• создаёт программы для учебных и практических задач;
• применяет ветвления и циклы;
• обрабатывает строки: конкатенация, извлечение символов, строковые методы.

• читает сообщения об ошибках, находит и исправляет синтаксические и логические ошибки;
• пишет чистый код: осмысленные имена, комментарии, рефакторинг.

• разрабатывает консольные приложения с вводом и выводом данных;
• применяет модуль random для игр и симуляций;
• ведёт проект от идеи до готового продукта и публичной защиты.

• работает в облачной среде разработки и на образовательной платформе;
• использует ИИ как помощника программиста, проверяет сгенерированный код, соблюдает этику и авторское право;
• выполняет задания ОГЭ по информатике № 6 и № 16.

• разрабатывает программы с использованием функций и модулей;
• применяет функции высшего порядка для обработки коллекций;
• пишет читаемый и поддерживаемый код, проектирует архитектуру простых программ.

• обрабатывает данные из файлов CSV и JSON;
• создаёт собственные итераторы и генераторы;
• обрабатывает исключения и защищает программу от некорректных данных;
• работает с большими объёмами данных без избыточного расхода памяти.

• бинарный поиск, два указателя, жадные алгоритмы, префиксные суммы;
• динамическое программирование;
• выполняет задания повышенной сложности в формате ОГЭ по информатике.

• использует ИИ как инструмент программиста: генерация тестов, анализ и исправление кода;
• разрабатывает и защищает итоговый проект с применением изученных алгоритмов.

• создаёт программы для учебных и практических задач;
• применяет ветвления и циклы;
• обрабатывает строки: конкатенация, извлечение символов, строковые методы.

• отлаживает программы, исправляет синтаксические и логические ошибки;
• пишет чистый код: осмысленные имена, комментарии, рефакторинг.

• разрабатывает консольные приложения с вводом и выводом данных;
• применяет модуль random для игр и симуляций;
• ведёт проект от идеи до готового продукта и публичной защиты.

• работает в облачной среде разработки и на образовательной платформе;
• использует ИИ как помощника программиста и проверяет сгенерированный код;
• выполняет задания ЕГЭ по информатике № 2, № 14 и № 25.

• разрабатывает программы с использованием функций и модулей;
• применяет функции высшего порядка для обработки коллекций;
• проектирует архитектуру сложных программных продуктов.

• обрабатывает большие объёмы данных из файлов CSV и JSON;
• создаёт собственные итераторы и генераторы;
• обрабатывает исключения и защищает программу от некорректных данных.

• бинарный поиск по ответу, два указателя, жадные алгоритмы, префиксные суммы;
• динамическое программирование с восстановлением ответа, задача о рюкзаке;
• разрабатывает алгоритмы с обоснованием их оптимальности.

• применяет ИИ-инструменты для анализа, тестирования и оптимизации кода;
• выполняет задания ЕГЭ по информатике № 8, № 16, № 17 и олимпиадные задачи;
• разрабатывает и защищает итоговый проект.

• создаёт программы для расчёта зарплаты, учёта заказов, формирования отчётности;
• реализует бизнес-логику через условия и циклы;
• обрабатывает текстовые данные строковыми методами.

• отлаживает программы, исправляет синтаксические и логические ошибки;
• пишет чистый код: осмысленные имена, комментарии, рефакторинг.

• разрабатывает консольные приложения с вводом и выводом данных;
• применяет модуль random для симуляций и генерации тестовых данных;
• ведёт проект от идеи до готового продукта и публичной защиты.

• работает в облачной среде разработки и на образовательной платформе;
• использует ИИ как помощника программиста и проверяет сгенерированный код;
• выполняет профессиональные кейс-задачи от ИТ-компаний.

• создаёт модульные масштабируемые приложения;
• применяет функции высшего порядка для обработки коллекций;
• проектирует архитектуру программных продуктов.

• обрабатывает большие объёмы данных из файлов CSV и JSON;
• выполняет интеграцию с внешними системами через файловый обмен;
• обрабатывает исключения и защищает программу от некорректных данных.

• применяет бинарный поиск по ответу, префиксные суммы, жадные алгоритмы;
• решает задачи динамического программирования с восстановлением ответа;
• разрабатывает алгоритмы для логистики, распределения ресурсов и прогнозирования.

• применяет ИИ-инструменты для анализа, тестирования и оптимизации кода;
• решает комплексные профессиональные кейс-задачи;
• разрабатывает и защищает итоговый проект.

