Нейросети с нуля — два пути и реальные сроки

«Нейросети с нуля» — фраза, которая означает совсем разное у разных людей. Один хочет освоить ChatGPT и применять его в работе. Другой хочет понимать, как устроен трансформер, и писать собственные модели на Python. Это два разных пути, с разными сроками, ресурсами и итогом. Перепутать их — главная причина того, что обучение бросают через две недели. Статья делит «с нуля» на два сценария и даёт по каждому пошаговый план.

Почему «с нуля» в 2026 — это два разных решения

Раньше «учить нейросети» означало одно: курс машинного обучения, Python, математика, годы практики. В 2026 «нейросети с нуля» чаще означает другое — научиться применять готовые модели в работе без программирования. Запросы работодателей разделились так же: в одних вакансиях ждут навыка работы с ChatGPT, GigaChat, Midjourney на уровне уверенного пользователя — маркетологов, копирайтеров, аналитиков, методистов. В других — Python, PyTorch, опыт дообучения моделей. Это две специализации, не уровни одной.

Первый шаг — не «выбрать курс», а решить, какой путь ваш. Дальше всё определяется этим выбором: ресурсы, сроки, бюджет, итог. Курсы, которые обещают и то и другое одновременно, обычно дают поверхностный обзор обоих без серьёзного навыка ни в одном.

Что такое нейросеть простыми словами

Без математики: нейросеть — программа, которая училась на огромном количестве примеров и теперь умеет повторять похожее на новых данных. Языковая модель прочитала миллиарды текстов и продолжает любой текст так, как продолжают люди. Нейросеть не «думает» в человеческом смысле и не «знает» факты — она восстанавливает наиболее вероятный ответ. Отсюда её сильные стороны (переписать, структурировать, перевести, объяснить), слабые (точные факты, которых не было в обучении) и зависимость от формулировки запроса.

Базовые понятия — короткий словарь

Модель — конкретная нейросеть со своим характером и ограничениями (GPT-5, Claude 4.5, GigaChat Pro, Шедеврум — это разные модели). Промпт — то, что вы пишете модели; от его качества результат зависит больше всего. Контекст — всё, что модель «видит» одновременно: промпт, прикреплённые документы, предыдущие сообщения; ограничен от 8 тысяч до 1 миллиона токенов. Токен — кусочек текста размером в слово или его часть; русский занимает в 2-3 раза больше токенов, чем такой же английский, и платные модели считают деньги именно за токены. Системный промпт — отдельная инструкция «кто ты и как себя ведёшь», через которую делают ИИ-ассистентов. Галлюцинация — ситуация, когда модель уверенно сочиняет несуществующий факт; не баг, а особенность работы, обходится проверкой источников.

Типы нейросетей — что бывает и зачем

Чат-модели — самые известные, но не единственные. В 2026 году новичок встречает минимум пять семейств. Текстовые (LLM) — ChatGPT, Claude, Gemini, GigaChat, YandexGPT, DeepSeek: универсальный инструмент для переписать, объяснить, перевести, придумать, проанализировать таблицу, написать черновик кода. Генераторы изображений — Midjourney, Stable Diffusion, Шедеврум, Kandinsky, FLUX: картинка по описанию для дизайна, маркетинга, блога, презентаций. Генераторы видео — Sora, Veo 3, Kling, Runway: короткие ролики 5-20 секунд для рекламы, обучающих видео, превью. Голосовые — ElevenLabs, SaluteSpeech, Yandex SpeechKit: расшифровка, синтез, клонирование голоса, перевод видео с заменой губ. Музыкальные — Suno, Udio, Mubert: фоновый трек или песня по описанию для подкастов и рекламы.

Отдельно — узкоспециализированные сервисы: Perplexity для поиска со ссылками, Cursor и Claude Code для помощи в программировании, NotebookLM для работы с большими PDF. Новичку не нужно осваивать всё сразу: выбрать один текстовый чат как ежедневный инструмент, добавить один генератор картинок под рабочую задачу, остальное — по мере необходимости.

Что значит «нейросети с нуля» — два смысла

Путь A — без программирования. Использовать готовые нейросети как инструмент: ChatGPT, GigaChat, Midjourney, Шедеврум, no-code платформы. Промпт-инжиниринг, автоматизации, генерация контента. Подходит маркетологам, копирайтерам, учителям, дизайнерам, менеджерам, юристам — любой профессии с рутиной по тексту, поиску, документам.

