Разработка приложений Python с использованием ИИ-ассистентов

Бакалавриат 2026/2027

Статус: Курс по выбору (Экономический анализ)

Кто читает: Отдел сопровождения учебного процесса в бакалавриате

Где читается: Факультет экономических наук

Когда читается: 4-й курс, 3 модуль

Охват аудитории: для своего кампуса

Язык: русский

Кредиты: 3

Контактные часы: 44

Дополнительные материалы в LMS Задать вопрос

Аннотация

Курс предназначен для студентов, владеющих базовым синтаксисом Python и желающих освоить создание современных приложений с активным применением ИИ-ассистентов. Цель курса — углубить знания в объектно-ориентированном программировании и познакомить с современными практиками разработки, где ИИ выступает в роли интеллектуального напарника. В ходе обучения вы научитесь проектировать пользовательские классы, применять модули стандартной библиотеки и эффективно интегрировать ИИ-инструменты в свой рабочий процесс для ускорения написания, тестирования и рефакторинга кода. Итогом освоения дисциплины станет умение разрабатывать полноценные приложения, используя ИИ-ассистентов. Это позволит вам успешно решать прикладные задачи в учебной и будущей профессиональной деятельности.

Цель освоения дисциплины

Знать: принципы объектно-ориентированного программирования в Python, возможности стандартной библиотеки, методы промпт-инжиниринга (составления запросов) для работы с ИИ-ассистентами, а также принципы работы с API сторонних ИИ-сервисов.
Уметь: проектировать архитектуру приложения, формулировать точные технические задания для ИИ-ассистентов, интегрировать внешние нейросетевые модели в свой код, проводить рефакторинг и отладку с помощью ИИ.
Владеть: современными ИИ-инструментами для разработки (копайлоты, нейросетевые IDE), практиками написания чистого кода и навыками создания полноценных приложений с встроенными функциями искусственного интеллекта.

Планируемые результаты обучения

Знать: встроенные типы данных Python и их изменяемость; принципы работы включений и генераторов; правила разрешения имён (LEGB) и области видимости; синтаксис аннотаций типов.
Уметь: выбирать подходящий тип данных под задачу; заменять циклы включениями там, где это повышает читаемость; писать функции с позиционными, именованными и произвольными параметрами; применять map(), filter(), zip() и лямбда-выражения; использовать генераторы для обработки больших последовательностей без загрузки их в память.
Владеть: приёмами обработки коллекций средствами стандартной библиотеки (в т.ч. collections.Counter); навыком аннотирования сигнатур функций; практикой формулирования запроса к ИИ-ассистенту на генерацию вспомогательной функции и последующей проверки полученного кода.
Знать: модель объектов Python, различие переменных класса и экземпляра, назначение __slots__; состав и семантику магических методов; правила наследования и порядок разрешения методов (MRO); механику дескрипторов и декораторов.
Уметь: проектировать иерархию классов под предметную область; перегружать операторы и корректно реализовывать __eq__ вместе с __hash__; применять абстрактные базовые классы для фиксации контракта; писать собственные декораторы, в том числе с аргументами; использовать замыкания.
Владеть: навыками объектно-ориентированного проектирования приложения; практиками написания чистого кода (осмысленные имена, единственная ответственность класса); умением поручить ИИ-ассистенту черновую реализацию класса по описанному контракту и провести ревью результата.
Знать: структуру стандартной библиотеки и способы подключения сторонних пакетов; событийную модель GUI-приложения; форматы CSV и JSON и их ограничения; основы реляционной модели и синтаксиса SQL.
Уметь: строить оконный интерфейс на Tkinter с обработкой событий; визуализировать данные средствами Matplotlib; выполнять векторные вычисления на массивах NumPy; читать и записывать CSV/JSON; выполнять запросы к базе SQLite из Python и безопасно передавать параметры запроса.
Владеть: навыком разработки настольного приложения с графическим интерфейсом и сохранением данных; приёмами разделения слоя интерфейса и слоя логики; практикой генерации типового кода интерфейса и парсинга данных с помощью ИИ-ассистента с последующей отладкой.
Знать: модель клиент-серверного взаимодействия и структуру HTTP-запроса; принципы REST и назначение спецификации OpenAPI; отличие синхронного и асинхронного выполнения; устройство API больших языковых моделей (роли сообщений, параметры генерации, потоковая передача, токены и стоимость); базовые приёмы промпт-инжиниринга.
Уметь: разрабатывать веб-приложение на FastAPI с маршрутизацией и валидацией данных через Pydantic; описывать и документировать собственный REST API; писать асинхронный код с async/await; обращаться к внешним HTTP-сервисам через httpx/requests с обработкой ошибок и таймаутов; проектировать промпт, возвращающий структурированный ответ в формате JSON; хранить ключи доступа вне исходного кода (переменные окружения); организовывать хранение данных через SQLAlchemy.
Владеть: навыком создания веб-приложения со встроенными функциями искусственного интеллекта; практикой контроля расходов и обработки отказов внешнего ИИ-сервиса; приёмами итеративного улучшения промпта по результатам тестирования.
Знать: назначение виртуальных окружений и способы фиксации зависимостей; модель ветвления и слияния в Git; уровни тестирования и назначение фикстур; принципы статического анализа и типизации; различие образа и контейнера, устройство слоёв образа; идею непрерывной интеграции; сильные и слабые стороны ИИ-ассистентов в разработке.
Уметь: организовывать проект в виде пакетов с зафиксированными зависимостями; вести разработку в Git с ветками и pull request; писать юнит-тесты на pytest с фикстурами и параметризацией, оценивать покрытие; настраивать ruff/black/mypy; собирать образ по Dockerfile и поднимать связку «веб-приложение + база данных» через docker compose; настраивать простой пайплайн GitHub Actions; применять копайлот для генерации тестов, объяснения и рефакторинга кода.
Владеть: навыком развёртывания приложения в контейнере; практиками верификации сгенерированного ИИ кода (тесты, ревью, проверка зависимостей); пониманием рисков безопасности и лицензионных ограничений при использовании ИИ-ассистентов; умением оценить, где применение ассистента даёт выигрыш, а где ведёт к скрытым дефектам.