Digital
A career in digital and internet marketing with artificial intelligence
Discover the skills that make a career in digital not just possible, but fast-growing.
- Level
- Beginner to intermediate
- Workload
- Multi-week program
- Format
- Practical
Discover the skills that make a career in digital not just possible, but fast-growing.
Master the key trends in the digital industry with the help of artificial intelligence and develop skills that are already in demand today. Three practical programs help you create content, web pages and automations that deliver real results. Start the journey to the profession of the future today.
Web Development Using Artificial Intelligence (AI).
- 02.03.2026 - 24.04.2026 (Russian-speaking group)
- €1,800
- Lecturer: Nikolai Sekatšov
- Language of instruction: Russian
- Capacity: 120 academic hours
Get the job of a new generation web developer — where technology meets intelligence. This program is designed for novice developers, designers, product and project managers, and anyone who wants to create modern digital products by accelerating processes with the help of artificial intelligence.
In the course, you will learn to manage AI tools, design the architecture of web applications, create user interfaces and formulate requirements for server logic. You will also gain knowledge of integration and implementation, turning ideas into high-quality, scalable and technological solutions — faster and smarter thanks to artificial intelligence.
Course Program
Approved by Director Andrei Gritskov on 15.10.2025, Tallinn
-
Name of the curriculum: Web Application Development Using Artificial Intelligence (AI).
-
Study direction and curriculum group
Study direction: Information and Communication Technologies Curriculum group: Software and Applications Development and Analysis Core curriculum foundations: Artificial intelligence, web application architecture, AI tool management.
- Goal and learning outcomes
Goal: To develop in participants a systemic understanding of modern web application architecture and teach them to manage AI tools (such as Cursor, Cline, Gemini CLI) to turn ideas into fully functional web products without requiring manual coding skills.
Learning outcomes: by the end of the training, the learner
• Manages AI tools — uses modern integrated development environments (IDE) for code generation, debugging, and documentation, effectively directing the process. • Explains principles of web architecture — understands the “client-server” model, the purpose of application programming interfaces (API), the role of databases, and Linux basics, and applies this knowledge to formulate precise tasks for AI. • Orchestrates the process of creating user interfaces — leads the creation of adaptive websites, from generating design mockups to implementing them as static pages and single-page applications (SPA) in React. • Formulates requirements for server-side logic — designs REST APIs and database structure at the conceptual level, supervising their full implementation by an AI assistant. • Leads the integration process — ensures correct interaction between frontend and backend components, and integrates third-party AI services into the application. • Manages the deployment process — publishes ready full-stack applications using both modern PaaS platforms and deployment to a virtual private server (VPS) with AI assistant support.
- Target group and enrollment requirements
Target group: Beginners without programming experience, IT enthusiasts, product managers, entrepreneurs, designers, and anyone who wants to learn to build web applications using AI as the primary tool.
Enrollment requirements: Secondary education and confident computer skills. Programming skills are not required.
- Training volume, structure, learning environment, and tools
Training volume and structure: Total course volume is 120 academic hours, including 80 academic hours of contact learning (trainer-guided learning activities in classroom or online) and 40 academic hours of independent work.
Learning environment: Training takes place at Vabaduse väljak 2, Tallinn, and online. Training classrooms comply with health protection requirements. A coffee break is provided for each participant. A working internet connection is available during training. Each learner is provided with access to a large language model (LLM) API and a personal virtual private server (VPS) for the training period. Learners must have their own laptop for class and home work.
