після створення макету інтерфейсу щоразу чекаєте, поки розробник перенесе їх у робочий код
Навчитеся верстати сторінки на HTML і CSS разом з AI, адаптувати їх під мобільні та додавати інтерактив на JavaScript. Зможете вносити точкові правки самостійно.

налаштовуєте інтеграції в Zapier чи Make, але не розумієте, як вони працюють «під капотом»
Побачите, як працюють API, запити й відповіді у форматі JSON. Навчитеся підключати сторонні сервіси з AI та безпечно зберігати ключі доступу.

ведете проєкти в IT , але не завжди розумієте технічні обмеження й оцінки команди
Зрозумієте, як влаштовані frontend, backend і база даних. Навчитеся писати вимоги з acceptance criteria, читати pull request і обговорювати з розробниками ризики змін.

ведете таблиці і хочете перетворити їх на зручний вебінструмент для команди
Розберетеся, як влаштовані бази даних і зв'язки між таблицями. Разом з AI створите вебзастосунок, де дані можна додавати, редагувати й переглядати через форми.

вже збираєте прототипи в Lovable чи Cursor, але губитеся, коли код від AI ламається
Розберетеся, як знаходити причину помилки, перш ніж просити AI її виправити. Покриватимете код тестами, відкочуватимете невдалі зміни в Git і налаштуєте Debugging Agent.


з напрямом
- познайомимося з групою та визначимо цілі навчання
- розберемо, що таке вайбкодинг, де AI пришвидшує розробку і де створює ризики
- пройдемо повний цикл продукту: ідея → вимоги → план → код → перевірка → деплой → підтримка
- визначимо роль людини в розробці з AI: постановка задачі, контроль контексту, перевірка результату
- розберемося з моделями, контекстом, Plan Mode, Rules, Skills та Agents у ChatGPT і Cursor
- навчимося декомпозувати великі задачі та формулювати вимоги
- створимо PRD, roadmap та implementation plan
- порівняємо запит «зроби мені застосунок» з керованим процесом, де AI пише код після погодження плану
- розберемо змінні, базові типи даних, оператори, введення та виведення
- навчимося просити AI пояснювати код і прогнозувати результат до запуску
- створимо перший репозиторій на GitHub: init, status, add, commit, push
- почнемо фіксувати робочі зміни невеликими комітами
- розберемо умови, цикли, функції, аргументи та область видимості
- навчимося описувати алгоритм словами, перш ніж просити AI про реалізацію
- перевірятимемо запропонований AI код крок за кроком
- додамо git diff і git log, навчимося писати зрозумілі commit messages
- попрацюємо зі списками, словниками, множинами й кортежами
- розіб'ємо програму на модулі та файли, познайомимося з основами класів
- навчимося читати traceback і разом з AI з'ясовувати причину помилки до її виправлення
- додамо .gitignore, git restore і перегляд змін перед комітом
- розберемо структуру вебсторінки та семантичні теги
- попрацюємо із селекторами, box model, Flexbox, Grid та адаптивною версткою
- згенеруємо з AI чернетку інтерфейсу за власними вимогами та доопрацюємо її вручну
- навчимося формулювати точкові правки замість повної перегенерації
- продовжимо з Git: pull, перевірка diff перед комітом, регулярний push
- розберемо змінні, типи даних, умови, цикли, функції, масиви та об'єкти
- порівняємо розв'язання однакових задач у Python і JavaScript
- використаємо AI, щоб пояснити відмінності синтаксису
- створимо першу feature-гілку і розберемо, навіщо ізолювати зміни
- розберемо DOM, querySelector та обробку подій click, input, submit
- додамо роботу з формами, базову валідацію та зміну HTML і CSS через JavaScript
- познайомимося з fetch
- зробимо merge feature-гілки й розв'яжемо простий merge conflict
- розберемо клієнт-серверну архітектуру, HTTP-методи, статус-коди, headers і JSON
- переглянемо реальні запити й відповіді в Browser DevTools використаємо AI для пояснення запитів і відповідей
- практика: пояснення мережевої взаємодії застосунку своїми словами
- розберемо структуру Django-проєкту: settings, URLs, views, templates і MTV
- сформуємо з AI implementation plan перед генерацією коду
- пройдемо шлях HTTP-запиту через Django
- робитимемо кожну backend-функцію в окремій feature-гілці
- розберемо таблиці, primary key, foreign key і зв'язки між даними
- попрацюємо з моделями, міграціями, ORM, CRUD і Django Admin
- перетворимо бізнес-вимоги на модель даних з AI та перевіримо сутності й зв'язки
- навчимося читати diff міграцій і не комітити зайві зміни
- розберемо Django templates, forms, POST-запити, валідацію і CSRF
- створюватимемо й редагуватимемо дані через інтерфейс
- реалізуємо форму з AI поетапно: вимоги, валідація на backend, шаблон, UX-покращення
- попрацюємо з rebase у feature-гілці
- розберемо authentication і authorization, сесії, cookies та захищені сторінки
- реалізуємо реєстрацію, вхід і вихід користувачів
- розіб'ємо функцію на етапи: вимога → аналіз → компоненти → план → реалізація → перевірка
- розділимо реалізацію на кілька логічних комітів
- розберемо endpoints, параметри, headers і API-ключі
- підключимо сторонній сервіс, наприклад телеграм-бота
- налаштуємо обробку помилок, змінні середовища та .env
- використаємо AI для читання API-документації та пояснення помилок інтеграції
- розберемо, чому .env не можна комітити
- пройдемо процес: вимога → аналіз коду → оцінка впливу → план → задачі → код → самоперевірка
- навчимося давати AI аналізувати наявні компоненти й залежності перед генерацією
- використаємо fetch, pull і rebase, щоб актуалізувати гілку перед merge
- зберемо MVP: frontend, backend, база даних, авторизація та API
- розберемо production-середовище, хостинг, міграції, статичні файли та HTTPS
- сформуємо з AI чекліст деплою та проаналізуємо помилки опублікуємо застосунок з GitHub
- створимо окремих агентів Architect, Developer і Reviewer
- налаштуємо Rules, Skills, Agents і Subagents, вхідні та вихідні дані кожного агента
- побудуємо процес: Architect аналізує задачу, Developer реалізує план, Reviewer перевіряє зміни й ризики
- використовуватимемо окрему Git-гілку для кожної задачі
- пропрацюємо вимоги та acceptance criteria для великої задачі
- проаналізуємо код, залежності та вплив змін
- реалізуємо функцію, зберігаючи наявну архітектуру
- підготуємо чисту історію змін і розв'яжемо конфлікти перед code review
- розберемо тест-кейси: happy path, негативні та граничні випадки, регресію
- напишемо unit- та integration-тести в Django tests і pytest
- згенеруємо з AI чернетки тестів і перевіримо, чи справді вони перевіряють вимоги
- налаштуємо правило: merge лише після успішного запуску тестів
- розберемо різницю між error і bug, кроки відтворення, stack trace і логи
- навчимося передавати AI факти про проблему та отримувати гіпотези
- погоджуватимемо план до внесення змін у код
- шукатимемо регресії через git log, diff і порівняння комітів
- налаштуємо Debugging Agent з чіткими правилами роботи
- задамо агенту вимогу аналізувати проблему до змін і посилатися на конкретні файли
- розберемо hotfix-гілки
- навчимося відкочувати невдалі зміни через revert
- розберемо pull request, diff, review comments, approval і merge strategy
- підготуємо з AI Reviewer опис PR: що змінено, навіщо, які компоненти зачеплено, які ризики та що тестувати
- порівняємо merge і rebase в командній роботі
- розв'яжемо базові merge conflicts
- розберемо шлях зміни від коміту до production: CI/CD, автоматичні тести, PR checks
- попрацюємо із середовищами development, staging і production та secrets
- розберемо логи, моніторинг, бекапи та rollback
- створимо pipeline з AI та навчимося аналізувати production-логи
- закріпимо tags, releases, revert і hotfix workflow
- фінальна Q&A-сесія
- захист проєкту: problem statement, архітектура, ключова функція, Git-історія, AI workflow
- демонстрація тестів, підходу до дебагу, pull request і production-деплою
- оцінка вміння пояснити рішення, перевірити результат AI і безпечно змінювати продукт
куратори
вони будуть поруч

