очень большая работа была проделана авторами курса по систематизации способов атаки на LLM и решения, на их основе. Однако это не просто изложено в сухом виде, а опробовано в виде квизов (этим на степике никого не удивишь конечно) и тренажёра, где над заданиями нужно сидеть и думать. Тренажёр вообще хорошо задуман. Тут и игровая модель, и сценарии проверки, как будто сквозные, и даже визуальная составляющая располагает к желанию дальше проходить и решать. Но главный плюс - тренажёр находится в отладке, поэтому ребята его постоянно улучшают и, что крайне важно, дают оперативный отклик на появившуюся обратную связь от студентов. Если всё в таком духе продолжится и дальше, то перед нами будет продуманный продукт, который можно и вне степика использовать.
курс такой, по-хорошему, рокенролльный, залихватский такой.
вопрос, кто является конечной аудиторией курса. Для инженеров в области Deep Learning может вещи рассказаны довольно банальные (ну это не мне судить). С другой стороны, вся информация структурирована, что явный плюс. При этом есть определённый порог входа кмк. Т.е. в рамках тренажёра некоторые задачи можно канешна решать по наитию. Но, если стоит задача погрузиться в тему промпт-инъекций и джейлбрейков, то желательно понимать про веб-технологии, про модели языковые и про всю хайповую оболочку из агентов.
сложно сказать, как полученные знания можно будет заиспользовать, если не являешься девсекопсером или мл-инженером, но лично себе пополнил багаж знаний. Из пожеланий - подтянуть информацию по уязвимостям и противодействию им к имеющимся классификациям, типа OWASP. Конечно всё интенсивно меняется, но если предположить, что студентам курса вдруг выпадет задача описывать модель угроз или иной подобный документ в рамках гостированных работ, то привязка к классификации будет подспорьем ощутимым.
спасибо большое!