после создания макета интерфейса каждый раз ждете, пока разработчик перенесет их в рабочий код
Научитесь верстать страницы на HTML и CSS вместе с AI, адаптировать их под мобильные и добавлять интерактив на JavaScript. Сможете вносить точечные правки самостоятельно.

настраиваете интеграции в Zapier или Make, но не понимаете, как они работают «под капотом»
Увидите, как работают API, запросы и ответы в формате JSON. Научитесь подключать сторонние сервисы с AI и безопасно хранить ключи доступа.

ведете проекты в IT , но не всегда понимаете технические ограничения и оценки команды
Поймете, как устроены frontend, backend и база данных. Научитесь писать требования с acceptance criteria, читать pull request и обсуждать с разработчиками риски изменений.

ведете таблицы и хотите превратить их в удобный веб-инструмент для команды
Разберетесь, как устроены базы данных и связи между таблицами. Вместе с AI создадите веб-приложение, где данные можно добавлять, редактировать и просматривать через формы.

уже собираете прототипы в Lovable или Cursor, но теряетесь, когда код от AI ломается
Разберетесь, как находить причину ошибки, прежде чем просить AI ее исправить. Будете покрывать код тестами, откатывать неудачные изменения в Git и настроите Debugging Agent.


с направлением
- познакомимся с группой и определим цели обучения
- разберем, что такое вайбкодинг, где AI ускоряет разработку и где создает риски
- пройдем полный цикл продукта: идея → требования → план → код → проверка → деплой → поддержка
- определим роль человека в разработке с AI: постановка задачи, контроль контекста, проверка результата
- разберемся с моделями, контекстом, Plan Mode, Rules, Skills и Agents в ChatGPT и Cursor
- научимся декомпозировать большие задачи и формулировать требования
- создадим PRD, roadmap и implementation plan
- сравним запрос «сделай мне приложение» с управляемым процессом, где AI пишет код после согласования плана
- разберем переменные, базовые типы данных, операторы, ввод и вывод
- научимся просить AI объяснять код и прогнозировать результат до запуска
- создадим первый репозиторий на GitHub: init, status, add, commit, push
- начнем фиксировать рабочие изменения небольшими коммитами
- разберем условия, циклы, функции, аргументы и область видимости
- научимся описывать алгоритм словами, прежде чем просить AI о реализации
- будем проверять предложенный AI код шаг за шагом
- добавим git diff и git log, научимся писать понятные commit messages
- поработаем со списками, словарями, множествами и кортежами
- разобьем программу на модули и файлы, познакомимся с основами классов
- научимся читать traceback и вместе с AI выяснять причину ошибки до ее исправления
- добавим .gitignore, git restore и просмотр изменений перед коммитом
- разберем структуру веб-страницы и семантические теги
- поработаем с селекторами, box model, Flexbox, Grid и адаптивной версткой
- сгенерируем с AI черновик интерфейса по собственным требованиям и доработаем его вручную
- научимся формулировать точечные правки вместо полной перегенерации
- продолжим с Git: pull, проверка diff перед коммитом, регулярный push
- разберем переменные, типы данных, условия, циклы, функции, массивы и объекты
- сравним решение одинаковых задач в Python и JavaScript
- используем AI, чтобы объяснить различия синтаксиса
- создадим первую feature-ветку и разберем, зачем изолировать изменения
- разберем DOM, querySelector и обработку событий click, input, submit
- добавим работу с формами, базовую валидацию и изменение HTML и CSS через JavaScript
- познакомимся с fetch
- сделаем merge feature-ветки и разрешим простой merge conflict
- разберем клиент-серверную архитектуру, HTTP-методы, статус-коды, headers и JSON
- просмотрим реальные запросы и ответы в Browser DevTools используем AI для объяснения запросов и ответов
- практика: объяснение сетевого взаимодействия приложения своими словами
- разберем структуру Django-проекта: settings, URLs, views, templates и MTV
- сформируем с AI implementation plan перед генерацией кода
- пройдем путь HTTP-запроса через Django
- будем делать каждую backend-функцию в отдельной feature-ветке
- разберем таблицы, primary key, foreign key и связи между данными
- поработаем с моделями, миграциями, ORM, CRUD и Django Admin
- превратим бизнес-требования в модель данных с AI и проверим сущности и связи
- научимся читать diff миграций и не коммитить лишние изменения
- разберем Django templates, forms, POST-запросы, валидацию и CSRF
- будем создавать и редактировать данные через интерфейс
- реализуем форму с AI поэтапно: требования, валидация на backend, шаблон, UX-улучшения
- поработаем с rebase в feature-ветке
- разберем authentication и authorization, сессии, cookies и защищенные страницы
- реализуем регистрацию, вход и выход пользователей
- разобьем функцию на этапы: требование → анализ → компоненты → план → реализация → проверка
- разделим реализацию на несколько логических коммитов
- разберем endpoints, параметры, headers и API-ключи
- подключим сторонний сервис, например телеграм-бота
- настроим обработку ошибок, переменные окружения и .env
- используем AI для чтения API-документации и объяснения ошибок интеграции
- разберем, почему .env нельзя коммитить
- пройдем процесс: требование → анализ кода → оценка влияния → план → задачи → код → самопроверка
- научимся давать AI анализировать существующие компоненты и зависимости перед генерацией
- используем fetch, pull и rebase, чтобы актуализировать ветку перед merge
- соберем MVP: frontend, backend, база данных, авторизация и API
- разберем production-среду, хостинг, миграции, статические файлы и HTTPS
- сформируем с AI чек-лист деплоя и проанализируем ошибки опубликуем приложение с GitHub
- создадим отдельных агентов Architect, Developer и Reviewer
- настроим Rules, Skills, Agents и Subagents, входные и выходные данные каждого агента
- построим процесс: Architect анализирует задачу, Developer реализует план, Reviewer проверяет изменения и риски
- будем использовать отдельную Git-ветку для каждой задачи
- проработаем требования и acceptance criteria для большой задачи
- проанализируем код, зависимости и влияние изменений
- реализуем функцию, сохраняя существующую архитектуру
- подготовим чистую историю изменений и разрешим конфликты перед code review
- разберем тест-кейсы: happy path, негативные и граничные случаи, регрессию
- напишем unit- и integration-тесты в Django tests и pytest
- сгенерируем с AI черновики тестов и проверим, действительно ли они проверяют требования
- настроим правило: merge только после успешного запуска тестов
- разберем разницу между error и bug, шаги воспроизведения, stack trace и логи
- научимся передавать AI факты о проблеме и получать гипотезы
- будем согласовывать план до внесения изменений в код
- будем искать регрессии через git log, diff и сравнение коммитов
- настроим Debugging Agent с четкими правилами работы
- зададим агенту требование анализировать проблему до изменений и ссылаться на конкретные файлы
- разберем hotfix-ветки
- научимся откатывать неудачные изменения через revert
- разберем pull request, diff, review comments, approval и merge strategy
- подготовим с AI Reviewer описание PR: что изменено, зачем, какие компоненты затронуты, какие риски и что тестировать
- сравним merge и rebase в командной работе
- разрешим базовые merge conflicts
- разберем путь изменения от коммита до production: CI/CD, автоматические тесты, PR checks
- поработаем со средами development, staging и production и secrets
- разберем логи, мониторинг, бэкапы и rollback
- создадим pipeline с AI и научимся анализировать production-логи
- закрепим tags, releases, revert и hotfix workflow
- финальная Q&A-сессия
- защита проекта: problem statement, архитектура, ключевая функция, Git-история, AI workflow
- демонстрация тестов, подхода к дебагу, pull request и production-деплоя
- оценка умения объяснить решение, проверить результат AI и безопасно изменять продукт
кураторы
они будут рядом

