К содержимому
Дайджест

Карта пути в AI-инженеры: что учить и в каком порядке

Adrian Twarog·15 мая 2026·20:45
можно прочитать понять, как устроено
Открыть на YouTube
Обзорная карта навыков AI-инженера с нуля — для разработчиков, которые хотят перейти в эту роль, но не понимают, с чего начать и что учить первым.

Что в ролике

Если ты хочешь стать AI-инженером и не знаешь, за что хвататься, автор идёт по своей карте и сразу разделяет роли: AI-инженер берёт готовую модель и делает из неё надёжный продукт, а ML-исследователь и дата-сайентист занимаются совсем другим. Первым шагом он ставит Python — язык 1991 года и основу всей работы с моделями, учить предлагает на вводном курсе DataCamp. Дальше идёт обязательная терминология: AI против AGI, LLM, RAG, промпт- и контекст-инжиниринг, токены и температура. Контекст-инжиниринг разбирается подробно: внешняя память, сжатие контекста, когда окно переполняется и дорожает, и изоляция контекста через маленьких агентов под одну задачу. В промпт-инжиниринге перечислены zero-shot и few-shot, формат входа, вызов функций как основа MCP, кеш промптов, потоковые ответы, системный промпт, роли, ограничения и структурированный JSON на выходе. Отдельный блок — модели и инфраструктура: закрытые модели вроде Claude и ChatGPT против открытых, которые скачиваются и запускаются локально через Ollama или LM Studio, плюс эмбеддинги и векторные базы. Завершают карту RAG против файнтюнинга, MCP как способ давать моделям доступ к чужим сервисам, безопасность и prompt injection, мультимодальность и AI-инструменты для кода вроде Claude Code и Cursor.

Практика

Что получишь
Получишь порядок изучения тем — от Python и базовой терминологии до RAG, MCP и безопасности — и сможешь сверить его со своим текущим уровнем, чтобы не распыляться на случайные туториалы.
Первый шаг
Открой карту по ссылке из описания и отметь темы, которые уже знаешь: автор советует начинать с Python, а дальше идти блоками терминологии, контекст-инжиниринга и промптов.
Цифры
  • —90% компаний создают роли, связанные с AI, — на это ссылается автор по исследованию PwC
  • —200 000 — 500 000 долларов в год — вилки в компаниях уровня Apple и Meta за роли AI-инженера, медиана шестизначная
  • —20% и 90% — столько материала удерживается при пассивном чтении и при активной практике вроде своих проектов
  • —1991 год — год создания Python, который автор называет базовым языком для AI и машинного обучения
Честно
Середина ролика — рекламная вставка DataCamp: автор перечисляет их треки и сертификацию и говорит, что сам учился по этим курсам, а ссылка в описании, скорее всего, партнёрская. Сама карта и список ресурсов лежат в описании к видео, а не в речи, и в пересказе их нет — без них остаётся только перечень тем. Это high-level обзор, а не курс: кода и воспроизводимых действий в ролике нет, всё объясняется словами, поэтому для практики понадобятся внешние материалы.
Если слова незнакомы — 10 терминов

Связки из этого ролика

5 шт.

Компоненты

17 шт.

Формат: разбор · для новичков · уверенность разметки 0.8 · источник