😒 📣 Последняя неделя приема в онлайн-магистратуру МФТИ «Разработка ИТ-продукта»

До 15 августа (включительно) можно подать документы на программу набора 2026 года. Если вы откладывали подачу, время еще есть.

Для поступления нужно подготовить мотивационное письмо и сдать экзамен: тест по математике и алгоритмам на Python. Для подготовки доступен специальный курс. 

Вступительное испытание можно пройти 14 или 18 августа. Подайте заявление сейчас, а оставшиеся дни посвятите подготовке.

🧠 Подробнее о программе: https://mipt.online/masters/development.

📥 Обратите внимание: подать документы можно до 15 августа, 23:59 (Мск), через портал Госуслуг: https://www.gosuslugi.ru/vuzonline.

☑️ Инструкция по подаче документов: https://mipt.online/podacha-docs.

Если остались вопросы, оставьте заявку на консультацию на странице программы — менеджер свяжется с вами и поможет разобраться.

⏳ До конца приема документов — 2 дня

Подать документы в онлайн-магистратуры МФТИ можно только через Госуслуги gosuslugi.ru/vuzonline — до 23:59 (Мск) 15 августа. 

Вся официальная информация о правилах приема размещена на сайте приемной комиссии МФТИ: pk.mipt.ru/master.

Подробная инструкция по подаче и отслеживанию заявления: https://mipt.online/podacha-docs.

Вы можете оставить заявку на консультацию, и наш менеджер по поступлению проконсультирует вас: 
https://mipt.online/masters/development#rec2051263071 

👨‍🎓 До встречи в МФТИ! Если перед подачей документов остались вопросы — мы рядом и готовы помочь.

⏰ Сегодня последний день приема документов в онлайн-магистратуры МФТИ 

Подать заявление на программы набора 2026 года можно до 23:59 (Мск) 15 августа.

Если вы собирались поступать, но откладывали подачу документов, у вас еще есть несколько часов. Отправьте заявление через Госуслуги и сразу выберите дату вступительного испытания.

Экзамен по всем 3 программам можно сдать 18 августа.

📥 Подать заявление через Госуслуги: https://www.gosuslugi.ru/vuzonline.

Инструкция по подаче документов: https://mipt.online/podacha-docs.

🤗 Будем рады видеть вас в МФТИ — учиться, знакомиться, работать над проектами и проходить этот путь вместе!

😌 «Я большой сторонник вайб-кодинга. Но не очень люблю тех, кто вайб-кодит»

Так начал выступление на эфире МФТИ Алексей Сикора, ML-инженер, разработчик ИИ-агентов и аналитик данных в компании «Астон».

Алексей сам активно использует ИИ в работе. Но есть обратная сторона: ему регулярно приходится переписывать код, который кто-то сгенерировал и не проверил. В таком коде могут оставаться лишние функции, классы и решения, которые в итоге только усложняют систему. 

За тем, что генерирует вам модель ИИ и агенты, нужно следить очень тщательно — отметил Алексей. 

Где ИИ может помочь, а где разработчику все равно придется включаться самому?

✅️ Сначала нужно понять, что вообще делать 

Один из самых важных этапов разработки — сбор и анализ требований. Именно здесь легко ошибиться: если задачу поняли неправильно, дальше можно быстро сделать совсем не то. 

У разработчика не всегда есть готовое техническое задание на 70 страниц. Чаще это переписка с заказчиком, скриншоты, файлы, примеры запросов и другая информация, которую нужно собрать в одно место и привести к рабочему виду.

Здесь ИИ может выступать как помощник: помочь структурировать материалы, выделить требования, ограничения, критерии приемки и найти вопросы, которые остались без ответа.

Но полностью отдавать этот этап модели нельзя. ИИ может неправильно понять контекст, додумать то, чего в задаче не было, или задать вопрос, ответ на который уже есть в документах.

✅️ Потом — спроектировать систему

После требований нужно понять, из каких частей будет состоять будущий сервис.

ИИ может помочь нарисовать архитектурную схему или предложить варианты реализации. Но выбрать подход к построению системы должен инженер.

Нужно понимать, какие компоненты нужны, как они связаны между собой и какие ограничения есть у проекта.

✅️ Код написал ИИ — тесты тоже. Но кто проверит тесты?

Если код не проходит тест, не всегда нужно сразу менять код. Сначала стоит проверить сам тест. Он тоже может быть написан неправильно.

Еще одна ошибка — ориентироваться только на процент покрытия тестами. Можно покрыть 100% кода, но при этом не проверить действительно важные вещи: например, правильно ли считаются деньги или работает ли авторизация.

Важно не только количество покрытых строк, а то, что именно проверяют эти тесты. 

✅️ После генерации работа не заканчивается

ИИ может помочь подготовить Dockerfile, конфигурации, настройки CI/CD и другие технические части.

Но дальше сервис все равно нужно развернуть, смотреть логи, отслеживать ошибки и понимать, что происходит внутри системы.

Отдельно стоит вопрос безопасности: готовые MCP-серверы из открытых источников нужно проверять. В их реализации могут быть уязвимости, поэтому даже готовые решения нельзя просто подключать без проверки. 

По словам Алексея, в будущем главным навыком разработчика станет умение формировать спецификацию и делать жесткое ревью результата работы ИИ-агента. «Все остальное будет для нас делать ИИ-агент», — считает Алексей. 

ИИ хорошо ускоряет хороший процесс. Но если процесс плохой — он так же быстро масштабирует все ошибки, которые уже есть.😰

🤩🚀 Новый учебный год в МФТИ начался

Студенты онлайн-магистратуры уже приступили к занятиям — начались пары, знакомства с преподавателями и первые учебные задачи. А мы будем в течение года показывать здесь, как проходит их обучение изнутри. 