Python developer в GeeksForLess Inc.
Антон преподает Python с 2017 года. Работал тренером-разработчиком в CyberBionic Systematics (2017–2018) и тренером-консультантом по Python в IT Education Academy (2018–2019). С апреля 2019 года — тренер-консультант по Python в Web Academy.
Имеет опыт коммерческой разработки: работал Full Stack Developer в The Moon Digital Agency (2018–2019) и Middle Python Developer в GoFriends (2019–2020). В работе использует Celery и архитектурный паттерн MVC.
платить помесячно

17 000 грн/мес.
при рассрочке цена курса 51 000 грн
оплатить за весь курс
со скидкой

17 000 грн/мес.
при оплате одним платежом цена курса 51 000 грн
платить помесячно

17 000 грн/мес.
при рассрочке цена курса 51 000 грн
оплатить за весь курс
со скидкой

17 000 грн/мес.
при оплате одним платежом цена курса 51 000 грн
*Согласно результатам исследования Projector.
В исследовании учавствовали 567 респондетнов
среди выпускников курсов в 2022.
есть вопросы?
подготовили ответы
- я никогда не писал код. справлюсь ли?
- зачем учить Python и JavaScript, если код за меня пишет AI?
- чем курс отличается от самостоятельного вайбкодинга в Lovable или Cursor?
- я уже вайбкожу в Cursor. будет ли мне полезно?
- стану ли я разработчиком после курса?
регистрация.
первый шаг за вами

Хотите спростить еще что-то? Пишите на hello@prjctr.com или звоните по номеру +38 067 418-95-78.
Образовательные услуги предоставляются путём доступа к публичным образовательным ресурсам в сети Интернет, в том числе к виртуальным классам и образовательной платформе. Курс относится к услугам обучения компьютерной грамотности в понимании п. 197.1.33 НКУ.
первый шаг за вами












