Курс на Stepik
Обложка курса «AI Developer на Python: LLM в реальных приложениях» на Stepik
2 999 ₽

AI Developer на Python: LLM в реальных приложениях ★ 5.000

Открыть на
STEPIK.ORG

Практический курс по созданию AI-приложений на Python. Вы научитесь работать с LLM API, создавать надежные AI-функции, подключать инструменты, обрабатывать документы и изображения и соберете полноценный AI Backend на FastAPI от первого запроса к модели до тестирования, безопасности и запуска приложения.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «AI Developer на Python: LLM в реальных приложениях»Учеников на курсе 127
Сертификаты, выданные на курсе «AI Developer на Python: LLM в реальных приложениях»Сертификатов выдано 3
Отзывы о курсе «AI Developer на Python: LLM в реальных приложениях»Отзывов получено 1
Рейтинг курса «AI Developer на Python: LLM в реальных приложениях»Рейтинг курса 5.000
Уроки в курсе «AI Developer на Python: LLM в реальных приложениях»Количество уроков 38
Тесты в курсе «AI Developer на Python: LLM в реальных приложениях»Количество квизов 154
Задачи с кодом в курсе «AI Developer на Python: LLM в реальных приложениях»Количество задач с кодом 123
Время прохождения курса «AI Developer на Python: LLM в реальных приложениях»Время прохождения курса —
Стоимость курса «AI Developer на Python: LLM в реальных приложениях»Стоимость курса 2 999 ₽ —
Обновления курса «AI Developer на Python: LLM в реальных приложениях»Обновления курса — —
Дата публикации курса «AI Developer на Python: LLM в реальных приложениях»Дата публикации курса — ———
Последнее обновление курса «AI Developer на Python: LLM в реальных приложениях»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «AI Developer на Python: LLM в реальных приложениях» 6 разделов Уроки в курсе «AI Developer на Python: LLM в реальных приложениях» 38 уроков Тесты в курсе «AI Developer на Python: LLM в реальных приложениях» 154 теста Задачи в курсе «AI Developer на Python: LLM в реальных приложениях» 123 задачи Время прохождения курса «AI Developer на Python: LLM в реальных приложениях» 24 ч. Последнее обновление курса «AI Developer на Python: LLM в реальных приложениях» обн. 24 сентября 2026

Основы AI-разработки и надежный LLM-клиент

6 уроков
1. Что создает AI Developer? ↗
2. Первый запрос к модели ↗
3. Как работает LLM на уровне, необходимом разработчику ↗
4. Сообщения и параметры запроса ↗
5. Конфигурация и секреты ↗
6. Делаем надежный LLM Client ↗

Инструкции, контекст и AI-диалоги

6 уроков
1. Проектирование инструкций и контекста ↗
2. Шаблоны и версии промптов ↗
3. Чат с историей: сессии и изоляция ↗
4. Управление размером истории ↗
5. Потоковая генерация ↗
6. Проверка промптов и диалогов ↗

Структурированные ответы и безопасный вызов инструментов

8 уроков
1. От свободного текста к контракту данных ↗
2. Структурированные ответы и JSON Schema ↗
3. Pydantic и валидация AI-ответов ↗
4. Практические AI-функции ↗
5. Вызов инструментов ↗
6. Реестр и выполнение инструментов ↗
7. Безопасность действий ↗
8. Большое ревью и рефакторинг проекта ↗

Документы, таблицы и изображения

7 уроков
1. Безопасная работа с файлами ↗
2. Извлечение текста из документов ↗
3. Табличные данные ↗
4. Проектирование Document AI Service ↗
5. Большие документы без RAG ↗
6. Изображения и Vision LLM ↗
7. Итоговые сценарии и проверка ↗

AI-бэкенд на FastAPI

6 уроков
1. От консольного приложения к FastAPI ↗
2. Типизированные AI эндпоинты и ошибки ↗
3. Chat API и сессии ↗
4. Потоковые ответы через SSE ↗
5. Загрузка и анализ файлов ↗
6. Тестирование AI API ↗

Надежность, качество и выпуск AI Backend

7 уроков
1. Надежность и ресурсные ограничения ↗
2. Безопасность итогового приложения ↗
3. Логи и метрики AI-приложения ↗
4. Проверка качества и защита от регрессий ↗
5. Финальное ревью проекта ↗
6. Docker и воспроизводимый запуск ↗
7. Финальная демонстрация и защита ↗