• составляет линейные, разветвляющиеся и циклические алгоритмы;
• разрабатывает, тестирует и отлаживает простые скрипты;
• работает со списками, словарями и функциями.

• читает и фильтрует табличные данные в формате CSV, находит пропуски и ошибки;
• рассчитывает минимум, максимум и среднее значение;
• строит простые графики;
• размечает учебные датасеты.

• оценивает точность работы классификатора;
• интерпретирует простую матрицу ошибок;
• различает задачи классификации, регрессии и кластеризации.

• проектирует учебный ИИ-проект полного цикла;
• оформляет паспорт проекта и презентацию;
• публично защищает результат.

• самостоятельно готовит данные: очистка, признаки, визуализация;
• работает с NumPy и Pandas;
• анализирует распределения, выбросы и корреляции.

• строит и оценивает модели машинного обучения;
• анализирует и интерпретирует результаты и ошибки;
• собирает полный ML-пайплайн.

• формулирует запросы к LLM и получает структурированный результат;
• проверяет качество и достоверность ответа модели;
• проектирует сценарий интеллектуального агента.

• собирает прототип интеллектуального сервиса по шаблону;
• автоматизирует сценарий в no-code/low-code среде;
• публично защищает проект с обоснованием решений.

• самостоятельно разрабатывает, отлаживает и документирует программы;
• работает с Pandas, Matplotlib и Scikit-learn;
• применяет расширенные структуры данных, функции и модули.

• проводит разведочный анализ: пропуски, выбросы, аномалии;
• рассчитывает статистические показатели, строит графики и гистограммы;
• интерпретирует результаты анализа.

• обучает модели классификации и регрессии на реальных датасетах;
• делит выборку на обучающую и тестовую, рассчитывает метрики;
• выявляет признаки переобучения и применяет базовые методы его устранения.

• формулирует задачу учебного ИИ-проекта, разрабатывает паспорт и прототип;
• готовит материалы и публично защищает проект;
• соотносит элементы проекта с задачами ЕГЭ по информатике.

• самостоятельно готовит данные: очистка, признаки, визуализация;
• работает с NumPy и Pandas;
• анализирует распределения, выбросы и корреляции.

• строит и оценивает модели машинного обучения;
• анализирует и интерпретирует результаты и ошибки;
• собирает полный ML-пайплайн.

• формулирует запросы к LLM и получает структурированный результат;
• проверяет качество и достоверность ответа модели;
• проектирует сценарий интеллектуального агента.

• собирает прототип интеллектуального сервиса по шаблону;
• автоматизирует сценарий в no-code/low-code среде;
• публично защищает проект с обоснованием решений.

• пишет, отлаживает и документирует программы;
• работает со структурами данных, функциями и файлами;
• использует библиотеки NumPy и Pandas.

• загружает, исследует и предобрабатывает датасеты: пропуски, дубликаты, выбросы, нормализация;
• строит и интерпретирует графики и диаграммы;
• формулирует выводы по данным.

• обучает и оценивает базовые модели машинного обучения на реальных датасетах;
• делит выборку на обучающую и тестовую;
• выбирает алгоритм под тип задачи и характер данных.

• формулирует задачу проекта, связанную с профессиональной областью;
• реализует прототип и готовит техническую документацию;
• публично защищает результат.

• самостоятельно готовит данные: очистка, признаки, визуализация;
• работает с NumPy и Pandas;
• анализирует распределения, выбросы и корреляции.

• строит и оценивает модели машинного обучения;
• анализирует и интерпретирует результаты и ошибки;
• собирает полный ML-пайплайн.

• формулирует запросы к LLM и получает структурированный результат;
• проверяет качество и достоверность ответа модели;
• проектирует сценарий интеллектуального агента.

• собирает прототип интеллектуального сервиса по шаблону;
• автоматизирует сценарий в no-code/low-code среде;
• публично защищает проект с обоснованием решений.

Основы программирования на Python: работа в облачной среде разработки, создание переменных, ввод и вывод данных, арифметические операции, работа с числами и строками, форматирование вывода, основы отладки. Реализуется проект «Калькулятор зельеварения», закладываются основы подготовки к ОГЭ через задачи на целочисленную арифметику и работу с цифрами числа.

Условные конструкции языка Python: оператор if, ветвления if-else и if-elif-else, логические операторы, цепочки сравнений, вложенные условия, строковые методы, отладка и рефакторинг. Реализуется проект «Текстовый квест», закрепляются элементы содержания ОГЭ.

