Нейросети и no-code разработка цифровых продуктов

2025/2026

Статус: Маго-лего

Кто читает: Базовая кафедра Яндекс

Где читается: Факультет компьютерных наук

Когда читается: 2 модуль

Охват аудитории: для своего кампуса

Преподаватели: Горденко Мария Константиновна

Язык: русский

Кредиты: 3

Контактные часы: 28

Дополнительные материалы в LMS Задать вопрос

Аннотация

Курс «Нейросети и no-code разработка цифровых продуктов» ориентирован на продакт-менеджеров, аналитиков и маркетологов, стремящихся интегрировать возможности генеративного искусственного интеллекта и no-code инструментов в собственные продуктовые процессы. В рамках курса студенты осваивают практические подходы к автоматизации исследовательских, аналитических, коммуникационных и проектных задач с использованием современных AI-сервисов (Perplexity, Cursor, n8n, Retool, Lovable и др.). Программа формирует у студентов системное понимание экосистемы AI-инструментов, развивает навыки построения end-to-end digital-процессов — от customer research и приоритизации фичей до прототипирования интерфейсов и визуализации метрик. Завершающим результатом обучения становится персональный AI-toolbox — индивидуальный набор автоматизированных сценариев и решений, применимых в реальной продуктовой работе.

Цель освоения дисциплины

Дать продакт-менеджеру и маркетологу практический набор генеративных ИИ и no-code инструментов, с помощью которых он сможет автоматизировать ресёрч, аналитику, коммуникацию и прототипирование, повышая личную продуктивность и качество принимаемых продуктовых решений.

Планируемые результаты обучения

Понимает, какие задачи продакт-менеджера эффективнее всего решаются генеративным ИИ и no-code оркестрацией, осознанно выбирает подходящий инструмент.
Владение кабинетным ресёрчем: генерация опросов и скриптов интервью, использование Synthetic Users, сбор данных и отчётов в n8n, кластеризация отзывов.
Умеет анализировать рынок: строить конкурентные карты, оценивать TAM, приоритизировать фичи по RICE/ICE с автоматизацией расчётов в Cursor.
Создаёт продуктовую документацию и коммуникационные материалы (AI-PRD, one-pager, письма стейкхолдерам) через промпты и Cursor; собирает кликабельные прототипы в Lovable с авто-генерацией UI-копирайта.
Оценивает эффект изменений: формулирует гипотезы, пишет GPT-SQL-запросы, визуализирует A/B-тесты в Retool/Looker и готовит executive-summary.
Организует рабочие процессы с Fireflies/Zoom AI, формирует AI-политики и риск-лог, управляет агент-флоу в n8n.

Содержание учебной дисциплины

Основы AI-инструментов для продакта
Создание телеграм-ботов
Создание мини-приложений
Построение дашбордов
Создание лендингов
Метрики и эксперименты
AI-оркестрация процессов

Элементы контроля

Домашнее задание 1
Домашнее задание 2
Домашнее задание 3
Домашнее задание 4
Домашнее задание 5
Домашнее задание 6
Домашнее задание 7
Экзамен

Промежуточная аттестация

2025/2026 2nd module
Итог = Округление(0.7 * ДЗ + 0.3 * Э), где ДЗ — средняя оценка за все домашние задания, Э — оценка за экзамен. ср. ДЗ рассчитывается без округления; итоговая оценка округляется арифметически (0.5 вверх). Для того, чтобы получить оценку «отлично» вам нужно набрать 8 – 10 баллов, «хорошо» 6 – 8 баллов, «удовлетворительно» 4-6 баллов.

Список литературы

Авторы

Ахмедова Гюнай Интигам кызы

Программа дисциплины