работающего решения, разбор архитектурных решений и ответы на вопросы. Роли и вклад каждого участника команды должны быть явно зафиксированы.

Промежуточная аттестация

2026/2027 3rd module
0.1 * Лабораторная работа № 5 + 0.1 * Лабораторная работа № 6 + 0.1 * Лабораторная работа № 1 + 0.1 * Лабораторная работа № 2 + 0.4 * Проект + 0.1 * Лабораторная работа № 4 + 0.1 * Лабораторная работа № 3

Список литературы

Авторы

Карпович Марина Валерьевна

Бакалаврская программа «Разработка информационных систем для бизнеса»

ИИ инструменты для разработчика

Преподаватель

Программа дисциплины