Приемная кампания завершилась, следующий набор — весной 2027 🙂

Но если вы думаете о поступлении в следующем году, ждать весны не обязательно. Оставить заявку на консультацию можно в течение всего года — наша команда расскажет об обучении, поступлении и поможет разобраться, подходит ли вам магистратура: ☝ https://mipt.online/masters/development?utm_source=tg&utm_medium=rit#rec2051263071.

Канал продолжит работать для вас. Здесь будем публиковать экспертные разборы по разработке, архитектуре, backend и системному проектированию, говорить о карьерном росте разработчиков, преподавателях и технических экспертах программы, проектах студентов, технологиях, хакатонах и командной разработке изнутри.

Так что не прощаемся — впереди много контента, который пригодится еще до поступления.

Кто остается с нами до следующей приемной — помашите нам 👋

💸🚀5 признаков, что вы готовы расти дальше в разработке 

Новый учебный год мы решили начать с небольшой проверки себя.

Представьте: вам приходит очередная задача, а вместо «окей, сейчас сделаю» в голове появляются вопросы. Зачем мы вообще это делаем? Почему именно так? Как решение повлияет на весь проект?🤔

Если такие вопросы у вас уже появляются — смотрим дальше. Сколько пунктов совпадет? 

1. Вы смотрите на задачу шире своей зоны ответственности

Вам уже мало сделать свой кусок и передать дальше. Хочется понять, что это изменение потянет за собой: где еще что-то придется переделывать, выдержит ли система нагрузку и не вылезет ли это боком через пару месяцев. 

2. Вам недостаточно просто выполнить требования

Если в ТЗ что-то кажется спорным, вы не идете молча писать код, а задаете вопросы. Почему вообще делаем именно так? Что этим решаем? И не придется ли потом разгребать последствия? То есть вы видите последствия технических решений и хотите влиять на них.

3. Вы хотите понимать, почему вся система устроена именно так

Почему здесь выбрали такую архитектуру? Почему эти компоненты разделили? Почему данные хранят именно так? Как система будет масштабироваться? 
Вам уже интересно не просто работать внутри готовой системы, а разбираться, почему ее собрали именно так и можно ли было сделать по-другому.

4. Знаний много, но они лежат кусками

Что-то выучили под рабочую задачу, с чем-то разобрались на прошлом проекте, что-то пришлось срочно освоить самому. Вроде опыта уже много, а прилетает задача посложнее — и снова ловишь себя на том, что уверенности не хватает. 
И тут уже не спасает еще один туториал по конкретному инструменту — хочется наконец собрать все это в систему и понимать, на что опираться в сложных задачах. 

5. Вам уже хочется не просто делать, а решать, как лучше сделать 

Подключаться раньше, когда еще обсуждают архитектуру и ограничения. Предлагать варианты. Выбирать между ними и уметь объяснить, почему один вариант лучше другого. 

😌 Если совпало несколько пунктов — значит, вы уже выросли из формата «получил задачу — написал код». Дальше можно расти в техлида, уходить глубже в архитектуру или запускать собственные продукты. 

Нашли у себя три признака и больше — оставьте 🔥

🤖 Как устроен ИИ-агент

В эфире МФТИ «ИИ‑агенты: от LLM к автономным рабочим процессам» Никита Финченко, менеджер продукта VK Tech и преподаватель МФТИ, разбирал, как устроены ИИ-агенты. 

В основе ИИ-агента — инфраструктура, на которой запускаются модели. Поверх нее работают LLM, данные, память, инструменты и сценарии. На них и остановимся подробнее.

LLM — обрабатывает запрос и формирует ответ

Модель получает текст пользователя и тот контекст, который ей передали.
Например, пользователь спрашивает: «Почему у меня списалась 1000 рублей с кредитки?» Одного вопроса мало. Модели нужны данные по конкретному клиенту и его карте. Без них она не поймет, откуда взялась эта тысяча.

Данные — дают информацию по конкретной задаче

Агент может получить условия кредитной карты, список карт клиента, историю транзакций.

После этого модель уже видит, что у пользователя одна кредитка, по ней есть списание на 1000 рублей, а в условиях карты указано, что такая сумма списывается каждый месяц. Этой информации хватает, чтобы ответить на вопрос.

Источники данных могут быть разными: база знаний, внутренняя система компании, база данных, внешний сервис.

Память — хранит контекст диалога

Допустим, пользователь получил ответ и пишет следом: «Тогда помоги мне ее закрыть».

Из этой фразы самой по себе непонятно, о чем речь. Поэтому агент сохраняет предыдущие сообщения и передает их модели вместе с новым запросом.
Чем длиннее диалог, тем больше контекста приходится передавать в модель. Это влияет и на стоимость запросов.

Инструменты — подключают внешние системы

Если агенту нужны транзакции клиента, их надо где-то получить.

Для этого ему подключают инструменты: доступ к внутренней системе по API, базе знаний, календарю, таск-менеджеру или другому сервису.

Через них агент получает данные или выполняет нужное действие.

Сценарии — определяют порядок действий

Для части задач последовательность шагов можно задать заранее.

Например, для запроса по кредитке заранее указать, что нужно получить условия по карте, транзакции пользователя и данные его карты. После этого весь собранный контекст отправляется в LLM, которая формирует ответ.

📝 При разработке агента нужно определить, откуда он будет брать данные, какой контекст сохранять, к каким системам обращаться и какие шаги выполнять по сценарию. От этих решений зависит, как агент будет работать с реальной задачей.

⏺Смотрите полную запись эфира об ИИ-агентах по ссылке: https://vkvideo.ru/video-224205661_456239130?pl=-224205661_11