Курс на Stepik
Обложка курса «AI-агенты: инженерия и алгоритмы реальных ИИ систем» на Stepik
6 000 ₽

AI-агенты: инженерия и алгоритмы реальных ИИ систем ★ 0.000

Открыть на
STEPIK.ORG

Один из самых востребованных трендов последних лет - внедрение в существующие программные продукты технологий искусственного интеллекта и создание новых уникальных продуктов на их базе. Задача курса научить проектировать такие системы под реальные задачи, по текущим отраслевым подходам.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «AI-агенты: инженерия и алгоритмы реальных ИИ систем»Учеников на курсе 34
Сертификаты, выданные на курсе «AI-агенты: инженерия и алгоритмы реальных ИИ систем»Сертификатов выдано 3
Отзывы о курсе «AI-агенты: инженерия и алгоритмы реальных ИИ систем»Отзывов получено 0
Рейтинг курса «AI-агенты: инженерия и алгоритмы реальных ИИ систем»Рейтинг курса 0.000
Уроки в курсе «AI-агенты: инженерия и алгоритмы реальных ИИ систем»Количество уроков 33
Тесты в курсе «AI-агенты: инженерия и алгоритмы реальных ИИ систем»Количество квизов 24
Время прохождения курса «AI-агенты: инженерия и алгоритмы реальных ИИ систем»Время прохождения курса —
Стоимость курса «AI-агенты: инженерия и алгоритмы реальных ИИ систем»Стоимость курса 6 000 ₽ —
Обновления курса «AI-агенты: инженерия и алгоритмы реальных ИИ систем»Обновления курса — —
Дата публикации курса «AI-агенты: инженерия и алгоритмы реальных ИИ систем»Дата публикации курса — ———
Последнее обновление курса «AI-агенты: инженерия и алгоритмы реальных ИИ систем»Последнее обновление — ———
Сложность normal — ———

Содержание курса

Разделы в курсе «AI-агенты: инженерия и алгоритмы реальных ИИ систем» 6 разделов Уроки в курсе «AI-агенты: инженерия и алгоритмы реальных ИИ систем» 33 урока Тесты в курсе «AI-агенты: инженерия и алгоритмы реальных ИИ систем» 24 теста Время прохождения курса «AI-агенты: инженерия и алгоритмы реальных ИИ систем» 4 ч. Последнее обновление курса «AI-агенты: инженерия и алгоритмы реальных ИИ систем» обн. 19 июля 2026

Теоретический минимум по LLM (большим языковым моделям)

6 уроков
1. LLM взглянем в суть ↗
2. Что LLM может и не может ↗
3. Токены и контекст ↗
4. Как LLM исполняется и что для этого нужно ↗
5. Практика по Inference серверам (HARD*) ↗
6. Рассуждения(Reasoning) - может ли модель думать самостоятельно? ↗

Базовые алгоритмы и подходы построения агентов

11 уроков
1. Агенты взглянем в суть ↗
2. Базовые абстракции для проектирования алгоритмов ↗
3. Практика, заготовим клиент для разбора алгоритмов главы ↗
4. CoT (Chain-of-Thought) - цепочка рассуждений ↗
5. Tree-Of-Thought (ToT) - дерево рассуждений ↗
6. Re-Act (Reason + Act) - рассжудение и выполнение ↗
7. LATS (Language Agent Tree Search) - дерево поиска для агента ↗
8. Структурный вывод и вызов функций ↗
9. Кодогенерация как инструмент мышления (PAL) ↗
10. MCP ↗
11. Измерение и оценка качества агентской системы ↗

Подходы построения мультиагентных систем

6 уроков
1. Как сочетать множество агентов в один ↗
2. Последовательные цепочки на Langchain ↗
3. Разделение агентской системы по базовым функциям (MRKL) ↗
4. Графы и машины состояния ↗
5. Целеориентированные топологии ↗
6. Безопасность в агентских системах (Guardrails) ↗

Эффективное смешивание генерации с поиском

6 уроков
1. В чем смысл RAG (генерации дополненной поиском)? ↗
2. Общая архитектура системы класса RAG ↗
3. Измерение и оценка качества RAG системы ↗
4. Алгоритмы оптимизации RAG системы [Раздел дорабатывается] ↗
5. Векторные хранилища Qdrant и Milvus ↗
6. Более традиционные СУБД как векторные хранилища ↗

Каналы и модальности

3 урока
1. Общие канальные архитектурные шаблоны агентской системы ↗
2. Архитектура агента под телефонию и голосовые ВА ↗
3. Архитектуры непрямого взаимодействия [Раздел дорабатывается] ↗

Улучшение курса

1 урок
1. План развития курса ↗