- Description of the learning process, including content, methods, and materials
| Training structure and volume | Learning content and materials | Learning methods |
|---|---|---|
| Contact learning 8 academic hours Independent work 4 academic hours | Machine Learning (ML), neural networks, and LLM — the foundation of the AI revolution Theory • Overview of artificial intelligence (AI), machine learning (ML), and neural network concepts. Installing AI assistants (Cursor, Cline) in the development environment. Decomposition — how to split ideas into tasks for AI. Introduction to the command-line interface (CLI). Independent work (micro-project) • “Hello, AI!”. Build a simple console application (for example, a password generator) using only AI assistant commands. Project review and deep learning (online) • Analysis of completed projects and Q&A. Workshop: Iterative dialogue with AI. We learn to clarify and rephrase prompts so AI understands the task better. | Interactive lecture, tool demonstrations, analysis of completed projects, group discussion, workshop. |
| Contact learning 8 academic hours Independent work 4 academic hours | AI designer: from idea to your first website (HTML/CSS) Theory • Introduction to the concept of “Client” (browser). The role of HyperText Markup Language (HTML) and Cascading Style Sheets (CSS). Using image generators to create visual concepts. Analyzing existing websites as references. Independent work (micro-project) • “Digital business card”. Create an adaptive one-page business card website by directing an AI tool. Project review and deep learning (online) • Analysis of design solutions and Q&A. Workshop: Iterative design improvement. We learn to give AI clarifying prompts to fix visual issues and improve responsiveness. | Analogy-based lecture, practical work in AI IDE, analysis of design solutions, workshop. |
| Contact learning 8 academic hours Independent work 4 academic hours | Bringing a website to life: interactivity with JavaScript under AI guidance Theory • Introduction to JavaScript as a language for creating website “behavior”. Concepts of “event” and “response”. Document Object Model (DOM) as the structure of a page. Independent work (micro-project) • “Interactive business card”. Add interactive elements (animations, modal windows) to the previous week’s project. Project review and deep learning (online) • Analysis of implemented mechanics and Q&A. Workshop: Debugging with AI. We learn to describe problems and pass browser console error messages to AI. | Interactive demonstration, analysis of implemented mechanics, debugging workshop. |
| Contact learning 8 academic hours Independent work 4 academic hours | Modern Frontend: building SPA applications in React with Vite and AI Theory • Single Page Application (SPA) concept. React and component-based approach. Vite tools and npm package manager. Independent work (micro-project) • “SPA Portfolio”. Give AI a command to transform a static “business card” into a multi-component React application. Project review and deep learning (online) • Analysis of component structure and Q&A. Workshop: Architectural refactoring. We learn to evaluate application structure and give AI prompts to improve it. | Lecture, guided code generation, component structure analysis, refactoring workshop. |
| Contact learning 8 academic hours Independent work 4 academic hours | The brain of the application: designing and creating a Backend REST API Theory • Introduction to the concept of “Server” (Backend). REST API as a “contract” for data exchange. Overview of Node.js and Python. Independent work (micro-project) • “Blog API”. Formulate a task for AI to create a REST API with an endpoint set for post management. Project review and deep learning (online) • Analysis and testing of created APIs, Q&A. Workshop: API design. We learn to prepare a clear technical task for AI. | Interactive lecture, tool demonstrations, API analysis and testing, design workshop. |
| Contact learning 8 academic hours Independent work 4 academic hours | The memory of the application: working with databases under AI guidance Theory • Introduction to the concept of “Database”. Overview of relational (SQL) and non-relational (NoSQL) databases. Learning basic CRUD operations (Create, Read, Update, Delete). Independent work (micro-project) • “Connecting a database to the blog”. Give AI a command to integrate a PostgreSQL database with the previous project’s API. Project review and deep learning (online) • Data handling analysis through API, Q&A. Workshop: Data modeling. We learn to describe the structure of a future database for AI. | Lecture, practical work, data handling analysis, modeling workshop. |
| Contact learning 8 academic hours Independent work 4 academic hours | Full Stack assembled: integrating Frontend, Backend, and external AI services Theory • Connecting “Client” and “Server”. Full Stack concept. Network interaction. Integration of third-party AI services. Independent work (micro-project) • “Blog with an AI copywriter”. Integrate an SPA application with API. Add a content generation feature using external AI. Project review and deep learning (online) • Analysis of working Full Stack applications, Q&A. Workshop: End-to-end debugging. We learn to trace the request path from browser to database. | End-to-end demonstration, analysis of working applications, debugging workshop. |
| Contact learning 8 academic hours Independent work 4 academic hours | Time to launch: deploying applications to the internet (PaaS and VPS) Theory • Concepts of “Hosting” and “Deployment”. Overview of Platform-as-a-Service (PaaS) and Virtual Private Servers (VPS). Managing Linux and Nginx with AI. Independent work (micro-project) • “Grand release”. Deploy a completed application to PaaS platforms and to the provided VPS. Project review and deep learning (online) • Checking project availability, Q&A. Workshop: Deployment issue diagnostics. We learn to use AI for web server log analysis. | Step-by-step demonstration, project availability checks, diagnostics workshop. |
| Contact learning 8 academic hours Independent work 4 academic hours | Final project: from idea to architecture and development Theory • Brainstorming ideas for projects. Architecture planning methodology. Independent work (micro-project) • Starting work on your own Full Stack project. Project review and deep learning (online) • Progress discussion, code review, and help with solving issues. | Group discussions, individual and group consultations, project work. |
| Independent work 4 academic hours Project defense 8 academic hours | Final stage: deployment, project defense, and next steps Theory • Brainstorming ideas for projects. Architecture planning methodology. Independent work (micro-project) • Working on your own Full Stack project. Project review and deep learning (online) • Progress discussion, code review, and help with solving issues. | Individual consultations, project work, public project defense. |
- Assessment and completion requirements Training is considered completed if the learner: has attended at least 80% of classes; has successfully completed all micro-projects; has developed and successfully defended the final project.
Assessment is carried out on a “pass/fail” basis.