Путь B — с программированием. Понимать, как нейросети устроены изнутри, и уметь их строить или дообучать. Python, математика, машинное обучение, deep learning, трансформеры, LLM. Путь будущего ML-инженера. Подходит тем, кто хочет менять профессию или уже работает в IT и докручивает специализацию.

Между ними — пропасть по времени, требованиям и итогу:

Параметр	Путь A (пользователь)	Путь B (разработчик)
Программирование	не нужно	нужно (Python)
Математика	не нужна	нужна
Срок до первой пользы	1-4 недели	6-12 месяцев
Срок до уровня junior	не применимо	1.5-3 года
Бюджет	0	0-100к ₽ на курсы

Если вы не уверены, какой путь ваш — почти наверняка путь A. Путь B имеет смысл, только если уже есть техническое мышление и желание копать в код и математику годами.

Путь A: ИИ для не-программиста

Цель — за 1-2 месяца уметь решать рабочие задачи через нейросети. Без кода.

Этап 1: первый контакт с чат-моделью (1-3 дня)

Открыть одну из бесплатных русскоязычных моделей — GigaChat, Алису AI или DeepSeek, наговорить 30-50 запросов на реальных делах: письмо, объяснение термина, конспект статьи. К концу этапа уходит страх пустого поля. Базовый разбор — в материале обучение нейросетям.

Этап 2: промпт-инжиниринг (1-2 недели)

Освоить формулу «роль + контекст + задача + формат + ограничения», научиться итерациям, понять разницу между моделями. На этом этапе появляется первая измеримая отдача: задача на час собирается за 5-10 минут. Ресурсы: Anthropic Prompt Engineering Course, модули Karpov.Courses «Нейросети для работы и жизни», вводный курс Нетологии. Подробнее про профессию — как стать промпт-инженером.

План на первую неделю — день за днём

Недельный план для нулевого старта по 30-40 минут в день. День 1 — зарегистрироваться в GigaChat или DeepSeek, задать 10 вопросов из текущей работы. День 2 — решить одну реальную задачу: письмо, план встречи, выжимка статьи. День 3 — переписать вчерашние промпты в формате «ты — опытный X. Контекст: Y. Задача: Z. Формат: список из 5 пунктов». День 4 — попробовать второй чат (ChatGPT или Claude), задать те же вопросы и сравнить. День 5 — прикрепить PDF и попросить выжимку, термины, спорные места. День 6 — открыть генератор картинок (Шедеврум, Kandinsky или Midjourney), сделать 10 картинок на одну тему, меняя одно слово. День 7 — честно ответить, какие 1-2 задачи нейросеть уже закрывает быстрее, чем вы сами. К концу недели появляется первая привычка: при новой задаче рука сама открывает чат, как раньше открывала поисковик.

Что освоить за первый месяц

Месяц по часу в день — рабочий уровень для не-программиста. Цели: формула промпта «роль + контекст + задача + формат + ограничения» применяется не задумываясь; один основной чат-инструмент и понимание, чем он отличается от двух других; работа с PDF, таблицами и длинными текстами; личная библиотека из 20-30 рабочих промптов; один генератор картинок под одну задачу; понимание, где модель ошибается. К концу месяца у большинства уже видна экономия времени: одна-две регулярные задачи закрываются заметно быстрее.

Профессиональный уровень за 3 месяца

Три месяца практики на Пути A — уверенный рабочий уровень: 3-5 моделей под разные сценарии (чат для текстов, отдельная для кода, отдельная для картинок, отдельная для голоса), свой набор системных промптов под повторяющиеся роли, работа со сложным контекстом и длинными документами, базовое понимание no-code сборок (Make, n8n, Albato), умение объяснить коллеге, какую задачу куда нести и где ИИ не поможет. Граница профессионального уровня — не в количестве инструментов, а в способности взять рабочую задачу и сразу разложить её на шаги «что делает модель, что делаю я, как проверяем».

Этап 3: специализация под задачу (2-4 недели)

Выбрать одну рабочую задачу и довести её до автоматизма. Варианты: тексты и контент (копирайтинг, рерайт, рассылки), изображения, документы (анализ PDF, конспекты, перевод), код для не-программиста (формулы Excel, скрипты Google Apps), no-code сборка (Make, n8n, Albato), голос и видео. К концу этапа вы уже не учитесь, а экономите время в работе. Подробнее по профессиям — нейросети для работы.

