Маршрут в ИИ: 7 бесплатных курсов — от основ до продакшена
Готовый порядок из 7 бесплатных курсов по ИИ от Google, NVIDIA, AWS и DeepLearning.AI — с проверенными ссылками.
Виталий Влада2 октября 2026 · 5 мин чтения
Ты открываешь десятую вкладку с курсом по ИИ, видишь ценник в несколько тысяч долларов — и закрываешь. Потом натыкаешься на «буткемп», который обещает сделать из тебя AI-инженера за 12 недель, и там та же сумма, только в рассрочку. В итоге не учишься вообще: платить дорого и страшно, а бесплатное из поиска — это обрывки, после которых в голове только каша.
А теперь самое обидное. Компании, которые реально двигают ИИ — Google, NVIDIA, AWS, Databricks, DeepLearning.AI — давно выложили свои курсы бесплатно. Не урезанные интро на пять минут, а полноценные программы: от «как это вообще работает» до «как выкатить в продакшен и не сломать». Проблема одна — они разбросаны по десяти разным сайтам, и никто не говорит, в каком порядке их проходить. Ниже — готовый маршрут из 7 курсов по порядку. Всё бесплатно, все ссылки я проверил.
Проверь: это про тебя?
- Хочешь разобраться в ИИ глубже, чем «я умею писать промпты в ChatGPT».
- Цена на буткемп заставляет закрыть вкладку, даже не дочитав программу.
- Бросаешь бесплатные курсы на середине — потому что непонятно, с чего начать и что за чем.
- Хочешь не просто «пощупать», а дойти до уровня, когда можешь собрать рабочую систему на ИИ.
Если хотя бы один пункт про тебя — проходи по маршруту сверху вниз. Новичкам начинать с шага 1, тем, кто уже в теме, — прыгать сразу на шаг 4.
Шаг 1. Основы генеративного ИИ — Generative AI for Everyone (DeepLearning.AI)
Курс Эндрю Ына, одного из самых известных людей в мире ИИ. Без кода и математики: как работает генеративный ИИ, что языковые модели умеют, а что нет, и где это применяют в реальных задачах. Уровень — новичок, около 3 часов.
Зачем тебе: это фундамент. После него перестаёшь верить в магию и начинаешь понимать, что происходит под капотом — без этого всё остальное превращается в зубрёжку.
Шаг 2. Как работают LLM — The Illustrated Transformer (Jay Alammar)
Легендарный визуальный разбор архитектуры трансформеров — той самой, на которой построены все современные модели. Автор объясняет механизм внимания (attention), токенизацию и эмбеддинги на картинках, а не на формулах. Бесплатно, в своём темпе.
Зачем тебе: один раз понять, как модель «думает», — и промпты, галлюцинации и ограничения ИИ перестают быть загадкой. Это та статья, которую пересылают друг другу все, кто учится.
Шаг 3. Мастерство промптинга — Google Prompting Essentials (Coursera)
Специализация из 4 коротких курсов от Google: фреймворк из 5 шагов для промптов к любому ИИ, мультимодальные промпты (текст, картинки, видео), основы работы с агентами. Бесплатно в режиме аудита, целиком — меньше 10 часов.
Зачем тебе: промпт — это навык, который окупается каждый день. Один грамотный запрос экономит час работы, а таких задач у тебя десятки в неделю.
Шаг 4. RAG-системы: от основ до продвинутого (NVIDIA, 2 части)
RAG — это когда ИИ отвечает не из головы, а на основе твоих документов. Самая востребованная штука на рынке прямо сейчас. NVIDIA даёт бесплатную серию из двух частей.
Часть 1 — Введение в RAG: основы, процесс поиска, векторные базы и эмбеддинги.
Часть 2 — агент для глубокого ресёрча: продвинутые агентные воркфлоу с reasoning-моделями, мультимодальный RAG, системы с человеком в цикле.
Зачем тебе: именно RAG превращает ИИ из «болталки» в инструмент, который работает с твоими данными — отчётами, базой знаний, перепиской. За это платят.
Если ссылка на конкретную часть не откроется — все бесплатные курсы NVIDIA собраны в их каталоге: learn.nvidia.com (раздел бесплатных DLI-курсов).
Шаг 5. ИИ-агенты на LangChain — Functions, Tools and Agents (DeepLearning.AI)
Курс про то, как ИИ начинает не просто болтать, а действовать: вызывать функции, пользоваться инструментами, помнить контекст. Внутри — function calling, язык LCEL и сборка разговорных агентов. Около 1,5 часов, бесплатно.
Зачем тебе: агенты — это следующий уровень. Вместо «спросил — получил ответ» ты собираешь помощника, который сам выполняет цепочку задач.
Шаг 6. Корпоративный ИИ и мультимодальные модели (AWS + Amazon Nova)
Практический разбор, как собирать продакшен-ИИ на AWS: эмбеддинги с Amazon Titan, мультимодальный RAG с Amazon Nova, агенты на Bedrock Knowledge Bases. Есть видео на 5,5 часов и репозиторий с кодом, чтобы повторить руками.
Зачем тебе: разница между «посмотрел курс» и «умею» — в том, что ты собрал сам. Здесь есть готовый код, который можно запустить и разобрать.
Смотреть видео →
Код на GitHub →
Шаг 7. Управление ИИ-агентами — Governing AI Agents (DeepLearning.AI + Databricks)
То, о чём молчат на хайповых курсах: как сделать так, чтобы агент не слил данные и не натворил дел в продакшене. Жизненный цикл, риски, безопасность, контроль доступа через Unity Catalog и мониторинг через MLflow. Около 1,5 часов.
Зачем тебе: как только твой ИИ выходит за пределы песочницы, вопрос «а это безопасно?» становится главным. Этот навык отличает любителя от того, кому доверяют рабочие задачи.
Практический бонус: как пройти это и не бросить
Самая частая ошибка — открыть все 7 вкладок сразу и утонуть. Сделай иначе:
- Выдели 1 курс на 1 неделю. Семь недель — и маршрут пройден целиком.
- После каждого курса делай одну маленькую штуку руками: промпт, мини-скрипт, запрос к своим данным. Теория без практики выветривается за 3 дня.
- Заведи один документ и складывай туда выводы в формате «что ясно — что попробую». Это твой личный конспект, который дороже любого сертификата.
Задание на сегодня
Не откладывай. Прямо сейчас открой шаг 1 (или шаг 4, если основы уже знаешь) и пройди первые 15 минут. Не весь курс — только старт. Главное сегодня не выучить всё, а сдвинуться с места и почувствовать, что это вообще не страшно.
Что дальше
Когда пройдёшь маршрут, заметишь главное: самое ценное — не «посмотреть курс», а собирать на ИИ рабочие вещи под свои задачи. Ровно этому — не теории, а практике «сел и сделал» — я и учу: как работать с ИИ-ассистентом вроде Claude так, чтобы он реально экономил тебе часы. Если хочется не просто пройти чужие курсы, а научиться делать своё — ниже есть куда идти дальше.