-
Issued documents Learners who have achieved the learning outcomes and passed the assessment are issued a certificate. Learners who did not participate in or did not pass assessment are issued a confirmation of participation and completed topics.
-
Trainer qualification Nikolay Sekachev. MBA - Univertiy of New Mexico (USA). Ural State Law Academy – specialization: law. Ural State University – specialization: astrophysics and astronomical geodesy. Practical experience in commercial full-stack web development, deep understanding of modern AI development tools, and experience teaching technical disciplines.
Content creation and SMM with AI
- 02.03.2026 - 24.04.2026 (Russian-speaking group)
- 1800 €
- Lecturer: Nikolai Sekatšov
- Language of instruction: Russian
- Capacity: 120 academic hours
Create strong, selling and stylish content faster than ever before. During the program, you will learn to develop a marketing strategy, write texts, create visuals and automate posts using the best AI tools. You understand how to integrate artificial neural networks into your work process so that content works for your brand around the clock — 24/7.
The course is perfect for marketers, SMM professionals, entrepreneurs and anyone who wants to stand out on social media while saving time and resources.
Course Program
Kinnitatud direktori А. Gritskov poolt 15.10.2025, Tallinn
1.Õppekava nimetus: Sisuloome ja SMM tehisintellekti abil (TI)
2.Õppesuund ja õppekavarühm
Õppesuund: Ärindus ja haldus Õppekavarühm: Turundus ja reklaam Õppekava põhisisu alused: TI‑tööriistad sisuloomeks, sotsiaalmeedia strateegiad, turunduskampaaniate automatiseerimine, analüütika ja optimeerimine.
3.Eesmärk ja õpiväljundid
Eesmärk: Arendada osalejates oskusi professionaalselt hallata sotsiaalmeediat ja luua sisu tehisintellekti abil, muutes nad tõhusateks digiturundajateks, kes suudavad genereerida kvaliteetset sisu ja automatiseerida turundusprotsesse.
Õpiväljundid: koolituse lõpuks õpilane
Koostab TI-põhise SMM-strateegia – analüüsib sihtrühma, konkurente ja trende TI tööriistade abil ning koostab tõhusa sotsiaalmeedia kohaloleku plaani. Genereerib tekstisisu – loob artikleid, postitusi, kirjeldusi ja turundustekste suurte keelemudelite abil (LLM). Loob visuaalset sisu – kasutab pildi- ja videogeneerimise tööriistu kaasahaaravate visuaalide loomiseks. Automatiseerib postitamise ja suhtluse – seadistab süsteemid automaatseks postitamiseks, uuestipostitamiseks ja kaasatuse analüüsiks. Integreerib TI teenused – konstrueerib automatiseeritud ahelad sisu genereerimiseks ja avaldamiseks, ühendades planeerijad, keelemudelid ja pildigeneraatorid.
4.Sihtgrupp ja õppe alustamise tingimused
Sihtgrupp: Ettevõtjad, turundajad, SMM-spetsialistid ja kõik, kes soovivad omandada kaasaegseid tehnoloogiaid sisu genereerimiseks ja turunduse automatiseerimiseks tehisintellekti abil.
Õppe alustamise tingimused: Keskharidus, kindel arvutikasutusoskus ja sotsiaalmeedias orienteerumise oskus. Turunduskogemus on eelis, kuid mitte nõue.
- Õppe maht, õppe ülesehitus, õppekeskkond ja õppevahendid
Õppe maht ja ülesehitus: Koolituse kogumaht 120 ak. tundi, millest 80 ak. tundi kontaktõpe (koolitaja poolt juhendatud õppetegevus füüsilises või veebikeskkonnas) tunnid ja 40 ak. tundi iseseisvat tööd.
Õppekeskkond: Koolitus toimub aadressil Vabaduse väljak 2, Tallinn ja veebis. Koolitusklassid vastavad tervisekaitse nõuetele. Igale koolitusel osalejale tagatakse kohvipaus. Koolitusel on võimalik kasutada toimivat internetiühendust. Igale õpilasele tagatakse õppeperioodiks juurdepääs suurte keelemudelite (LLM) API-le ja isiklikule virtuaalserverile (VPS). Õpilastel peab olema oma sülearvuti klassis ja kodus töötamiseks.