Циклы for и while, работа со счётчиками и накопителями, обработка цифр числа, вложенные циклы, операторы break и continue, применение ИИ-инструментов для генерации и отладки кода. Реализуется проект «Угадай число».

Создание игровых проектов: генерация случайных событий, разработка мини-игр, применение ИИ-инструментов, создание и защита итогового игрового проекта. Реализуются проекты «Магический шар 8», симуляция броска кубика, «Камень, ножницы, бумага», «Виселица» и итоговый игровой проект. Предусмотрена вариативность образовательной траектории.

Функции как базовый инструмент структурного программирования: определение и вызов, параметры и возвращаемые значения, область видимости, аргументы по умолчанию, произвольное число аргументов. Функции высшего порядка lambda, map, filter, reduce. Декомпозиция задачи, чистый и повторно используемый код.

Работа с текстовыми файлами, форматами CSV и JSON. Обработка исключений: try-except-else-finally, raise, пользовательские исключения. ИИ как инструмент генерации тестов, статистического анализа и проверки кода. Безопасная работа с внешними данными.

Итераторы: iter, next, StopIteration, класс-итератор. Генераторы и yield, генераторные выражения и ленивые вычисления, модуль itertools. ИИ для генерации и отладки кода с итераторами. Обработка больших данных без избыточного потребления памяти.

O-нотация, бинарный поиск и бинарный поиск по ответу, метод двух указателей, жадные алгоритмы, префиксные суммы, динамическое программирование на последовательностях и матрицах с восстановлением ответа. Итоговый проект, объединяющий изученные алгоритмы.

Основы программирования на Python: работа в облачной среде разработки, создание переменных, ввод и вывод данных, арифметические операции, работа с числами и строками, форматирование вывода, основы отладки. Решаются задачи на алгоритмизацию, реализуется проект «Геометрический калькулятор».

Условные конструкции языка Python: оператор if, ветвления if-else и if-elif-else, логические операторы, цепочки сравнений, вложенные условия, строковые методы, отладка и рефакторинг. Реализуется проект «Текстовый квест».

Циклы for и while, работа со счётчиками и накопителями, обработка цифр числа, вложенные циклы, операторы break и continue, применение ИИ-инструментов для генерации и отладки кода. Реализуется проект «Угадай число».

Создание игровых проектов: генерация случайных событий, разработка мини-игр, применение ИИ-инструментов, создание и защита итогового игрового проекта. Реализуются проекты «Магический шар 8», симуляция броска кубика, «Камень, ножницы, бумага», «Виселица» и итоговый игровой проект. Предусмотрена вариативность образовательной траектории.

Функции как базовый инструмент структурного программирования: определение и вызов, параметры и возвращаемые значения, область видимости, аргументы по умолчанию, произвольное число аргументов. Функции высшего порядка lambda, map, filter, reduce. Декомпозиция задачи, чистый и повторно используемый код.

Работа с текстовыми файлами, форматами CSV и JSON. Обработка исключений: try-except-else-finally, raise, пользовательские исключения. ИИ как инструмент генерации тестов, статистического анализа и проверки кода. Безопасная работа с внешними данными.

Итераторы: iter, next, StopIteration, класс-итератор. Генераторы и yield, генераторные выражения и ленивые вычисления, модуль itertools. ИИ для генерации и отладки кода с итераторами. Обработка больших данных без избыточного потребления памяти.

O-нотация, бинарный поиск и бинарный поиск по ответу, метод двух указателей, жадные алгоритмы, префиксные суммы, динамическое программирование на последовательностях и матрицах с восстановлением ответа. Итоговый проект, объединяющий изученные алгоритмы.

Основы программирования на Python: работа в облачной среде разработки, создание переменных, ввод и вывод данных, арифметические операции, работа с числами и строками, форматирование вывода, основы отладки. Реализуется проект «Химическая формула»; особое внимание уделяется алгоритмическому мышлению через задачи на целочисленную арифметику и работу с цифрами числа.

Условные конструкции языка Python: оператор if, ветвления if-else и if-elif-else, логические операторы, цепочки сравнений, вложенные условия, строковые методы, отладка и рефакторинг. Реализуется проект «Текстовый квест» с разветвлённым сюжетом.

Циклы for и while, работа со счётчиками и накопителями, обработка цифр числа, вложенные циклы, операторы break и continue, применение ИИ-инструментов для генерации и отладки кода. Реализуется проект «Угадай число».

