InfoQ раскрыл детали трех онлайн-сертификационных потоков со стартом в ноябре 2026 года: AI Engineering с Adi Polak с 12 ноября в часовом поясе PST, AI Engineering с Lan Chu с 13 ноября в часовом поясе CET и High-Performing Teams с Olimpiu Pop с 17 ноября. Каждая программа сочетает живые сессии с итоговым проектом, а сертификация зависит от участия и успешного выполнения этой работы. Для компаний, внедряющих AI, это предложение ценно тем, что соединяет качество поиска, контроль агентов и командные процессы в одном формате обучения.
Даты ноября, ведущие и программы потоков
Два потока AI Engineering объединены общей темой, но идут по авторским программам ведущих, а не по одинаковому набору упражнений. Polak, автор книги Scaling Machine Learning with Spark и разработчик систем машинного обучения и потоковой обработки в реальном времени, использует материалы QCon по инженерии контекста для сравнения векторного поиска и Graph RAG. В следующих неделях разбираются совместное использование состояния и контекста агентами, а также оркестрация, контроль, шлюзы инференса и оценки готовности к запуску.
Lan Chu, principal engineer с опытом более семи лет в создании промышленных систем данных и машинного обучения, строит поток с 13 ноября вокруг кейса с QCon London. Эта система выполняла поиск по более чем 10 000 документов и обслуживала более 300 человек, что дает участникам конкретный ориентир масштаба. Работа включает разбор решений по поиску и индексации, сравнение векторного поиска с Graph RAG, сопоставление одноагентных и мультиагентных архитектур и выбор проверок готовности к промышленной эксплуатации.
Программа High-Performing Teams затрагивает другое ограничение: ускорение написания кода не всегда сокращает сроки поставки, когда узким местом становятся ревью, согласования, инфраструктурные зависимости или доработки. Поток с 17 ноября под руководством Olimpiu Pop, соведущего InfoQ Podcast с опытом 20 лет в архитектуре, управлении разработкой и технологическом лидерстве, разбирает границы команд, поток поставки и зависимости. В итоговом проекте участники разрабатывают и защищают целевую операционную модель, связывающую обязанности, поток поставки, роли AI и метрики.
Что этот формат дает компаниям, внедряющим AI
Для бизнеса, уже использующего генерацию с дополненным поиском или пилоты с агентами, практическая польза связана с операционной надежностью, а не с выбором модели. Программа AI Engineering рассматривает оценки качества, надежность, стоимость инференса, владение общей инфраструктурой и конвейеры памяти как проектные решения. Небольшие компании получают контрольный список готовности к запуску, а крупные организации — подходы к шлюзам, контролю и проверке результатов при общей инфраструктуре для разных команд.
У формата есть ограничения, которые стоит учесть покупателям обучения. Потоки включают четыре часа живых занятий в неделю плюс до двух часов самостоятельной работы, записи сессий не ведутся, а группы объединяют старших инженеров и архитекторов из других компаний. Отдельные итоговые работы могут рассмотреть для публикации на InfoQ, но публикация не гарантирована. Сама новость не доказывает перенос навыков в работу, поэтому стоит спросить, как фиксируется посещаемость, что считается успешным завершением проекта и насколько пример RAG на 10 000 документов применим к вашим данным.
Признаком результата станет появление после ноября прикладных разборов участников с измененными схемами поиска, контроля агентов или командных метрик. Полные даты и программы размещены на сайте InfoQ Online Certification Programs. Если такие кейсы выйдут, потоки перейдут от обучения к задокументированной практике, которую смогут reuse другие инженерные руководители.