- Õppeprotsessi kirjeldus, sh õppe sisu, õppemeetodid ja -materjalid
| Õppe ülesehitus ja maht | Õppe sisu ja õppematerjalid | Õppemeetodid |
|---|---|---|
| Kontaktõpe 8 ak. tundi Iseseisev töö 4 ak. tundi | Tehisintellekti alused digiturunduses Teooria •Sissejuhatus TI, ML ja LLM turunduses. Kuidas närvivõrgud toetavad sihtrühma analüüsi ja ideede genereerimist. TI tööriistade (nt ChatGPT, DALL E jt) paigaldamine ja seadistamine. Iseseisev töö (mikroprojekt) •“TI analüüs brändist” — kasutades LLM, analüüsida konkurendi sotsiaalmeediaprofiili ja sõnastada 5 strateegilist eelist teie brändile. Projektide analüüs ja süvaõpe (online) •Prompt-inseneeria turundusanalüüsi jaoks — kuidas esitada TI le korrektseid küsimusi turu süva mõistmiseks. | Interaktiivne loeng, tööriistade demonstratsioon, näidete analüüs, praktikum prompt-inseneeria. |
| Kontaktõpe 8 ak. tundi Iseseisev töö 4 ak. tundi | Sisutööplaan ja ideede genereerimine Teooria •SMM strateegia alused — USP, konkurentide analüüs, segmentimine, kliendivalu tüübid. TI kasutamine analüüsiks, ideede genereerimiseks ja sisuprogrammide koostamiseks. Iseseisev töö (mikroprojekt) •“Ajurünnak TI abil” — luua kuu sisukalender valitud nišile (näiteks tervis, tehnoloogia, äri) LLM abil. Projektide analüüs ja süvaõpe (online) •Promtide optimeerimine loovülesannete jaoks. Praktikum unikaalsete ideede genereerimisel. | Grupiharjutused, praktiline töö TI abil, genereeritud sisu analüüs. |
| Kontaktõpe 8 ak. tundi Iseseisev töö 4 ak. tundi | Tekstsisu genereerimine Teooria •Sotsiaalmeedias kasutatava sisu stiilid. LLM kasutamine postituste, kirjelduste ja artiklite loomiseks, tõhusa tekstiloome võtted. Iseseisev töö (mikroprojekt) •“Sisu tehas” — genereerida 5 Instagrami postitust antud teema kohta TI abil ja kohandada neid vastavalt platvormile. Projektide analüüs ja süvaõpe (online) •Stiili ja tooni parameetrite määramine promtides. | Praktiline genereerimine, peer review, AI tekstide toimetamine. |
| Kontaktõpe 8 ak. tundi Iseseisev töö 4 ak. tundi | Visuaalne sisu TI abil Teooria •TI tööriistad piltide ja videot genereerimiseks (nt Midjourney, Gemini), video¬sisu loomine (nt Sora, Veo3). Iseseisev töö (mikroprojekt) •“Visuaalne lugu” — luua konseptsioonipõhine pildiseeria ja Reels Instagramile TI abil. Projektide analüüs ja süvaõpe (online) •Prompt-inseneeria visuaalse sisu jaoks, täpsed kirjeldused vajalike piltide loomiseks. | Tööriistade demonstratsioon, praktiline genereerimine, visuaalse stiili analüüs. |
| Kontaktõpe 8 ak. tundi Iseseisev töö 4 ak. tundi | Sisu optimeerimine platvormide lõikes Teooria •Erinevate sotsiaalsete platvormide (Instagram, LinkedIn, Face-book) eripärad, algoritmid, sihtrühmad, optimaalsed formaadid, TI kasutamine sisu kohandamiseks. Iseseisev töö (mikroprojekt) •“Ristplatvormiline sisu” — adapteerida üks postitus neljale platvormile TI abil, arvestades igaühe spetsiifikat. Projektide analüüs ja süvaõpe (online) •Kaasatuse analüüs, sisu efektiivsuse hindamine platvormidel. | Võrdlev analüüs, sisu kohandamine. |
| Kontaktõpe 8 ak. tundi Iseseisev töö 4 ak. tundi | SMM protsesside automatiseerimine n8n abil Teooria •Automatiseerimise tööriistad (n8n), API ja töövoogude mõistmine lihtsas keeles, sotsiaalmeedia ühendamine ja automaatsete ahelate loomine postitamiseks Iseseisev töö (mikroprojekt) •“Sisu konveier” — seadistada töövoog n8n’is, mis võtab postitused Google Sheetsist ja postitab automaatselt 2–3 platvormile. Projektide analüüs ja süvaõpe (online) •Postituste ajastuse juhtimine, töövoogude optimeerimine publitseerimise sageduse ja timing’u osas. | Automation tööriistade seadistamine, töövoogude testimine, töölehed kui sisutoimikud. |