Python developer у GeeksForLess Inc.
Антон викладає Python з 2017 року. Працював тренером-розробником у CyberBionic Systematics (2017–2018) і тренером-консультантом з Python в IT Education Academy (2018–2019). З квітня 2019 року — тренер-консультант з Python у Web Academy.
Має досвід комерційної розробки: працював Full Stack Developer у The Moon Digital Agency (2018–2019) та Middle Python Developer у GoFriends (2019–2020). У роботі використовує Celery та архітектурний патерн MVC.
платити помісячно

17 000 грн/міс.
при розтермінуванні вартість курсу 51 000 грн
оплатити за весь курс
зі знижкою

17 000 грн/міс.
при оплаті одним платежем вартість курсу 51 000 грн
платити помісячно

17 000 грн/міс.
при розтермінуванні вартість курсу 51 000 грн
оплатити за весь курс
зі знижкою

17 000 грн/міс.
при оплаті одним платежем вартість курсу 51 000 грн
*Згідно з результатами дослідження Projector.
У дослідженні взяли участь 567 респондентів
серед випускників курсів 2022 року.
маєте запитання?
підготували відповіді
- я ніколи не писав код. чи впораюся?
- навіщо вчити Python і JavaScript, якщо код за мене пише AI?
- чим курс відрізняється від самостійного вайбкодингу в Lovable чи Cursor?
- я вже вайбкоджу в Cursor. чи буде мені корисно?
- чи стану я розробником після курсу?
реєстрація.
перший крок за вами

Хочете спитати ще щось? Пишіть на hello@prjctr.com або телефонуйте за номером +38 067 418-95-78.
Освітні послуги надаються шляхом доступу до публічних освітніх ресурсів у мережі Інтернет, у тому числі до віртуальних класів та освітньої платформи. Курс належить до послуг з навчання комп'ютерній грамоті у розумінні п. 197.1.33 ПКУ.
перший крок за вами












