Курс на Stepik

Обложка курса «CRISP-DM методология для реализации проектов в области ИИ» на Stepik

3 900 ₽

CRISP-DM методология для реализации проектов в области ИИ ★ 0.000

Открыть на
STEPIK.ORG

Практический курс по индустриальному стандарту управления AI/LLM проектами. Вы пройдёте полный цикл CRISP-DM — от постановки бизнес-задачи до мониторинга модели в продакшн — на реальных кейсах: чат-бот поддержки, OCR документов, RAG пайплайны. Без лишней теории — только то, что работает в реальных AI проектах.

Показатель	Текущие показатели		Рост
Показатель	Значение	🏆 Рейтинг	3 дн	7 дн	30 дн
Учеников на курсе	30
Сертификатов выдано	0
Отзывов получено	0
Рейтинг курса	0.000
Количество уроков	21
Количество квизов	36
Количество задач с кодом	4
Время прохождения курса	0 ч.	—
Стоимость курса	3 900 ₽	—
Обновления курса	—	—
Дата публикации курса	3 месяца назад	—	—	—	—
Последнее обновление	21 мая 2026	—	—	—	—
Сложность	easy	—	—	—	—

Содержание курса

Разделы в курсе «CRISP-DM методология для реализации проектов в области ИИ»

6 разделов Уроки в курсе «CRISP-DM методология для реализации проектов в области ИИ»

Уроки в курсе «CRISP-DM методология для реализации проектов в области ИИ»

21 урок Тесты в курсе «CRISP-DM методология для реализации проектов в области ИИ»

Тесты в курсе «CRISP-DM методология для реализации проектов в области ИИ»

36 тестов Задачи в курсе «CRISP-DM методология для реализации проектов в области ИИ»

Задачи в курсе «CRISP-DM методология для реализации проектов в области ИИ»

4 задачи Время прохождения курса «CRISP-DM методология для реализации проектов в области ИИ»

Время прохождения курса «CRISP-DM методология для реализации проектов в области ИИ»

0 ч.

Последнее обновление курса «CRISP-DM методология для реализации проектов в области ИИ»

обн. 21 мая 2026

1. Введение (2 урока)

2 урока

Закрытый

1.1 Что такое CRISP-DM и где он используется в AI/LLM проектах ↗

7

2

-

0

Закрытый

1.2 Обзор всего цикла за 10 минут — карта курса ↗

3

1

-

0

2. Business Understanding (3 урока + кейс)

4 урока

Закрытый

2.1 Как формулировать задачу для LLM проекта ↗

1

0

5м 39с

0

Закрытый

2.2 KPI бизнеса vs метрики модели — в чём разница ↗

2

0

-

0

Закрытый

2.3 Практика: бриф заказчика для чат-бота поддержки ↗

2

0

-

0

Закрытый

2.4 Кейс: банк хочет автоматизировать первую линию — с чего начать ↗

2

0

-

0

3. Data Understanding & Preparation (3 урока + кейс)

4 урока

Закрытый

3.1 Какие данные нужны для RAG и LLM пайплайнов ↗

2

0

-

0

Закрытый

3.2 Очистка и подготовка текстовых данных ↗

1

0

-

0

Закрытый

3.3 Практика: анализ базы знаний банка — что годится, что нет ↗

1

0

-

0

Закрытый

3.4 Кейс: OCR документов — как оценить качество входных данных ↗

1

0

-

0

4. Modeling & Evaluation (3 урока + кейс)

4 урока

Закрытый

4.1 Выбор подхода: RAG vs fine-tuning vs prompt engineering ↗

1

0

-

0

Закрытый

4.2 Как оценивать LLM ответы — метрики качества ↗

1

0

-

0

Закрытый

4.3 Практика: golden set — создаём эталонные вопросы и ответы ↗

0

0

-

0

Закрытый

4.4 Кейс: чат-бот отвечает неправильно — находим причину ↗

0

0

-

0

5. Deployment & Maintenance (3 урока + кейс)

4 урока

Закрытый

5.1 Как запустить LLM сервис в продакшн ↗

1

0

-

0

Закрытый

5.2 Мониторинг качества ответов и деградация модели ↗

0

0

-

0

Закрытый

5.3 Практика: план мониторинга для AI агента ↗

0

0

-

0

Закрытый

5.4 Кейс:модель начала галлюцинировать после обновления — что делать ↗

0

0

-

0

6. Финальный проект (2 урока + диплом)

3 урока

Закрытый

6.1 Как оформить CRISP-DM проект в портфолио ↗

0

0

-

0

Закрытый

6.2 Презентация результатов заказчику ↗

0

0

-

0

Закрытый

6.3 Диплом: самостоятельно пройти весь цикл на реальной задаче ↗

0

0

-

0