| Kontaktõpe 8 ak. tundi Iseseisev töö 4 ak. tundi | Sisu genereerimine läbi API (hääl, muusika, pildid, video) Teooria •API mõiste ja toimimine, ülevaade API dest sisu genereerimiseks (tekst → hääl, muusika, pildid, video). Iseseisev töö (mikroprojekt) •“Multimeedia postitus” — luua API (nt ElevenLabs hääl, Gemini pildid jne) abil multimediapostitus: tekst + hääl + pilt. Projektide analüüs ja süvaõpe (online) •Edasijõudnud API kasutamine, mitme API ühine kasutamine. | API demonstreerimine, praktiline töö, tulemuste analüüs, peer review. |
| Kontaktõpe 8 ak. tundi Iseseisev töö 4 ak. tundi | Vibe koodimine: sisu genereerimise ja montaaži protsessi automatiseerimine Teooria •“Vibe-koodimine” kui automaatika tipp — LLM kasutamine ffmpeg käskude genereerimiseks (video monteerimine promtidega). Integreerime kõik: API + ffmpeg + n8n. Iseseisev töö (mikroprojekt) •“Automatiseeritud sisu masin” — luua täiustatud süsteem: ideekava (Moodul 2), automaatne tekstigeneerimine (LLM), multimeedia genereerimine API abil (hääl, pildid), video loomine vibe koodiga (ffmpeg), automaatne postitamine (n8n) Projektide analüüs ja süvaõpe (online) •Täisautomaatika häälestamine, “igihaljuse” sisu loomine (automaatne sisu uuendamine). | Juhtumiuuringud, teenuste integreerimine, projektitöö. |
| Kontaktõpe 8 ak. tundi Iseseisev töö 4 ak. tundi | Lõppprojekt: MVP “TI sisu stuudio” kokkupanek Teooria •MVP projekteerimine — teema/ brändi valik, sisuprogrammi struktuur Google Sheetsis, töövoo arhitektuur n8n’is ahelaks “Google Sheet → LLM → pildigeneraator → sotsiaalmeedia”. Iseseisev töö (mikroprojekt) •Alustada MVP projekti kokkupanekut Moodulite 1–7 baasil: tabelite seadistamine, promtide kirjutamine, töövoogude loomine n8n’is. Projektide analüüs ja süvaõpe (online) •Individuaalsed juhendajad | Grupiarutelud, individuaalsed ja grupikonsultatsioonid, projektitöö. |
| Iseseisev töö 4 ak. tundi Projekti kaitsmine 8 ak. tundi | Lõppfaas: MVP kaitsmine ja projekti demonstratsioon • Projekti kaitsmine (live demo): tudeng esitab toimiva MVP süsteemi, näitab Google Sheetsi sisukava, käivitab n8n töövoo, demonstreerib genereeritud postitust platvormil • Edu tingimus: toimiva MVP edukas demonstreerimine • Täiustatud tase (vabatahtlik): soovijad võivad projekti täiendada Moodul 8 (video, hääl) või muude funktsioonidega | Avalik kaitsmine (pitch), ekspertide hindamine |
- Hindamine ehk õppe lõpetamise tingimused Õpe loetakse lõpetatuks, kui õpilane: on osalenud vähemalt 80% tundidest; on edukalt sooritanud kõik mikroprojektid; on välja töötanud ja edukalt kaitsnud lõpuprojekti.
Hindamine toimub põhimõttel “arvestatud/mittearvestatud”.
-
Väljastatavad dokumendid Õpiväljundid omandanud ning hindamiseläbinud õppijale väljastatakse tunnistus. Hindamisel mitteosalenud või hindamist mitteläbinud õppijaleväljastatakse tõend koolitusel osalemise ja läbitud teemade kohta.
-
Koolitaja kvalifikatsioon Nikolay Sekachev. MBA - Univertiy of New Mexico (USA). Uurali Riiklik Juristikaakadeemia – eriala: õigusteadus. Uurali Riiklik Ülikool – eriala: astrofüüsika ja astronoomiline geodeesia. Praktiline kogemus kommerts-veebiarenduses (Full Stack), sügav arusaam kaasaegsetest AI-arendustööriistadest ning tehniliste distsipliinide õpetamise kogemus.
Automation of business processes using artificial intelligence
- 02.03.2026 – 24.04.2026 (Russian-speaking group)
- 1,800 €
- Lecturer: Nikolai Sekatšov
- Language of instruction: Russian
- Capacity: 120 academic hours
Free up your time for really important tasks — give the routine to artificial intelligence. In the program “Automation of business processes using artificial intelligence”, you will learn to analyze and plan automation, create no-code scenarios, integrate LLM models into work processes and write simple low-code scripts with the support of an AI assistant. You will acquire the skills to create convenient interfaces, implement server solutions and turn complex tasks into well-thought-out, fully automated processes.
The course is suitable for entrepreneurs, managers, analysts and anyone who wants to speed up work processes, increase efficiency and implement AI tools in the company without deep programming.