Создание игровых проектов: генерация случайных событий, разработка мини-игр, применение ИИ-инструментов, создание и защита итогового игрового проекта. Реализуются проекты «Магический шар 8», симуляция броска кубика, «Камень, ножницы, бумага», «Виселица» и итоговый игровой проект. Предусмотрена вариативность образовательной траектории.

Функции как базовый инструмент структурного программирования: определение и вызов, параметры и возвращаемые значения, область видимости, аргументы по умолчанию, произвольное число аргументов. Функции высшего порядка lambda, map, filter, reduce. Декомпозиция задачи, чистый и повторно используемый код.

Работа с текстовыми файлами, форматами CSV и JSON. Обработка исключений: try-except-else-finally, raise, пользовательские исключения. ИИ как инструмент генерации тестов, статистического анализа и проверки кода. Безопасная работа с внешними данными.

Итераторы: iter, next, StopIteration, класс-итератор. Генераторы и yield, генераторные выражения и ленивые вычисления, модуль itertools. ИИ для генерации и отладки кода с итераторами. Обработка больших данных без избыточного потребления памяти.

O-нотация, бинарный поиск и бинарный поиск по ответу, метод двух указателей, жадные алгоритмы, префиксные суммы, динамическое программирование на последовательностях и матрицах с восстановлением ответа. Итоговый проект, объединяющий изученные алгоритмы.

Базовые компетенции программирования на Python и работы с данными как фундамент для освоения технологий ИИ: принципы работы ИИ-систем, алгоритмы и программы, табличные данные, качество и разметка данных, работа с CSV, первые показатели и визуализации.

Математическая грамотность, необходимая для понимания принципов работы ИИ-моделей: функции и графики, оптимизация, ошибка модели и её минимизация, вероятность, статистика, распределения и корреляция, принятие решений на основе данных.

Основные типы задач машинного обучения и алгоритмы ИИ с акцентом на понимание принципов и интерпретацию результатов: классификация и её качество, матрица ошибок, регрессия, кластеризация, переобучение, компьютерное зрение и обработка текста, полный цикл ML-проекта.

Интеграция знаний предыдущих модулей в формате учебного проекта: выбор кейса, паспорт проекта, данные и этика, прототип, проверка результата, оформление, презентация и публичная защита.

Работа с данными и их математический анализ в Python: Jupyter Notebook, NumPy и Pandas, полный цикл подготовки данных от загрузки и очистки до визуализации, векторы и расстояния, вероятность и статистика, функция ошибки и оптимизация.

Полный цикл машинного обучения в Scikit-learn: линейная регрессия, kNN, логистическая регрессия, деревья решений, метрики классификации и регрессии, матрица ошибок, переобучение и ансамбли, кластеризация, сравнение моделей.

Генеративный ИИ: токены, контекст, эмбеддинги и attention, работа с LLM API и структурированный результат, мультимодальные модели, распознавание и синтез речи, этика и безопасность, проектирование сценария интеллектуального помощника.

Итоговый проект — учебный ИИ-помощник: архитектура сервиса, паспорт проекта, база знаний, подход RAG, автоматизация сценария в no-code/low-code среде, тестирование, контроль качества и публичная защита.

Базовые компетенции программирования на Python и работы с данными как фундамент для технологий ИИ: принципы работы ИИ-систем, алгоритмы и программы, табличные данные, качество и разметка данных, работа с CSV, показатели и визуализации. Попутно осваиваются элементы содержания ЕГЭ.

Математическая грамотность для понимания работы ИИ-моделей: функции и графики, производная как скорость изменения, оптимизация, ошибка модели и её минимизация, вероятность, математическая статистика, распределения и корреляция.

Практика с типами задач машинного обучения и Scikit-learn: классификация на реальном датасете, оценка качества и матрица ошибок, регрессия, кластеризация, переобучение, работа с изображениями и текстом, полный цикл ML-проекта.

Интеграция навыков в учебный ИИ-проект, ориентированный на элементы ЕГЭ: постановка задачи, паспорт проекта, данные и этика, прототип с алгоритмической частью, проверка результата в формате экзаменационной логики, оформление и защита.

Профессиональная работа с данными и их математический анализ: Jupyter Notebook, NumPy и Pandas, полный цикл подготовки данных от загрузки и очистки до визуализации, векторы и матрицы, вероятность и статистика, функция ошибки.

Полный цикл машинного обучения в Scikit-learn: классификация и регрессия, разделение выборок, метрики качества, матрица ошибок, кластеризация k-means, подбор гиперпараметров и сравнение моделей.

