Содержание курса
21
раздел
38
уроков
1
тест
12
задач
2 ч.
обн. 12 мая 2026
1. Организационная информация
1 урок
2
1
0м
0
Закрытый
1.1
Организационная информация
↗
2
1
-
0
2. Введение в NLP. Эмбеддинги слов.
2 урока
0
0
0м
0
Закрытый
2.1
Лекция. Эмбеддинги слов.
↗
0
0
-
0
Закрытый
2.2
Семинар. Обработка и классификация текстов
↗
0
0
-
0
3. Домашнее задание. Ранжирование текстов на основе эмбеддингов
1 урок
1
1
0м
0
Закрытый
3.1
Ранжирование текстов на основе эмбеддингов
↗
1
1
-
0
4. Рекуррентные нейронные сети (RNN)
2 урока
1
1
0м
0
Закрытый
4.1
Лекция. Рекуррентные нейронные сети. Татьяна Гайнцева
↗
1
1
-
0
Закрытый
4.2
Семинар. Классификация текста с помощью RNN. Антон Земеров
↗
0
0
-
0
5. Домашнее задание. Классификация текста с помощью RNN
1 урок
1
1
0м
0
Закрытый
5.1
Домашнее задание. Классификация текста с помощью RNN
↗
1
1
-
0
6. Языковое моделирование
2 урока
0
0
0м
0
Закрытый
6.1
Лекция. Языковое моделирование. Антон Земеров
↗
0
0
-
0
Закрытый
6.2
Семинар. Языковое моделирование. Антон Земеров
↗
0
0
-
0
7. Домашнее задание. Языковое моделирование
1 урок
1
1
0м
0
Закрытый
7.1
Домашнее задание. Языковое моделирование
↗
1
1
-
0
8. Машинный перевод и механизм Attention
3 урока
0
0
0м
0
Закрытый
8.1
Лекция. Машинный перевод и механизм Attention
↗
0
0
-
0
Закрытый
8.2
Семинар. Машинный перевод
↗
0
0
-
0
Закрытый
8.3
Дополнительные материалы
↗
0
0
-
0
9. Архитектура Transformer
3 урока
0
0
0м
0
Закрытый
9.1
Лекция. Attention и трансформер. Татьяна Гайнцева
↗
0
0
-
0
Закрытый
9.2
Семинар. Attention и трансформеры. Игорь Щукин
↗
0
0
-
0
Закрытый
9.3
Дополнительные материалы
↗
0
0
-
0
10. Предобучение и дообучение языковых моделей
2 урока
0
0
0м
0
Закрытый
10.1
Лекция. Предобучение и файнтьюнинг LM. Антон Земеров
↗
0
0
-
0
Закрытый
10.2
Семинар. Файнтьюнинг BART для суммаризации. Антон Земеров
↗
0
0
-
0
11. Домашнее задание. Предобучение и дообучение языковых моделей
1 урок
0
0
0м
0
Закрытый
11.1
Домашнее задание. Трансформеры
↗
0
0
-
0
12. От GPT до GPT-3. Zero-shot Learning.
1 урок
0
0
0м
0
Закрытый
12.1
Лекция. GPT-модели
↗
0
0
-
0
13. GPT-2, GPT-3, RAG
2 урока
0
0
0м
0
Закрытый
13.1
Лекция. GPT2 и далее
↗
0
0
-
0
Закрытый
13.2
Семинар. RAG
↗
0
0
-
0
14. Домашнее задание. RAG
1 урок
0
0
0м
0
Закрытый
14.1
Домашнее задание. RAG
↗
0
0
-
0
15. Интерпретируемость трансформеров
2 урока
0
0
0м
0
Закрытый
15.1
Лекция. Интерпретируемость трансформеров.
↗
0
0
-
0
Закрытый
15.2
Семинар. Интерпретируемость трансформеров.
↗
0
0
-
0
16. Детекция сгенерированных текстов
2 урока
0
0
0м
0
Закрытый
16.1
Лекция. Детекция сгенерированных текстов.
↗
0
0
-
0
Закрытый
16.2
Семинар. Детекция сгенерированных текстов.
↗
0
0
-
0
17. Домашнее задание. Детекция сгенерированных текстов.
1 урок
0
0
0м
0
Закрытый
17.1
Домашнее задание. Детекция сгенерированных текстов.
↗
0
0
-
0
18. Дополнительный модуль. Работа с Yandex Cloud
7 уроков
0
0
0м
0
Закрытый
18.1
Введение. Что такое Yandex Datasphere
↗
0
0
-
0
Закрытый
18.2
Домашнее задание. Ранжирование на основе Yandex Embeddings
↗
0
0
-
0
Закрытый
18.3
Домашнее задание. Машинный перевод в Yandex Translate
↗
0
0
-
0
Закрытый
18.4
Лонгрид. Особенности эксплуатации GPT-моделей в облаке.
↗
0
0
-
0
Закрытый
18.5
Лонгрид. До-обучение Yandex GPT и LLaMA
↗
0
0
-
0
Закрытый
18.6
Домашнее задание. Извлечение именованных сущностей с помощью LLM
↗
0
0
-
0
Закрытый
18.7
Лонгрид. RAG на основе YandexGPT
↗
0
0
-
0
19. Дополнительный модуль. LLM-Агенты
1 урок
0
0
0м
0
Закрытый
19.1
Открытая лекция. LLM-агенты
↗
0
0
-
0
20. Итоговый проект
1 урок
0
0
0м
0
Закрытый
20.1
Итоговый проект. Описание и форма сдачи
↗
0
0
-
0
21. Модуль для дополнительных баллов
1 урок
0
0
0м
0
Закрытый
21.1
Урок для дополнительных баллов
↗
0
0
-
0