Course Program
Kinnitatud direktori A. Gritskov poolt 15.10.2025, Tallinn
1.Õppekava nimetus: Äriprotsesside automatiseerimine tehisintellekti (TI) abil
2.Õppesuund ja õppekavarühm
Õppesuund: Informatsiooni- ja kommunikatsioonitehnoloogiad Õppekavarühm: Tarkvara ja rakenduste arendus ning analüüs Õppekava põhisisu alused: Äriprotsesside analüüs, No‑Code/Low‑Code platvormid, LLM juhtimine API kaudu, Python‑arendus koos TI‑assistentiga, serverilahenduste juurutamine.
3.Eesmärk ja õpiväljundid
Eesmärk: Kujundada osalejates TI‑integraatori pädevused — spetsialist, kes suudab analüüsida äriprotsesse, tuvastada kitsaskohad ning luua „võtmetest võtmeni“ automatiseeritud lahendusi alates lihtsatest No‑Code stsenaariumitest kuni kohandatud Python‑skriptideni, mis on juurutatud oma serverisse.
Õpiväljundid: koolituse lõpuks õpilane Analüüsib ja projekteerib automatiseerimist — tuvastab äris rutiinsed tegevused, hindab nende maksumust ning projekteerib „täideviija masina“ arhitektuuri nende lahendamiseks. Loob No‑Code stsenaariume — kasutab kindlalt platvorme Make ja n8n mitmetasemeliste töövoogude loomiseks koos tingimuste ja integreerimistega. Integreerib suuri keelemudeleid (LLM) äriprotsessidesse — ühendab suuri keelemudeleid API kaudu struktureerimata andmete (kirjad, taotlused, dokumendid) väljavõtmiseks, klassifitseerimiseks ja struktureerimiseks. Arendab low‑code automatiseerimisskripte TI‑assisti abil — juhib Python‑skriptide (“vibe‑coding”) loomise protsessi ülesannete lahendamiseks, mis jäävad No‑Code platvormide raamidest välja. Rajab interaktiivseid liideseid — loob vestlus‑bote (näiteks Telegram) kui „juhtpaneeli“ automatiseerimise jaoks lõppkasutajatele (töötajatele). Juurutab serverilahendusi — avaldab loodud automatiseerimised virtuaalsel privaatserveril (VPS) Docker abil, tagades nende stabiilse töö 24/7.
4.Sihtgrupp ja õppe alustamise tingimused
Sihtgrupp: Algajad IT‑spetsialistid, ettevõtjad, ärianalüütikud, projektijuhid ja kõik, kes soovivad mitte lihtsalt kasutada TI‑d, vaid luua selle abil reaalseid ärilahendusi, mis säästavad aega ja raha.
Õppe alustamise tingimused: Keskharidus, arvuti kasutamise kindel oskus. Programmeerimisoskused ei ole nõutud, kuid loogiline mõtlemine ja huvi äriliste ülesannete lahendamise vastu on teretulnud.
- Õppe maht, õppe ülesehitus, õppekeskkond ja õppevahendid
Õppe maht ja ülesehitus: Koolituse kogumaht 120 ak. tundi, millest 80 ak. tundi kontaktõpe (koolitaja poolt juhendatud õppetegevus füüsilises või veebikeskkonnas) tunnid ja 40 ak. tundi iseseisvat tööd.
Õppekeskkond: Koolitus toimub aadressil Vabaduse väljak 2, Tallinn ja veebis. Koolitusklassid vastavad tervisekaitse nõuetele. Igale koolitusel osalejale tagatakse kohvipaus. Koolitusel on võimalik kasutada toimivat internetiühendust. Igale õpilasele tagatakse õppeperioodiks juurdepääs suurte keelemudelite (LLM) API-le ja isiklikule virtuaalserverile (VPS). Õpilastel peab olema oma sülearvuti klassis ja kodus töötamiseks.