Итог Пути A

За 1-2 месяца по 30-60 минут в день получается рабочий навык, который сразу применяется. Это не «новая профессия», а докрутка текущей. Дальше — промпт-инженер, ИИ-маркетолог, ИИ-методист, no-code автоматизатор: ИИ-профессии без программирования.

Лучшие инструменты для старта новичку

Не нужно открывать сразу все 30 нейросетей из подборок. Из чатов с бесплатным доступом из России без обходов: GigaChat от Сбера (вход через Сбер-ID, дневная квота, хорошо знает русский), YandexGPT через Алису, DeepSeek (сильна на коде и логике). Из чатов мирового уровня — ChatGPT (есть бесплатная версия), Claude (длинные тексты и программирование), Gemini (базовая версия бесплатна). Для картинок: Шедеврум (бесплатно, мобильное приложение), Kandinsky (бесплатно, готовые стили), Midjourney (лучшее качество, платный).

Правило старта: один основной чат (GigaChat или DeepSeek), один генератор картинок (Шедеврум для скорости, Midjourney для качества), одно облачное место для заметок и сохранения промптов — Google Docs или Notion. Распыляться на десяток инструментов сразу — ошибка номер один, после которой обучение чаще всего бросают.

Базовый промпт — структура, которая работает

Один и тот же запрос можно задать плохо и получить мусор, а можно хорошо и получить готовый текст. Базовая формула из 5 частей: роль («ты — опытный методист онлайн-школы»), контекст («курс для родителей дошкольников, тон тёплый, тема — детский сон»), задача («сформулируй 5 заголовков для письма-приглашения» — глагол плюс конкретный объект, а не «помоги с письмом»), формат («список из 5 пунктов, каждый не длиннее 80 символов, без эмодзи»), ограничения («без вопросительных заголовков; без слов “уникальный” и “эксклюзивный”; только русский»). Контрольный пример: «Напиши пост для VK» — плохой промпт. «Ты — SMM-редактор школы рисования для взрослых. Контекст: воскресный марафон по портрету, аудитория 30-45 лет, опыта почти нет. Задача: пост-приглашение 600-800 знаков. Формат: 3 абзаца плюс призыв. Ограничения: без слов “уникальный” и “эксклюзивный”, простым языком» — хороший. Второй чаще даёт пригодный текст с первой попытки.

Сценарии применения — где ИИ реально окупается

Учёба — конспект главы, объяснение термина «как для пятиклассника», перевод статьи. Работа — письма клиентам, протоколы встреч из аудио, отчёты, презентации, выжимки из длинных документов, формулы в таблицах. Контент — идеи для постов, рерайт, заголовки, расшифровка подкастов, описания товаров, обложки. Личные задачи — план тренировок, разбор блюда по фото, перевод медицинских терминов из анализов (перевод, не диагноз). Творчество — тексты песен, концепты картин, сказки для детей; не «вместо вас», а как партнёр по брейншторму.

Кейсы старта — как «попробовал ИИ» переросло в результат

Сценарии типичные, имена обобщённые. Учитель английского. Преподавательница на пенсии освоила ChatGPT и Шедеврум за полтора месяца, начала делать иллюстрированные карточки под уровень ученика — через несколько месяцев перешла на ставку методиста онлайн-школы. Юрист небольшой компании. Корпоративный юрист научился прогонять договоры через Claude с длинным контекстом: первичный аудит контракта, который занимал день, стал занимать час; «экспресс-аудит договора» стал отдельной строкой в прайсе. Студент-историк. Использовал ИИ как помощника для разбора англоязычных источников и проверки структуры глав; сам писал текст, модель переводила цитаты и проверяла логику. Защита на отлично, текст полностью оригинальный.

Безопасность — что нельзя класть в нейросеть

Все публичные нейросети — сторонние сервисы, которые в большинстве случаев логируют запросы. Не повод бояться, но повод знать границы. Никогда не отправляйте в публичный чат персональные данные клиентов и сотрудников (ФИО, паспорта, телефоны, адреса), внутренние документы под NDA (договоры с реальными названиями, финансовую отчётность, исходный код), медицинские данные с привязкой к человеку, пароли и ключи API.