Генеративный ИИ: продвинутый промптинг и LLM API, архитектурные принципы трансформеров (токены, эмбеддинги, attention), мультимодальные модели для текста, изображений и речи, проектирование агентов с маршрутизацией запросов.

Итоговый проект — учебный интеллектуальный сервис, помощник по подготовке к ЕГЭ по информатике: архитектура, база знаний, подход RAG, автоматизация и no-code/low-code, тестирование, контроль качества и публичная защита.

Базовые компетенции программирования на Python и работы с данными в профессиональном контексте: жизненный цикл ИИ-решения, типы данных и структуры, датасет, объект, признак и класс, качество и разметка данных, работа с CSV, базовая статистика и первые визуализации.

Математическая грамотность для понимания принципов работы ИИ-моделей в профессиональной среде: функции и оптимизация, функция ошибки и её минимизация, вероятность и статистика, распределения, корреляция и отбор признаков, принятие решений на основе данных.

Практическое знакомство с типами задач машинного обучения и Scikit-learn применительно к профессиональным сценариям: классификация, регрессия, кластеризация, метрики качества, переобучение, работа с изображениями и текстом, полный цикл ML-проекта.

Прикладной ИИ-проект по профессиональному сценарию: выбор кейса, паспорт проекта и требования к решению, данные и этика (персональные данные, конфиденциальность, достоверность), прототип, тестирование, документация и публичная защита.

Профессиональная работа с данными и их математический анализ: разведочный анализ в Jupyter, очистка, кодирование и нормализация, инжиниринг признаков, выбросы, Matplotlib и Seaborn, векторы и матрицы, вероятность и статистика, функции потерь и градиентный спуск.

Полный цикл машинного обучения для профессиональных задач: kNN, логистическая регрессия, деревья решений и случайный лес, линейные модели с регуляризацией, разделение выборок и кросс-валидация, метрики качества, Pipeline и подбор гиперпараметров.

Генеративный ИИ в профессиональных сценариях: трансформеры и эмбеддинги, продвинутый промптинг и structured output, LLM API в Python и валидация ответа, семантический поиск, мультимодальные модели и речь, архитектура агента с маршрутизацией, этика и политика использования ИИ.

Итоговый проект — профессиональный AI-сервис: архитектура, подход RAG с векторным хранилищем, no-code/low-code автоматизация, интерфейс, документация (требования, карточка датасета, протокол испытаний), тестирование, контроль качества и публичная защита.

• программа-анкета, перевод минут в часы, подсчёт сдачи в магазине;
• составление никнейма и оформление визитки;
• поиск и исправление ошибки в готовом коде.

• проверка возраста для доступа к аттракциону, определение времени суток;
• доступ к секретной комнате по ключу и уровню персонажа;
• задание в формате ОГЭ № 6.

• таблица умножения, факториал, сумма цифр числа, палиндром;
• вывод фигур из звёздочек и шахматной доски;
• задание в формате ОГЭ № 16.

• случайный элемент списка через random.choice;
• генератор паролей трёх уровней сложности;
• исправление логики игры и ошибок в коде, сгенерированном ИИ.

• декомпозиция программы на функции с параметрами и возвратом значения;
• сортировка и фильтрация коллекций через lambda, map, filter, reduce;
• задания в формате ОГЭ № 6, № 10 и № 16.

• чтение и запись файлов через конструкцию with;
• разбор CSV и JSON, запись отчёта в файл;
• обработка ValueError, FileNotFoundError, ZeroDivisionError.

• класс-итератор и функции-генераторы с yield;
• комбинаторика через itertools;
• исправление ИИ-кода: бесконечные генераторы, путаница yield и return.

• бинарный поиск и поиск по ответу;
• два указателя, жадные алгоритмы, префиксные суммы;
• динамическое программирование 1D и 2D с восстановлением ответа.

Ввод данных, расчёт по формуле, вывод результата, таблица тестирования, поиск ошибок, демонстрация и объяснение кода.

Квест на конструкциях if-elif-else: ветвления сюжета, сохранение состояния (здоровье, золото), тестирование всех путей и 2–3 концовок.

Компьютер загадывает число от 1 до 100, подсказки «больше» и «меньше», счётчик попыток, защита от нечислового ввода, уровни сложности, анализ стратегии (бинарный поиск), статистика.

«Магический шар 8» и симуляция броска кубика с гистограммой, «Камень, ножницы, бумага» с расширенной версией и счётом, «Виселица» с маской слова, категориями и ASCII-артом.