- Õppeprotsessi kirjeldus, sh õppe sisu, õppemeetodid ja -materjalid
| Õppe ülesehitus | ja mahtÕppe sisu ja õppematerjalid | Õppemeetodid |
|---|---|---|
| Kontaktõpe 8 ak. tundi Iseseisev töö 4 ak. tundi | Masinõpe (ML), närvivõrgud ja LLM – AI-revolutsiooni alus Teooria •AI, ML ja LLM kontseptsioonide ülevaade. Kuidas “mõtlevad” närvivõrgud ja miks see muutis mängureegleid. Äriprobleemi dekompositsioon selle seadmiseks AI le. Iseseisev töö (mikroprojekt) •„AI rutiini audit“. Kirjeldada reaalne äriprotsess (nt „tellimuse töötlemine“) ja dialoogi abil LLM iga määrata 3 kõige kitsaskohast automatiseerimiseks. Projektide analüüs ja süvaõpe (online) •Prompt insenerlus ärianalüüsiks. Õpime “kuulama” LLM i, et leida protsessides varjatud probleemid. | Interaktiivne loeng, grupibrainstorm, prompt insenerluse praktikum. |
| Kontaktõpe 8 ak. tundi Iseseisev töö 4 ak. tundi | Esimene “tark” automatiseerimine: No Code (n8n) + keelemudel (LLM API) Teooria •Tutvustus No Code platvormiga n8n. “Trigger tegevus” kontseptsioon. Mis on API ja kuidas ühendada LLM (ChatGPT, Gemini) töövooga. Iseseisev töö (mikroprojekt) •“TI klassifikaator”. Luua automatiseerimine: n8n võtab teksti uues Google Sheets reale, saadab LLM ile andmete (Nimi, Sisulisus, Kontaktid) väljavõtmiseks ja paigutab need kõrvaliste veergudesse. Projektide analüüs ja süvaõpe (online) •API töö analüüs. Esimeste stsenaariumide silumine. | Live demonstratsioon, samm sammult stsenaariumi loomine, täidetud projektide analüüs. |
| Kontaktõpe 8 ak. tundi Iseseisev töö 4 ak. tundi | Rajame usaldusväärne konveier No Code ¬n8n il Teooria •n8n põhimoodulid: veebkonksud, filtrid, marsruuterid (“kui… siis…” loogika). Veakäsitlus stsenaariumides. Iseseisev töö (mikroprojekt) •“Konveier loogikaga”. Paranda projekt: kui TI ei tuvastanud kontakte, siis automatiseerimine saadab teate juhile. Kui kõik andmed olemas — märgib staatuse „Valmis“. Projektide analüüs ja süvaõpe (online) •Keerukate stsenaariumide läbivaatamine. Praktikum silumiseks. | Praktiline töö, juhtumite analüüs, grupiline silumine. |
| Kontaktõpe 8 ak. tundi Iseseisev töö 4 ak. tundi | Google Sheets ja Airtable kui paindlik andmebaas Teooria •Pilv tabelite kasutamine andmebaasina. CRUD operatsioonid (Loomine, Lugemine, Uuendamine, Kustutamine) n8n kaudu. Iseseisev töö (mikroprojekt) •“Interaktiivne baas”. Lisa “konveierisse” loogika: enne uue kliendi kirje loomist kontrolli, kas ta juba andmebaasis on. Kui on — uuenda olemasolevat kirjet. Projektide analüüs ja süvaõpe (online) •Andmestruktuuride analüüs. Tabelite töö optimeerimine. | Loeng demonstratsioon, praktiline töö, koodirevjuu (skeemide ülevaatus). |
| Kontaktõpe 8 ak. tundi Iseseisev töö 4 ak. tundi | Vestlus bot kui juhtpaneel (näiteks Telegram) Teooria •Vestlus botide arhitektuur sisekasutuseks. Boti loomine, sõnumite saatmine, interaktiivsed nupud. No Code stsenaariumite käivitamine boti veebkonksude kaudu. Iseseisev töö (mikroprojekt) •“Bott assistent juhile”. Loo Telegram bot, mis saadab TI töötlusega kliendikaardi nuppudega “Võta tööle” / “Hülga”, ning nupu vajutus muudab staatuse Google Sheets is. Projektide analüüs ja süvaõpe (online) •Kasutajastsenaariumite projekteerimine botis. | Interaktiivne demonstratsioon, botide loomise praktiline töö. |
| Kontaktõpe 8 ak. tundi Iseseisev töö 4 ak. tundi | Lõhume No Code lati “vibe coding” abil Pythonis Teooria •Kui No Code ei piisa? Python põhitõed automatiseerijale: töö MD, JSON ja API ga. Kuidas üles seada LLM ile ülesanne, et saada valmis Python skript. Iseseisev töö (mikroprojekt) •“Kohandatud moodul”. Kirjuta TI abil Python skript, mis teostab unikaalse operatsiooni (nt pöördub spetsiifilise API poole) ja integreeri see n8n stsenaariumi. Projektide analüüs ja süvaõpe (online) •Genereeritud koodi läbivaatamine ja silumine. | Vibe coding TI assisti abil, koodianalüüs, integratsioonipraktikum. |
| Kontaktõpe 8 ak. tundi Iseseisev töö 4 ak. tundi | Üleminek oma andmebaasile (SQL) Teooria •Miks on vaja andmebaasisüsteemi (nt PostgreSQL)? SQL põhisõned (SELECT, INSERT, UPDATE). Andmebaasi juhtimine TI assistendi abil. Iseseisev töö (mikroprojekt) •“Migreerimine SQL ile”. Taasta loomise loogika projektist „Tark töötleja“, kus backend on andmebaas, mida juhib Python skript. Projektide analüüs ja süvaõpe (online) •Andmebaasiga töö analüüs. Andmemudelduse praktikum. | Loeng, praktiline töö andmebaasiga TI liidese kaudu. |