Безопасные приёмы: анонимизировать перед отправкой (ФИО → «клиент А», суммы → диапазоны), использовать корпоративные тарифы (ChatGPT Enterprise, Claude for Work, GigaChat для бизнеса), для самого чувствительного — локальные модели через Ollama или LM Studio. Перед Send полезно спросить себя: «Если этот текст завтра попадёт в поисковую выдачу — какие претензии мне предъявят?». Если ответ серьёзный — переформулируйте.

152-ФЗ и нейросети — что важно новичку

В России обработку персональных данных регулирует 152-ФЗ. Для частного использования нейросетей это редко становится проблемой, но если работаете с чужими данными в бизнесе — три ограничения. Согласие на обработку: передавать данные клиентов в иностранные сервисы (ChatGPT, Claude, Gemini) без явного согласия и оговорок в политике — нарушение; для GigaChat и YandexGPT проще, но согласие всё равно нужно. Локализация: первичная запись данных российских граждан должна происходить в базах на территории России, что бьёт по сценарию «загружу всю CRM в облачный ИИ-ассистент». Ответственность: при утечке вы выступаете оператором, передавшим данные без оснований; штрафы 2026 года существенные, для крупных нарушений добавили оборотную ответственность.

Пока работаете с собственными текстами и идеями — 152-ФЗ к вам не имеет отношения. Как только взялись за чужие данные — согласуйте подход с юристом или ответственным за защиту данных в компании.

Распространённые ошибки новичка

Эти грабли повторяются почти у всех в первые 2-3 недели. Промпт в одно слово («Письмо», «Идея») — модель выдаёт средний по больнице ответ, потому что ей не от чего отталкиваться. Длинный промпт без структуры — стена текста с историями из жизни, модель «теряется» и игнорирует половину инструкций; лекарство — явная структура «роль, контекст, задача, формат». Запрос без контекста — «напиши пост»: какой, куда, для кого; модель угадывает и промахивается.

Копипаст результата без правки — тексты с фразами «как искусственный интеллект, я с удовольствием помогу» и сухие списки видно мгновенно; правило — после ИИ всегда проходит человек и переписывает под свой голос. Доверие к фактам без проверки — цифры, даты, имена, цитаты, ссылки модель может уверенно сочинить, любой факт перепроверяется через поиск или официальный источник. Распыление по 20 нейросетям — хочется всё сразу, получается поверхностное знакомство и рабочий навык ни в одной. Учёба ради учёбы — курсы, статьи, видео, а рабочие задачи в чат так и не попадают; навык растёт только на собственной практике. Ожидание результата с первой попытки — хороший ответ обычно появляется не с первого, а с третьего-четвёртого промпта; итерации — норма.

Путь B: будущий ML-разработчик

Цель — уметь самостоятельно проектировать, обучать и дообучать нейросети. Это полноценная инженерная специальность, путь занимает 1.5-3 года при системной работе.

Этап 1: Python (2-4 месяца)

Уровень, когда свободно идут функции, классы, исключения, базовые структуры данных. Написать 30-50 небольших задач. Ресурсы: Stepik «Поколение Python», CS50P от Гарварда.

Этап 2: математика для ML (2-4 месяца, параллельно)

Линейная алгебра, матанализ, теория вероятностей и статистика на уровне понимания оптимизации функции потерь. Ресурсы: Stepik «Математика для Data Science» от Karpov.Courses, 3Blue1Brown на YouTube, аудит «Mathematics for Machine Learning» от Imperial College.

Этап 3: классическое ML (3-4 месяца)

Регрессии, деревья, бустинги, метрики, переобучение, валидация, feature engineering. Ресурсы: ODS mlcourse.ai, бесплатные модули Karpov.Courses Start ML.

Этап 4: Deep Learning (3-4 месяца)

Персептрон, обратное распространение, свёрточные сети, рекуррентные, GAN. PyTorch, GPU, Kaggle, Colab. Ресурсы: «Deep Learning Specialization» от Andrew Ng, ШАД Deep Learning School, Fast.ai.

Этап 5: трансформеры и LLM (2-3 месяца)

Трансформер, механизм внимания, BERT, GPT, дообучение LLM, RAG, файнтюнинг через LoRA. Ресурсы: курсы deeplearning.ai по LLM, Hugging Face NLP Course, Stanford CS224N, книга «Build a Large Language Model From Scratch» Себастьяна Рашки.

