Архитектура генеративных ИИ-моделей

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.