| Kontaktõpe 8 ak. tundi Iseseisev töö 4 ak. tundi | Juurutus ja hosting serveris (VPS) Teooria •Mis on VPS ja Docker. Kuidas TI assistendi abil pakkida Python skript ja andmebaas Docker konteineritesse juurutamiseks. Iseseisev töö (mikroprojekt) •“Professionaalne release”. Juuruta oma projekt antud VPS il, et see töötaks 24/7. Projektide analüüs ja süvaõpe (online) •Juigutuse probleemide diagnoosimine. Õpime TI abil logisid analüüsima. | Samm sammuline juurutamise demonstratsioon, diagnostika praktikum. |
| Kontaktõpe 8 ak. tundi Iseseisev töö 4 ak. tundi | Lõppprojekt: „Reaalse äriprotsessi automatiseerimine“ Teooria •Uue ärijuhtumi valik. Brainstorm ja lahenduse arhitektuuri projekteerimine. Iseseisev töö (mikroprojekt) •Lõppprojekti realiseerimine, kasutades kogu omandatud tehnoloogiapakki. | Grupiarutelud, individuaalsed ja grupikonsultatsioonid, projektitöö. |
| Iseseisev töö 8 ak. tundi Projekti kaitsmine 4 ak. tundi | Individuaalsed konsultatsioonid, projektitöö, avalik projektide kaitsmine. |
- Hindamine ehk õppe lõpetamise tingimused Õpe loetakse lõpetatuks, kui õpilane: on osalenud vähemalt 80% tundidest; on edukalt sooritanud kõik mikroprojektid; on välja töötanud ja edukalt kaitsnud lõpuprojekti.
Hindamine toimub põhimõttel “arvestatud/mittearvestatud”.
-
Väljastatavad dokumendid Õpiväljundid omandanud ning hindamiseläbinud õppijale väljastatakse tunnistus. Hindamisel mitteosalenud või hindamist mitteläbinud õppijaleväljastatakse tõend koolitusel osalemise ja läbitud teemade kohta.
-
Koolitaja kvalifikatsioon Nikolay Sekachev. MBA - Univertiy of New Mexico (USA). Uurali Riiklik Juristikaakadeemia – eriala: õigusteadus. Uurali Riiklik Ülikool – eriala: astrofüüsika ja astronoomiline geodeesia. Praktiline kogemus kommerts-veebiarenduses (Full Stack), sügav arusaam kaasaegsetest AI-arendustööriistadest ning tehniliste distsipliinide õpetamise kogemus.
Description of the learning environment
SA Andrei Gritskov Foundation conducts training courses at Vabaduse väläk 2, Tallinn. We use the training classes of the partners we work with. All used study rooms meet health protection requirements. The school guarantees a coffee break for each training participant. It is possible to use a working internet connection in the courses. The classes are equipped with modern teaching aids (projector, laptop, blackboard, etc.). The size of the study groups varies depending on the content of the training, but the goal is to ensure individual development during the study and to keep the students motivated. The school will hand out all study materials to the participants.
Assessment of the achievement of learning outcomes, assessment criteria and methods
The purpose of evaluating the learning process of the given study program is to provide the learner with feedback on the success of the study and information on the achievement of the learning outcomes defined in the modules; support learning motivation and positive self-esteem and, if necessary, correct learning goals. The learner has the right to receive information about the assessment procedure and the grades obtained. The curriculum stipulates that the acquired knowledge and skills will be evaluated. The amount of knowledge and skills, the correctness, accuracy and logic of the presentation, the independent application and execution of practical work are assessed. The assessment results of the different skills are added together to obtain an overall score. Grades may also be based on more comprehensive tests. The learner proves the acquisition of knowledge and skills through written or practical works, oral presentations and practical tasks.
- grade “5” (very good) — 90-100% of points correctly performed
- grade “4” (good) — 70-89% of points correctly performed
- grade “3” (satisfactory) — 50-69% of points correctly performed
- grade “2” (inadequate) — 25-49% of points correctly performed
- grade “1” (weak) — 0-24% correctly performed of points
At the end of the course, the learner will be issued a certificate of completion.
Conditions for completing studies and certificates to be issued
The certificate is issued to the learner if he has attended at least 75% of the lessons and completed all the necessary assignments and tests. The learner has completed an internship, submitted and defended a self-evaluation form on practical work experience, and received a positive evaluation. A certificate of participation or completion is issued to the learner if he has attended less than 75% of the lessons or has not achieved all the learning outcomes necessary to complete the curriculum. The certificate is issued according to the number of hours completed by the participant.
Leave a Request
Fill in the form and we will contact you shortly.