Управление ИИ-проектами и инициативами

Профиль аудитории:

• Проджект-менеджеры и руководители проектов в ИТ и смежных сферах.
• Менеджеры цифровых трансформаций, ведущие AI-инициативы.
• Руководители продуктовых направлений, курирующие внедрение AI/ML.
• Консультанты и специалисты, сопровождающие внедрение генеративных решений.

Предварительные требования:

• Базовый опыт управления проектами.
• Общее понимание ИТ-среды.

По окончании курса слушатели смогут:

• Отличать специфику AI-проектов от классических IT-инициатив.
• Формулировать цели AI-проектов через бизнес-метрики и ML-метрики.
• Понимать устройство data pipeline и участвовать в принятии решений по данным.
• Работать с командой Data Scientist, ML-инженеров и аналитиков, грамотно ставить задачи.
• Управлять рисками (data drift, неопределённость, этические и правовые аспекты).
• Планировать PoC, MVP и масштабирование AI-решений.

Модуль 1. Особенности управления AI/ML-проектами

1.1. AI-инициативы в сравнении с традиционными IT-проектами

1.2. Генеративные решения и их специфика.

1.3. Кейсы внедрения ML-решений.

Модуль 2. Цели, гипотезы и метрики AI-проектов

2.1. Перевод бизнес-задачи в ML-гипотезу.

2.2. ML-метрики vs бизнес-результаты.

2.3. Поэтапный подход: PoC → MVP → Production.

Модуль 3. Data pipeline и управление данными

3.1. Источники и качество данных.

3.2. Архитектура пайплайна: сбор, хранение, подготовка, обучение.

3.3. Data Governance и работа с персональными данными.

Модуль 4. Технологический стек и MLOps

4.1. Архитектура ML-продуктов.

4.2. CI/CD для моделей, мониторинг, версионирование.

4.3. Особенности внедрения генеративных решений (LLMOps).

Модуль 5. Управление командой и рисками

5.1. Роли в AI-проекте: PM, DS, ML Engineer, Data Engineer.

5.2. Управление рисками и неопределённостью.

5.3. Этические и правовые аспекты.

Модуль 6. Внедрение и масштабирование AI-решений

6.1. Организация пилотных проектов.

6.2. Оценка бизнес-эффекта.

6.3. Масштабирование и change management.

Модуль 7. Практикум и кейсы

7.1. Разбор реальных кейсов (чат-бот, рекомендательная система, предиктивная аналитика).

7.2. Разработка дорожной карты AI-инициативы.

Защита итогового проекта