Стажировка
Образовательная платформа по английскому языку в сфере Data Science / AI
- Расширение языков обучения.
- Выход в B2B-образовательные решения.
- Интеграция в корпоративные LMS.
- Подключение мультимодальных AI-моделей.
- Расширение RAG-подхода к образовательным материалам.
- Развитие мобильных приложений.
- White-label решения для образовательных платформ.
Перспектива развития
Backend: Python, Django, Django REST Framework, FastAPI (API Gateway).
AI / LLM: OpenAI GPT-модели, Whisper (ASR), Wav2Vec2, TTS / eSpeak NG.
Data Layer: PostgreSQL, Redis, Celery.
Архитектура: Microservices, Event-Driven, LLM Gateway, Vector DB Gateway
DevOps: Docker, API-архитектура, логирование и мониторинг.
AI / LLM: OpenAI GPT-модели, Whisper (ASR), Wav2Vec2, TTS / eSpeak NG.
Data Layer: PostgreSQL, Redis, Celery.
Архитектура: Microservices, Event-Driven, LLM Gateway, Vector DB Gateway
DevOps: Docker, API-архитектура, логирование и мониторинг.
Технологический стек
- Спроектирована архитектура единой образовательной AI-экосистемы.
- Реализована микросервисная модель обучения.
- Создан центральный Orchestrator обучения.
- Реализована система персональных образовательных маршрутов.
- Внедрена событийная модель отслеживания прогресса.
- Подготовлена аналитическая модель обучения.
- Реализована защита LLM-взаимодействий через Guard-подход.
- Подготовлена инфраструктура масштабирования платформы.
результаты разработки
- MVP образовательной платформы первого этапа (NeuroTutor / LingvoAI).
- Пользовательские сценарии обучения.
- Технологии обработки речи, текста и диалогов на базе AI.
- Требования к масштабируемой микросервисной архитектуре.
вводные данные
- Повышение вовлечённости студентов в обучение.
- Сокращение времени достижения рабочего уровня английского.
- Персонализация обучения под профиль пользователя.
- Формирование масштабируемой AI-образовательной экосистемы.
Для чего
Создание центрального AI-помощника обучения (Smart Tutor / Orchestrator):
- диагностика уровня языка (A1–C2);
- сбор профессионального профиля пользователя;
- генерация персонального плана обучения;
- управление образовательным маршрутом пользователя.
- единый UserID во всей экосистеме;
- событийная модель обучения;
- централизованное хранение прогресса и активности пользователя.
- дашборд студента (прогресс, активность, навыки, streak);
- административная аналитика (DAU / WAU / MAU, эффективность модулей, ошибки пользователей).
- единый образовательный сценарий;
- адаптивность под мобильные устройства;
- улучшение UX и навигации.
- работа с профессиональными текстами (AI / DS статьи);
- разговорная практика с исправлением ошибок в реальном времени.
- защита от ботов и бюджет-атак;
- защита от prompt-injection атак.
Задачи проекта
Проект направлен на развитие AI-экосистемы обучения английскому языку для студентов технических специальностей с фокусом на Data Science, AI и IT-коммуникации.
Во втором этапе реализуется переход от набора отдельных обучающих модулей к единой интеллектуальной образовательной платформе с централизованной аналитикой, адаптивным обучением и сквозной синхронизацией данных между всеми каналами взаимодействия.
Платформа выступает как интеллектуальная образовательная среда, которая:
— диагностирует уровень и цели пользователя;
— формирует персональный образовательный маршрут;
— сопровождает пользователя на всём пути обучения;
— анализирует прогресс и поведение;
— адаптирует сложность обучения в реальном времени;
— защищает взаимодействие с AI от злоупотреблений и атак.
Во втором этапе реализуется переход от набора отдельных обучающих модулей к единой интеллектуальной образовательной платформе с централизованной аналитикой, адаптивным обучением и сквозной синхронизацией данных между всеми каналами взаимодействия.
Платформа выступает как интеллектуальная образовательная среда, которая:
— диагностирует уровень и цели пользователя;
— формирует персональный образовательный маршрут;
— сопровождает пользователя на всём пути обучения;
— анализирует прогресс и поведение;
— адаптирует сложность обучения в реальном времени;
— защищает взаимодействие с AI от злоупотреблений и атак.
ЦЕЛЬ проекта
Участники
команды проекта
команды проекта
- Кравченко Дмитрий АлександровичТимлид проекта
- Управление архитектурой проекта
- Стратегическое развитие продукта
- Постановка задач
- Взаимодействие с заказчиком
- Координация разработки и методология развития платформы
- Слынько Григорий Ивановичпомощник тимлида
- Разработка Web-платформы (React + FastAPI API Gateway)
- Интеграция ключевых образовательных AI-модулей
- Реализация центрального AI-ассистента обучения
- Реализация административной панели
- Разработка системы скоринга и персональных планов обучения
- Савченко Даниил Сергеевичпомощник тимлида
- Исследование и тестирование моделей распознавания и синтеза речи
- Разработка аналитической платформы обучения (дашборды студентов и администраторов)
- Аникеев Михаил Валерьевичучастник стажировкиАрхитектура микросервисной системы, описание API-спецификаций, разработка концепции Orchestrator, архитектурное сопровождение команды
- Тарасьян Михаил Михайловичучастник стажировкиАрхитектура frontend-платформы, разработка backend API, реализация адаптивного обучения, интеграция админ-панели, внедрение системы безопасности (JWT, RBAC, защита данных)
- Глазунова Надежда Александровнаучастник стажировкиРазработка образовательной логики обучения, CEFR-диагностика, сценарии Diagnostics и Goal Setting, Learning Plan, продуктовая логика поведения AI-репетитора, подготовка презентации проекта
- Сидоренко Александр Владимировичучастник стажировкиРазработка UI-прототипов, тестирование платформы, исследование защиты от атак, разработка LLM Guard-механизмов
- Пятницкий Владимир Викторовичучастник стажировкиРазработка модулей LLM-интеграции, speech-модулей, структуры образовательных упражнений
- Суворова Полина Александровнаучастник стажировкиРазработка интеграционного слоя подключения LLM-провайдеров
- Серяков Николай Михайловичучастник стажировкиРазработка backend-оркестратора, микросервисной логики управления обучением
- Зинченко Алина Владимировнаучастник стажировкиАнализ пользовательского поведения, разработка onboarding-логики, проектирование пользовательского пути обучения, подготовка продуктового ТЗ и UX-wireframes
- Шаров Михаил Николаевичучастник стажировкиРазработка SPA Super English, реализация AI-Mentor, адаптивная генерация учебного контента
- Бойков Олег Александровичучастник стажировкиМетодология генерации обучения, CEFR-связность навыков, JSON-структуры образовательных целей, LLMFactory, контроль стоимости LLM
- Петров Николай Владимировичучастник стажировкиРазработка backend-логики модулей платформы, интеграция микросервисов, поддержка API-взаимодействий, подготовка backend-части к демонстрациям и MVP-тестированию