• декомпозиция программы на функции с параметрами и возвратом значения;
• сортировка и фильтрация коллекций через lambda, map, filter, reduce;
• задания в формате ОГЭ № 6, № 10 и № 16.

• чтение и запись файлов через конструкцию with;
• разбор CSV и JSON, запись отчёта в файл;
• обработка ValueError, FileNotFoundError, ZeroDivisionError.

• класс-итератор и функции-генераторы с yield;
• комбинаторика через itertools;
• исправление ИИ-кода: бесконечные генераторы, путаница yield и return.

• бинарный поиск и поиск по ответу;
• два указателя, жадные алгоритмы, префиксные суммы;
• динамическое программирование 1D и 2D с восстановлением ответа.

Ввод ингредиентов, расчёт по формуле, вывод результата, тестирование на разных значениях, добавление проверок и предупреждений.

Квест на конструкциях if-elif-else: разветвлённый сюжет, сохранение состояния (здоровье, золото), тестирование всех путей и 2–3 концовок.

Компьютер загадывает число от 1 до 100, подсказки «больше» и «меньше», счётчик попыток, защита от нечислового ввода, уровни сложности, анализ стратегии, статистика.

«Магический шар 8» и симуляция броска кубика с гистограммой, «Камень, ножницы, бумага» с расширенной версией и счётом, «Виселица» с маской слова, категориями и ASCII-артом.

• декомпозиция программы на функции с параметрами и возвратом значения;
• сортировка и фильтрация коллекций через lambda, map, filter, reduce;
• задания в формате ОГЭ № 6, № 10 и № 16.

• чтение и запись файлов через конструкцию with;
• разбор CSV и JSON, запись отчёта в файл;
• обработка ValueError, FileNotFoundError, ZeroDivisionError.

• класс-итератор и функции-генераторы с yield;
• комбинаторика через itertools;
• исправление ИИ-кода: бесконечные генераторы, путаница yield и return.

• бинарный поиск и поиск по ответу;
• два указателя, жадные алгоритмы, префиксные суммы;
• динамическое программирование 1D и 2D с восстановлением ответа.

• мини-анализ данных (Модуль 1);
• математический разбор данных (Модуль 2);
• разбор ИИ-кейса и подготовка мини-пайплайна ML (Модуль 3);
• сбор и проверка данных, тестирование, документация и подготовка к защите (Модуль 4).

• мини-кейс «Математика в работе ИИ-модели» (Модуль 2);
• полный цикл ML-проекта: от данных до оценки качества (Модуль 3);
• создание презентаций и математических диаграмм с помощью ИИ (Модуль 2);
• работа с готовым ИИ-инструментом для изображений (Модуль 3).

• подготовка данных и статистический анализ (Модуль 1);
• регрессионная модель, анализ ошибок классификации, полный ML-пайплайн (Модуль 2);
• схема работы LLM, проверка и безопасность ответов модели (Модуль 3);
• сборка материалов проекта и документация (Модуль 4).

• спецификация мини-агента: цель, аудитория, инструменты, сценарии, ограничения;
• ИИ-кейс с элементами ОГЭ по информатике;
• прототип учебного помощника по шаблону;
• автоматизация сценария в no-code/low-code среде.

• мини-анализ данных (Модуль 1);
• математический разбор данных (Модуль 2);
• разбор ИИ-кейса и подготовка мини-пайплайна ML (Модуль 3);
• данные и алгоритм проекта, тесты и разбор ошибок, пояснение решения и связь с ЕГЭ (Модуль 4).

• мини-кейс «Статистика и ошибка модели на датасете» (Модуль 2);
• классификация изображений на готовом наборе данных (Модуль 3);
• обработка текста как задача ИИ (Модуль 3);
• полный цикл ML-проекта на датасете (Модуль 3).

• подготовка данных и статистический анализ (Модуль 1);
• регрессионная модель, анализ ошибок классификации, полный ML-пайплайн (Модуль 2);
• схема работы LLM, проверка и безопасность ответов модели, спецификация мини-агента (Модуль 3);
• подготовка тестовых учебных запросов и документация проекта (Модуль 4).

• ИИ-кейс с элементами ЕГЭ по информатике: трассировка кода и проверка ответа модели;
• структурированный ответ модели и работа с LLM API в Python;
• прототип ЕГЭ-помощника и автоматизация учебного сценария;
• тестирование помощника и контроль качества результата.