Курс на Stepik
Обложка курса «AI Engineer на Python: RAG, агенты, MCP и дообучение LLM» на Stepik
3 999₽ -26%
--:--:--
2 959 ₽

AI Engineer на Python: RAG, агенты, MCP и дообучение LLM ★ 0.000

Открыть на
STEPIK.ORG

В этом курсе вы научитесь создавать AI-сервисы на Python: разработаете шлюз для OpenAI, Anthropic, Ollama и vLLM, соберёте помощника на RAG и pgvector для работы с документами, изображениями и аудио (OCR, ASR, TTS), создадите агента на LangGraph и MCP и дообучите классификатор с LoRA/QLoRA. И на практике разберётесь, как оценивать качество моделей, контролировать расходы и запускать сервисы на FastAPI.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «AI Engineer на Python: RAG, агенты, MCP и дообучение LLM»Учеников на курсе 55
Сертификаты, выданные на курсе «AI Engineer на Python: RAG, агенты, MCP и дообучение LLM»Сертификатов выдано 0
Отзывы о курсе «AI Engineer на Python: RAG, агенты, MCP и дообучение LLM»Отзывов получено 0
Рейтинг курса «AI Engineer на Python: RAG, агенты, MCP и дообучение LLM»Рейтинг курса 0.000
Уроки в курсе «AI Engineer на Python: RAG, агенты, MCP и дообучение LLM»Количество уроков 55
Тесты в курсе «AI Engineer на Python: RAG, агенты, MCP и дообучение LLM»Количество квизов 231
Задачи с кодом в курсе «AI Engineer на Python: RAG, агенты, MCP и дообучение LLM»Количество задач с кодом 99
Время прохождения курса «AI Engineer на Python: RAG, агенты, MCP и дообучение LLM»Время прохождения курса —
Стоимость курса «AI Engineer на Python: RAG, агенты, MCP и дообучение LLM»Стоимость курса 3 999 ₽ —
Обновления курса «AI Engineer на Python: RAG, агенты, MCP и дообучение LLM»Обновления курса — —
Дата публикации курса «AI Engineer на Python: RAG, агенты, MCP и дообучение LLM»Дата публикации курса — ———
Последнее обновление курса «AI Engineer на Python: RAG, агенты, MCP и дообучение LLM»Последнее обновление — ———
Сложность normal — ———

Чему вы научитесь

  • Подключать внешние и локальные языковые модели через OpenAI, Anthropic, Ollama и vLLM.
  • Создавать на FastAPI шлюз, который выбирает подходящую модель для запроса.
  • Строить поиск по документам и помощника на RAG, PostgreSQL и pgvector.
  • Обрабатывать сканы, изображения и аудио с помощью OCR, ASR и TTS.
  • Разрабатывать AI-агентов с памятью и управляемыми действиями на LangGraph.
  • Подключать внешние инструменты к агенту через MCP.
  • Готовить данные и дообучать модели с помощью LoRA и QLoRA.
  • Оценивать качество ответов, скорость работы и стоимость AI-систем.
  • Защищать данные и проверять, как сервис ведёт себя при ошибках.

О курсе

В этом курсе вы научитесь создавать AI-сервисы на Python: разработаете шлюз для OpenAI, Anthropic, Ollama и vLLM, соберёте помощника на RAG и pgvector для работы с документами, изображениями и аудио (OCR, ASR, TTS), создадите агента на LangGraph и MCP и дообучите классификатор с LoRA/QLoRA. И на практике разберётесь, как оценивать качество моделей, контролировать расходы и запускать сервисы на FastAPI.

Для кого этот курс

Курс подойдёт: - Python-разработчикам с опытом работы с LLM API, которые хотят перейти от отдельных AI-функций к полноценным системам - Backend-разработчикам, которые планируют добавить в продукты поиск по документам, анализ изображений и аудио или AI-агентов - AI-разработчикам, которые хотят освоить RAG, локальные модели, LangGraph, MCP и дообучение - Тем, кто хочет развиваться в направлении AI Engineering и собрать несколько самостоятельных проектов

Начальные требования

Для прохождения курса необходимо:

  • уверенно писать на Python
  • понимать HTTP и REST API, уметь создавать сервисы на FastAPI и Pydantic
  • иметь опыт работы с LLM API: отправлять запросы и получать структурированные ответы

Преподаватели курса

Аватар Илья Перминов
Илья Перминов
Занимаюсь веб-разработкой с 2006 года.
★ 5.0
16 курсов 4 786
→

Как проходит обучение

Курс состоит из десяти модулей. Каждый модуль включает:

  • понятные теоретические уроки с объяснением технологий и их ограничений
  • пошаговую практику на Python, вы пишете код, запускаете сервисы и проверяете результат
  • работу над одним из четырёх самостоятельных проектов
  • разбор архитектурных решений, типичных ошибок и способов их исправления
  • эксперименты с моделями и проверку качества, скорости и стоимости
  • задания и самостоятельные изменения для закрепления материала

Нагрузка

6-8

Расскажите о курсе друзьям