Архитектура генеративных ИИ-моделей

Профиль аудитории:

• Руководители служб и начальники отделов в области управления рисками, комплаенса и внутреннего контроля
• Архитекторы программного обеспечения и системные аналитики
• Эксперты, планирующие внедрение AI-решений в корпоративные бизнес-процессы
• Технические лидеры, отвечающие за стратегию цифровой трансформации

Предварительные требования:

• Опыт работы в IT или в области управления рисками от 3 лет
• Базовое понимание архитектуры программного обеспечения и жизненного цикла разработки
• Общее представление о технологиях искусственного интеллекта и машинного обучения
• Опыт работы с документацией (ТЗ, SRS, ADR) будет преимуществом

По окончании курса слушатели смогут:

• Анализировать проектные ограничения, выявлять риски и планировать AI-проект как последовательность этапов, приносящих измеримую ценность
• Проектировать и документировать архитектуру AI-решений с использованием C4 Model, ADR и OpenAPI-спецификаций
• Применять архитектурные паттерны RAG, AI-агентов и мультиагентных систем
• Встраивать механизмы обеспечения качества, безопасности и наблюдаемости в архитектуру AI-систем
• Рассчитывать ресурсы для инференса LLM, проектировать IaC и CI/CD пайплайны
• Применять продвинутые архитектурные паттерны: Serverless, EDA, High-Load, Multi-tenancy, Federated Learning
• Управлять стоимостью облачных решений (FinOps), выстраивать этическую AI-архитектуру и коммуницировать с C-Level

Модуль 1. Стратегический фундамент и планирование проекта

• Цель: Сформировать системное видение роли архитектора в бизнес-процессах. Научить анализировать проектные ограничения, выявлять риски и планировать проект как последовательность этапов, поставляющих измеримую ценность.
• Пресейл, контракты и работа с требованиями: закладываем фундамент проекта
• Теория: Роль архитектора на этапе пресейла. Анализ исходных требований. Типология проектов и модели контрактов (FP, T&M, T&M with a cap).
• Практика: Кейс-стади — анализ трех обезличенных запросов (RFP/ТЗ), выбор и обоснование модели контракта.
• Проектирование и оценка: от требований к плану, рискам и смете
• Теория: Жизненный цикл (SDLC) и формализация требований (SRS). Техники оценки проектов (Analogous, Parametric, PERT, Bottom-Up). Управление рисками в Fixed Price проектах.
• Практика: Декомпозиция User Story, оценка задачи, разработка матрицы рисков и черновика Change Request.
• Стратегия поставки ценности: от PoC до Production
• Теория: Этапы поставки ценности (Демо, PoC, MVP). Связь стратегии с контрактом. Путь в Production.
• Практика: Разработка дорожной карты (Roadmap) для проекта с AI-рекомендациями.

Модуль 2. Проектирование и документирование архитектуры

• Цель: Дать полный набор инструментов для создания, документирования и верификации архитектуры AI-решений.
• Высокоуровневое проектирование (HLD) с использованием C4 Model
• Теория: Методология C4. Диаграммы Уровня 1 (Контекст) и Уровня 2 (Контейнеры). Практика: Создание диаграмм C1 и C2.
• Низкоуровневое проектирование (LLD): компоненты и взаимодействия
• Теория: Детализация HLD. Диаграммы Уровня 3, Sequence Diagrams, OpenAPI. Практика: Разработка LLD для одного контейнера.
• Архитектурные паттерны: RAG и его продвинутые вариации
• Теория: Пайплайны RAG, Self-RAG, CRAG, Knowledge/Cache Augmented Generation. Практика: Проектирование гибридной RAG-архитектуры.
• Архитектурные паттерны: AI-агенты и Multi-Agent Systems
• Теория: Агентные циклы (ReAct, Plan-and-Execute). Паттерны мультиагентных систем. Практика: Проектирование мультиагентной системы.
• Документирование решений: Architecture Decision Records (ADR)
• Теория: Формат и назначение ADR. AAC — архитектура как код. Практика: Написание ADR.
• Верификация архитектуры и CTO Challenge
• Теория: Методы верификации. CTO Challenge как практика аудита. Практика: Ролевая игра — сессия архитектурного ревью.