Итог Пути B

К концу первого года — понимание классики, базовый Deep Learning, портфолио из 3-5 проектов на GitHub. Junior-позиция реальна через 1.5-2 года, middle — через 3-4 года. Промежуточный сценарий: остаться в своей IT-профессии (бэкенд, аналитик, продукт), добавив работу с LLM и интеграцию моделей в продукт. Этот вариант короче полного переключения на ML и востребован не меньше.

Бесплатные русскоязычные ресурсы — короткий список

Stepik — десятки курсов по Python, ML, нейросетям; качество разное, нужно отбирать. Karpov.Courses — Start ML, «Нейросети для работы и жизни», часть модулей бесплатно. Яндекс Практикум — вводные «Нейросеть Алиса», открытые уроки. ШАД — Deep Learning School, открытые семестровые курсы. Нетология и Хекслет — бесплатные вводные. ODS mlcourse.ai — классика русскоязычного ML. Из англоязычного: Deeplearning.ai (аудит бесплатный), Hugging Face Learn, Fast.ai, CS50P, CS224N, MIT 6.S191 на YouTube. Государственная программа «Цифровые профессии» (Минцифры) частично оплачивает обучение на Нетологии и Яндекс Практикуме для отдельных категорий — актуальный список на госуслугах. Подробная разбивка — бесплатное обучение нейросетям.

Когда платный курс действительно нужен

Бесплатных материалов в 2026 году достаточно для всего Пути A и большей части Пути B. Платный курс окупается, когда добавляет одно из трёх: чужую структуру, проверку заданий с обратной связью, среду с такими же студентами. Если хотя бы двух из трёх нет — программа не стоит денег. Подробно про критерии — как выбрать курс по ИИ.

Реальные сроки — что обещают и что бывает

Курсы обещают «ИИ за выходные», «профессию ML-инженера за 4 месяца», «ИИ-исследователя за полгода». На практике сроки другие.

Цель	Реальный срок при 1 часе в день
Уверенное использование чат-моделей	2-4 недели
Промпт-инжиниринг на рабочем уровне	1-2 месяца
No-code автоматизации с ИИ	2-4 месяца
Python до уверенного уровня	4-6 месяцев
Классическое ML до уровня junior	12-18 месяцев
Deep Learning до самостоятельных проектов	18-24 месяца
Понимание трансформеров и LLM изнутри	24-36 месяцев

Цифры — для системной работы по часу в день без длинных перерывов; на практике срок растягивается в полтора-два раза. Удобнее ориентироваться не на «сколько всего», а на ближайший этап: закрыт он по навыку, а не по календарю.

Что НЕ работает — частые иллюзии

«Стану ИИ-исследователем за месяц» — это уровень PhD плюс годы работы. «Куплю курс за 100 тысяч — и сразу junior» — курс даёт структуру и проверку, но уровень даёт практика. «Учу всё подряд (Python, ML, LLM, агенты, MLOps)» — размазанное внимание не работает, на каждом этапе нужно дойти до уровня, когда тема не пугает. «Сначала наберу 10 сертификатов, потом начну применять» — сертификат сам по себе не работа, лучше один сильный плюс портфолио (см. сертификат по ИИ). «Без видеокарты ничего нельзя» — на Пути A не нужна, на Пути B эксперименты делаются на Google Colab, Kaggle Notebooks, Yandex DataSphere.

Как понять, на каком вы пути

Путь A — если цель применять ИИ в текущей работе, к программированию относитесь нейтрально, нужен результат за недели, и хочется бесплатно. Путь B — если готовы вложить 1.5-3 года в новую профессию, программирование уже было в жизни и не пугает, математика в школе или университете шла нормально. Если не уверены — почти наверняка Путь A. Начать с A и потом перейти на B — нормальный сценарий: после прикладного опыта понимание теории идёт заметно быстрее.

FAQ

С чего начать новичку — самый первый шаг? Зарегистрироваться в одном бесплатном чате (GigaChat, DeepSeek или ChatGPT) и за ближайшие 3 дня задать 30-50 вопросов из вашей реальной работы и жизни. Не курсы, не книги — сразу практика на своих задачах. Курсы имеют смысл после первой недели личного контакта с инструментом, когда уже понятно, что именно вы хотите углубить.

Можно ли выучить нейросети полностью бесплатно? Путь A — да, полностью. Путь B — большая часть тоже бесплатно (Stepik, ODS, Hugging Face, аудит Coursera, лекции на YouTube), платные курсы Karpov.Courses, Яндекс Практикума или ШАДа экономят несколько месяцев за счёт структуры и проверки заданий.

