Kinnitatud direktori O. Teterez poolt 15.10.2025, Tallinn
1. Название учебной программы
Веб-разработка с помощью искусственного интеллекта (ИИ)
2. Направление и группа учебной программы
Направление обучения: междисциплинарное направление в области информационных и коммуникационных технологий.
Группа учебной программы: междисциплинарная группа в области информационных и коммуникационных технологий.
Основное содержание учебной программы: искусственный интеллект, архитектура веб-приложений, управление AI-инструментами.
3. Цель и результаты обучения
Цель:
Сформировать у участников системное видение архитектуры современных веб-приложений и научить их управлять AI-инструментами (Cursor, Cline, Gemini CLI) для воплощения идей в полнофункциональные веб-продукты без необходимости ручного написания кода.
Результаты обучения:
По окончании курса студент:
управляет AI-инструментами и использует современные IDE для генерации, отладки и документирования кода;
объясняет принципы веб-архитектуры, понимает модель «клиент-сервер», назначение API, роль базы данных и основы Linux;
оркестрирует процесс создания интерфейсов от дизайн-макетов до статических страниц и SPA-приложений на React;
формулирует требования к серверной логике, проектирует REST API и структуру баз данных на концептуальном уровне;
руководит процессом интеграции frontend- и backend-компонентов и внешних AI-сервисов;
управляет процессом развертывания и публикует full-stack приложения на PaaS-платформах и VPS с помощью AI-ассистента.
4. Целевая группа и условия для начала обучения
Целевая группа:
начинающие без опыта программирования, интересующиеся ИТ, менеджеры продуктов, предприниматели, дизайнеры и все, кто хочет научиться создавать веб-приложения с использованием ИИ как основного инструмента.
Условия для начала обучения:
среднее образование и уверенное владение компьютером. Навыки программирования не требуются.
5. Объем, структура, среда и средства обучения
Объем и структура обучения:
общий объем курса — 120 академических часов, из них:
40 ак. часов — контактное обучение (лекции и практики);
40 ак. часов — самостоятельная работа над еженедельными микро-проектами;
40 ак. часов — онлайн-разбор проектов и углубленное изучение.
Среда и средства обучения:
обучение проходит в современных аудиториях и/или онлайн. Каждому студенту предоставляется доступ к API больших языковых моделей (LLM) и собственному виртуальному серверу (VPS) на время обучения. Для работы в классе и дома необходим собственный ноутбук.
6. Описание учебного процесса
| Структура и объем | Содержание обучения и учебные материалы | Методы обучения |
|---|
| Контактное обучение 8 ак. часов + самостоятельная работа 4 ак. часа | Модуль 1: Машинное обучение (ML), нейросети и LLM — фундамент AI-революции. Теория: обзор AI/ML/нейросетей, установка Cursor/Cline, декомпозиция задач, CLI. Микро-проект: «Hello, AI!» консольное приложение. Онлайн-разбор: итеративный диалог с AI | Интерактивная лекция, демонстрация инструментов, анализ проектов, групповое обсуждение, практикум |
| Контактное обучение 8 ак. часов + самостоятельная работа 4 ак. часа | Модуль 2: AI-дизайнер: от идеи до первого сайта (HTML/CSS). Теория: клиент (браузер), HTML/CSS, генераторы изображений, анализ референсов. Микро-проект: «Цифровая визитка». Онлайн-разбор: итеративное улучшение дизайна | Лекция-аналогия, практическая работа в AI-IDE, анализ дизайна, практикум |
| Контактное обучение 8 ак. часов + самостоятельная работа 4 ак. часа | Модуль 3: Оживление сайта: интерактивность на JavaScript. Теория: события, реакции, DOM. Микро-проект: «Интерактивная визитка». Онлайн-разбор: отладка через AI по ошибкам консоли | Интерактивная демонстрация, анализ механик, практикум по отладке |
| Контактное обучение 8 ак. часов + самостоятельная работа 4 ак. часа | Модуль 4: Современный frontend: SPA на React с Vite и AI. Теория: SPA, React, компонентный подход, Vite, npm. Микро-проект: «SPA-Портфолио». Онлайн-разбор: архитектурный рефакторинг | Лекция, управляемая генерация кода, анализ компонентной структуры, практикум по рефакторингу |
| Контактное обучение 8 ак. часов + самостоятельная работа 4 ак. часа | Модуль 5: Мозг приложения: проектирование и создание Backend REST API. Теория: сервер (backend), REST API, Node.js и Python. Микро-проект: «API для блога». Онлайн-разбор: анализ и тестирование API, проектирование API | Интерактивная лекция, демонстрация инструментов, анализ и тестирование API, практикум по проектированию |
| Контактное обучение 8 ак. часов + самостоятельная работа 4 ак. часа | Модуль 6: Память приложения: базы данных под руководством AI. Теория: SQL/NoSQL, CRUD. Микро-проект: интеграция PostgreSQL в API. Онлайн-разбор: анализ работы с данными, моделирование данных | Лекция, практическая работа, анализ данных, практикум по моделированию |
| Контактное обучение 8 ак. часов + самостоятельная работа 4 ак. часа | Модуль 7: Full Stack в сборе: интеграция frontend, backend и внешних AI-сервисов. Теория: объединение клиента и сервера, full stack, сетевое взаимодействие. Микро-проект: «Блог с AI-копирайтером». Онлайн-разбор: отладка полного цикла | Демонстрация полного цикла, анализ работающих приложений, практикум по отладке |
| Контактное обучение 8 ак. часов + самостоятельная работа 4 ак. часа | Модуль 8: Время запуска: деплой в интернет (PaaS и VPS). Теория: хостинг и деплой, PaaS, VPS, Linux и Nginx с AI. Микро-проект: «Гранд-релиз». Онлайн-разбор: диагностика проблем деплоя по логам | Пошаговая демонстрация, проверка доступности проектов, практикум по диагностике |
| Контактное обучение 8 ак. часов + самостоятельная работа 4 ак. часа | Модуль 9: Итоговый проект: от идеи к архитектуре и разработке. Теория: брейншторм идей, методология планирования. Практика: старт собственного full stack проекта. Онлайн-разбор: прогресс, код-ревью, помощь в решении проблем | Групповые обсуждения, индивидуальные и групповые консультации, проектная работа |
| Самостоятельная работа 4 ак. часа + защита проекта 8 ак. часов | Модуль 10: Финал: деплой, защита проекта и следующие шаги. Завершение разработки, подготовка презентации, демонстрация приложения и защита проекта | Индивидуальные консультации, проектная работа, публичная защита проектов |
7. Оценивание, или условия завершения обучения
Обучение считается завершенным, если студент:
присутствовал минимум на 80% занятий;
успешно выполнил все еженедельные микро-проекты;
разработал и успешно защитил итоговый проект.
Оценивание проводится по принципу «зачет/незачет».
8. Выдаваемые документы
Студенту, освоившему учебную программу и прошедшему оценивание, выдается сертификат об окончании.
Студенту, не прошедшему оценивание, выдается справка об участии в курсе.
9. Квалификация преподавателя
Преподаватель обладает практическим опытом в коммерческой веб-разработке (Full Stack), глубоким пониманием современных AI-инструментов для разработки и опытом преподавания технических дисциплин.