Чему вы научитесь
- Вы разберётесь в архитектурах больших языковых моделей, научитесь отличать проприетарные и open‑source решения и выбирать подходящую модель под конкретную задачу. Освоите продвинутые техники промпт‑инжиниринга: шаблоны, few‑shot prompting, chain‑of‑thought, self‑consistency и Tree‑of‑Thoughts.
- Отдельный блок будет посвящён работе с памятью в LangChain: вы научитесь использовать буферную память, оконную память, суммаризацию, графовую память и комбинированные стратегии. Также вы соберёте RAG‑пайплайны: загрузите документы из PDF, HTML, аудио и баз данных, настроите сегментацию текста, эмбеддинги, векторные базы данных Chroma, Qdrant и FAISS, а также гибридный поиск.
О курсе
AI‑инженер: LLM‑приложения на Python — это практический курс, в котором вы шаг за шагом освоите современные технологии генеративного ИИ. С нуля научитесь строить приложения на основе больших языковых моделей (LLM) с использованием LangChain/LangGraph, реализуете память, Retrieval‑Augmented Generation (RAG), агенты и графовые пайплайны, а затем доведёте их до продакшна с API, кэшированием и мониторингом.
Для кого этот курс
Python‑разработчикам и фулл‑стек разработчикам, которые хотят расширить свой стек до генеративных моделей и интегрировать ИИ‑функции в приложения.
ML/AI‑инженерам, желающим перейти от классического ML к системной разработке LLM‑приложений, RAG‑пайплайнов и агентов.
Студентам и исследователям, интересующимся современными подходами к памяти, контексту, планированию и state‑графам.
Начальные требования
-
Уверенные навыки программирования на Python (функции, классы, работа с пакетами).
-
Опыт работы с командной строкой и Git (управление версиями).
-
Базовое понимание принципов машинного обучения и NLP необязательно, но облегчит изучение.
Преподаватели курса
673
Как проходит обучение
Краткие теоретические модули с кодом и схемами
Тесты на понимание
Сертификат
Успешно завершив курс, вы получите сертификат от платформы Stepik. Уже 2 учеников получили сертификат.
Что вы получите
- Готовность к реальным задачам AI-инженера в коммерческой разработке
- Понимание полного цикла создания LLM-приложений
- Уверенная работа с современным стеком: LangChain, LangGraph, векторные БД
Нагрузка
4 часа в неделю