Нужна ли математика, чтобы пользоваться нейросетями? Чтобы пользоваться — нет. Чтобы понимать, как работает обучение и почему модель ошибается определённым образом — да, нужны линейная алгебра, матанализ и статистика на уровне первых курсов вуза.

Сколько часов в день нужно учиться? Реалистично — 1 час в день с практикой. Стабильный час каждый день сильнее, чем 6 часов раз в неделю.

Можно ли учиться нейросетям без английского? На Пути A — можно. На Пути B — нет, придётся подтягивать: документация PyTorch, статьи, лучшие курсы (deeplearning.ai, Fast.ai, Hugging Face) — на английском. Достаточно уровня чтения технических текстов, разговорный не нужен.

Нужно ли поступать в магистратуру по ML? Чтобы стать junior ML-инженером — нет, путь через самообучение рабочий. Чтобы стать ИИ-исследователем или работать в R&D больших компаний — обычно да. ШАД, Сколтех, ИТМО, ВШЭ — основные программы в России.

Какой первый проект собрать в портфолио? Не «классификация ирисов» и не «MNIST» — этого все ожидают. Лучше задача из вашей профессии, решённая через ML: анализ ошибок учеников у учителя, прогноз конверсии у маркетолога, классификация входящих писем у менеджера.

Что делать после курсов, чтобы устроиться? Портфолио из 3-5 живых проектов на GitHub, участие в Kaggle, резюме на главных порталах плюс рассылка в компании напрямую. Первые 10-15 собеседований будут провальными — это часть процесса.

С какого возраста имеет смысл начинать? Возраст не мешает Пути A. На Путь B порог выше: годы самообучения и иногда косые взгляды в junior-вакансиях; это решается портфолио и пет-проектами лучше, чем датой рождения в резюме.

Через сколько времени появляется первый видимый результат? На Пути A — обычно через 2-3 недели регулярной практики. Признак результата: одна конкретная рабочая задача стала занимать заметно меньше времени, чем раньше, и результат стабильно пригодный. Это не «зарплата выросла», но это первая точка, после которой обучение оплачивает себя.

Нужны ли сертификаты в начале? Нет. На Пути A сертификат вообще не обязателен — работодателю важно, что вы экономите его время и закрываете задачи. Сертификаты начинают иметь значение позже, когда выходите на роль ИИ-консультанта, методиста или ML-инженера. И даже там сильное портфолио важнее любого диплома. Подробно — в материале сертификат по ИИ.

Нужно ли покупать платную подписку на ChatGPT или Claude? В первый месяц — не обязательно. Бесплатных квот GigaChat, DeepSeek и базового ChatGPT хватает, чтобы освоить навык. Платная подписка имеет смысл, когда упираетесь в дневной лимит, нужны более длинные контексты или работа с файлами и кодом в больших объёмах. Обычно это месяц-два спустя начала.

Можно ли начать совсем без английского? На Пути A — да, GigaChat, YandexGPT и Шедеврум работают на русском без потери качества. ChatGPT, Claude и Gemini тоже отлично понимают русский. Английский становится нужен, когда заходите в Hugging Face, Fast.ai, западные курсы или хотите читать первоисточники по новым моделям.

Чем отличается «обучение нейросетям» от «обучения нейросетей»? Разница в одной букве — и в этом весь источник путаницы у новичков. «Обучение нейросетям» (дательный падеж) — вы учитесь применять готовые модели, это Путь A. «Обучение нейросетей» (родительный падеж) — вы обучаете модель сами, это Путь B. Если открываете курс — проверяйте по программе, какой из двух вариантов вам предлагают.

Дальше

Что почитать следующим шагом — зависит от того, какой путь вы выбрали. Если делаете ставку на навык формулировок и хотите понять, как из этого получается отдельная роль — материалы про промпт-инженера и как стать промпт-инженером. Если нужен общий план с курсами и расписанием — раздел обучение нейросетям разбирает форматы и уровни. Перед выбором первой платной программы — материал как выбрать курс по ИИ. Для проверки инструмента без вложений — подборка бесплатного обучения нейросетям с короткими курсами и открытыми материалами. Если цель — менять профессию или докрутить текущую без кода — ИИ-профессии без программирования с конкретными ролями и зарплатами рынка 2026 года.