Модуль 3. Качество, интеграции и безопасность

• Цель: Научить встраивать в архитектуру механизмы обеспечения качества, надежности и безопасности.
• Архитектурный надзор и управление техническим долгом
• Теория: Архитектурный надзор, код-ревью, технический долг. Практика: Ревью pull request, документирование технического долга.
• Проектирование интеграций: от классики до AI-стандартов
• Теория: Протоколы (HTTP, SMTP, gRPC), паттерны асинхронной интеграции, протоколы A2A и MCP. Практика: Проектирование отказоустойчивой интеграции.
• Архитектура данных для AI-систем
• Теория: Data pipelines, Data Lake/Warehouse/Lakehouse, Feature Store, Data Governance. Практика: Проектирование end-to-end data pipeline.
• Оценка качества и тестирование GenAI-компонентов
• Теория: Метрики для RAG (Faithfulness, Answer Relevancy), DeepEval, Ragas. Практика: Разработка плана тестирования для RAG-задачи.
• Security by Design: архитектура для защиты AI-систем
• Теория: Security by Design, OWASP Top 10 для LLM, Guardrails, PII Sanitization. Практика: Усиление архитектуры AI-агента компонентами безопасности.
• Архитектура наблюдаемости (Observability)
• Теория: Метрики, Логи, Трейсы. Prometheus, Grafana, Jaeger. Практика: Проектирование дашборда для мониторинга SLO AI-сервиса.

Модуль 4. Инфраструктура

• Цель: Дать системные знания по планированию, автоматизации развертывания и поддержке инфраструктуры для AI-систем.
• Расчет ресурсов (Sizing) для приложений и данных
• Теория: Методология расчета ресурсов (CPU, RAM, Disk). Влияние RPS и финансовых ограничений. TCO для on-premise. Практика: Расчет ресурсов для учебного проекта.
• Расчет ресурсов и оптимизация инференса LLM
• Теория: Расчет VRAM, квантизация, FlashAttention, vLLM, непрерывный батчинг. Практика: Выбор оптимальной конфигурации GPU-инстанса.
• Инфраструктура как код (IaC) и CI/CD
• Теория: Принципы IaC (Terraform), CI/CD пайплайн с quality gates. Практика: Terraform-конфигурация для базовой инфраструктуры.
• Архитектура MLOps-конвейеров
• Теория: Конвейеры для дообучения моделей (Airflow, Kubeflow), мониторинг model drift. Практика: Проектирование MLOps-пайплайна для RAG-системы.
• Стратегии развертывания и вывода в Production
• Теория: Blue-Green, Canary, Rolling. Чек-лист готовности, план отката. Практика: План релиза с Canary-стратегией.
• Архитектура высокой доступности (HA) и восстановления (DR)
• Теория: Паттерны отказоустойчивости, RTO/RPO, гео-резервирование. Практика: HA-архитектура для критически важного AI-сервиса.

Модуль 5. Продвинутые архитектурные паттерны

• Цель: Изучить передовые архитектурные подходы для масштабирования, real-time обработки и работы в гибридных средах.
• Serverless vs. Kubernetes для AI-ворклоадов
• Теория: Сравнительный анализ, трейдоффы. Практика: Архитектурный воркшоп для набора сценариев.
• Событийно-ориентированная архитектура (EDA) для AI
• Теория: Принципы EDA, паттерны Pub/Sub, Event Sourcing, CQRS. Практика: EDA-архитектура для fraud detection.
• Архитектура для High-Load и Low-Latency инференса
• Теория: Кэширование, Edge computing для AI. Практика: Архитектура рекомендательного сервиса с latency < 50 мс.
• Гибридная и мультиоблачная архитектура для AI
• Теория: Cloud Bursting, Anthos, OpenShift. Практика: Гибридная архитектура — обучение on-premise, инференс в облаке.
• Архитектура для Multi-tenancy в AI SaaS
• Теория: Паттерны изоляции (Silo, Pool, Bridge). Практика: Архитектура безопасности для multi-tenant RAG-сервиса.
• Federated Learning и Privacy-Preserving архитектура
• Теория: Federated Learning, Differential Privacy. Практика: Архитектура федеративного обучения для медицинских данных.

Модуль 6. Стратегия, лидерство и экономика

• Цель: Развить стратегическое мышление, экономическую ответственность и лидерские качества.
• FinOps: архитектура, управляемая стоимостью
• Теория: Принципы FinOps. Практика: Анализ cloud bill, оптимизация затрат на 20%.
• Технологический радар и эволюция архитектуры
• Теория: Технологический радар, эволюционная архитектура. Практика: Сессия наполнения техрадара.
• Ethical AI by Design и архитектура для Governance
• Теория: Ответственный AI. Практика: Проектирование Model Card и архитектуры для аудита AI.
• API как продукт: проектирование и управление
• Теория: Проектирование API, версионирование, монетизация. Практика: Стратегия развития AI-сервиса в API-продукт.
• Техническое лидерство и коммуникация с C-Level
• Теория: Техническое лидерство, менторинг, презентация решений. Практика: Питч "Зачем инвестировать в EDA".
• Финальная защита комплексного проекта
• Практика: Студенты представляют итоговые проекты в формате презентации для архитектурного комитета.