2026/2027




Создание цифровых продуктов
ID 1219710
Статус:
Маго-лего
Где читается:
Факультет компьютерных наук
Когда читается:
2 модуль
Охват аудитории:
для своего кампуса
Преподаватели:
Зуриев Игорь Георгиевич
Язык:
русский
Кредиты:
3
Контактные часы:
28
Программа дисциплины
Аннотация
Курс направлен на формирование практических навыков создания цифровых продуктов с использованием современных AI-инструментов — от исследования рынка и выявления пользовательских проблем до разработки работающего прототипа и mini-MVP. Обучение строится на сквозном проекте в HR-направлении, в рамках которого студенты последовательно разрабатывают продуктовую идею, проектируют пользовательские сценарии и интерфейсы, реализуют логику продукта, работают с данными, тестируют гипотезы и готовят решение к дальнейшему развитию. В основе курса лежит подход AI-first и vibe coding, предполагающий использование искусственного интеллекта для создания и улучшения цифровых решений на естественном языке. Основная часть практических заданий не требует навыков программирования: студенты учатся формулировать задачи для ИИ, получать реализацию, проверять её и итеративно совершенствовать результат. По итогам обучения участники получают опыт полного цикла продуктовой разработки и создают работающий AI-прототип, готовый к дальнейшей валидации и развитию.
Цель освоения дисциплины
- Сформировать у студентов навык создания цифрового продукта от исследования проблемы и продуктовой идеи до работающего AI-прототипа и MVP.
- Научить использовать современные AI-инструменты для исследования рынка, проектирования пользовательских сценариев, создания интерфейсов, реализации логики и работы с данными, тестирования продуктовых гипотез и подготовки решения к дальнейшей разработке.
Планируемые результаты обучения
- Умеют анализировать HR-рынок и существующие цифровые решения, выявлять пользовательские проблемы и формулировать первичные продуктовые гипотезы.
- Умеют разрабатывать концепцию собственного HR-продукта и создавать первый AI-прототип ключевого пользовательского экрана с помощью AI-builder-инструментов.
- Умеют оценивать качество AI-прототипов по ключевым критериям, анализировать HR-интерфейсы и выделять эффективные UX/UI-паттерны
- Умеют проводить аудит собственного прототипа по чек-листу качества и улучшать его с учётом пользовательских сценариев, продуктовой гипотезы и лучших практик рынка.
- Умеют составлять структурированные промпты для исследования пользовательских проблем, определения целевой аудитории, формирования требований и создания интерфейсов HR-продукта.
- Умеют управлять процессом AI-разработки через итерационное уточнение запросов, проверку результатов и исправление ошибок с учётом заданных критериев качества.
- Умеют создавать и систематизировать библиотеку повторно используемых AI-шаблонов для исследования, проектирования, разработки и тестирования цифровых продуктов.
- Умеют применять проверенные промпты, UI-компоненты и дизайн-паттерны для последовательного улучшения собственного HR-прототипа.
- Умеют определять роли пользователей HR-продукта и проектировать UX-flow с учётом их задач, контекста использования и ожидаемого результата.
- Умеют описывать основной пользовательский сценарий (Happy Path) и альтернативные ветки, а также формировать структуру приложения на основе спроектированных UX-flow.
- Умеют создавать многоэкранные интерфейсы HR-продукта с помощью AI-builder-инструментов, применяя базовые принципы UI-дизайна, дизайн-системы и готовые компоненты.
- Умеют оценивать качество интерфейса через взаимный UI-review, учитывать обратную связь и улучшать пользовательский опыт с учётом функциональности, визуальной целостности и понятности продукта.
- Умеют описывать бизнес-логику HR-продукта и настраивать интерактивные элементы интерфейса с помощью AI-инструментов без необходимости писать код вручную.
- Умеют реализовывать и проверять основной пользовательский сценарий, обеспечивая корректную обработку действий пользователя, переходов между экранами и формирования результатов.
- Умеют проектировать базовую структуру данных HR-продукта и подключать backend с помощью AI-инструментов и готовых BaaS-решений.
- Умеют реализовывать и проверять основные CRUD-операции, обеспечивая сохранение, получение, изменение и повторное открытие данных с учётом ролей пользователей.
- Умеют создавать data-driven HR-приложения с помощью AI-инструментов, загружать и обрабатывать данные, реализовывать поиск, фильтрацию, группировку и отображение показателей.
- Умеют интегрировать ИИ в пользовательский сценарий для работы с данными и создавать функциональный HR-сервис на основе реалистичных учебных данных с соблюдением требований конфиденциальности.
- Умеют разрабатывать тест-план для MVP, формировать тестовые сценарии и проверять функциональность, пользовательские сценарии и AI-функции продукта.
- Умеют выявлять, документировать и приоритизировать ошибки, формулировать ожидаемое поведение и проверять результат исправлений в ходе повторного тестирования.
- Умеют формулировать измеримые продуктовые гипотезы, выбирать релевантные метрики и проектировать A/B-эксперименты для проверки продуктовых решений.
- Умеют анализировать результаты экспериментов с помощью ИИ, визуализировать данные в продуктовом дашборде и формулировать обоснованные решения для дальнейшего развития MVP.
- Умеют формулировать ценностное предложение HR-продукта, определять целевую аудиторию и создавать структуру лендинга с учётом потребностей пользователей и ключевых преимуществ решения.
- Умеют создавать рабочий лендинг с помощью AI-builder-инструментов и интегрировать форму целевого действия для проверки интереса к продукту и сбора первичной обратной связи.
- Умеют определять минимальный объём MVP, приоритизировать требования и формировать Product Backlog с разделением функциональности на Must Have и Nice to Have.
- Умеют оценивать готовность AI-прототипа к дальнейшей разработке и составлять roadmap перехода к MVP с учётом бизнес-логики, UX-flow, модели данных, интеграций и критериев приёмки.
- Умеют выявлять риски AI-прототипа и применять базовые принципы безопасности данных.
- Умеют проводить финальный аудит, исправлять критические ошибки и защищать mini-MVP, представляя результаты тестирования и план развития.
Содержание учебной дисциплины
- Как создавать AI-прототипы: от идеи до MVP
- Стандарты качества AI-прототипов
- Управление ИИ: промпт-инжиниринг
- Работа с библиотекой шаблонов
- Проектирование пользовательских сценариев (UX-flows)
- Как собрать продающий UI без дизайнера
- Оживляем прототип действиями
- Backend для MVP
- Databutton: приложения на ваших данных
- Тестирование AI-прототипов
- A/B-тесты и дашборды на данных
- Прототипирование лендингов для MVP и решений
- Как прототип превращается в фичу / продукт / MVP
- Риски, галлюцинации, безопасность данных
Промежуточная аттестация
- 2026/2027 2nd module0.45 * Проект + 0.35 * Практические домашние задания + 0.2 * Квизы
Список литературы
Рекомендуемая основная литература
- Введение в искусственный интеллект, Эртель, В., 2019
- Искусственный интеллект в России: технологии и рынки, , 2025
Рекомендуемая дополнительная литература
- Искусственный интеллект - для вашего бизнеса? : руководство по оценке и применению, Берджесс, Э., 2025