Курс на Stepik
Обложка курса «LLM-Engineer: Создание AI-продукта с нуля» на Stepik
669₽ -27%
--:--:--
489 ₽

LLM-Engineer: Создание AI-продукта с нуля ★ 4.333

Открыть на
STEPIK.ORG

С нуля создайте production‑ready LLM‑приложение с открытым исходным кодом. Пройдите полный цикл: от разработки высокопроизводительного API на FastAPI до внедрения продвинутой RAG‑архитектуры с векторными базами данных (Qdrant, pgvector, ChromaDB), многокомпонентным поиском и оценкой качества ответов. Познакомитесь с reranker для повышения релевантности и научитесь оценивать качество с RAGAS. В финале — готовый сервис, который можно добавить в портфолио.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «LLM-Engineer: Создание AI-продукта с нуля»Учеников на курсе 104
Сертификаты, выданные на курсе «LLM-Engineer: Создание AI-продукта с нуля»Сертификатов выдано 12
Отзывы о курсе «LLM-Engineer: Создание AI-продукта с нуля»Отзывов получено 3
Рейтинг курса «LLM-Engineer: Создание AI-продукта с нуля»Рейтинг курса 4.333
Уроки в курсе «LLM-Engineer: Создание AI-продукта с нуля»Количество уроков 20
Тесты в курсе «LLM-Engineer: Создание AI-продукта с нуля»Количество квизов 87
Время прохождения курса «LLM-Engineer: Создание AI-продукта с нуля»Время прохождения курса —
Стоимость курса «LLM-Engineer: Создание AI-продукта с нуля»Стоимость курса 669 ₽ —
Обновления курса «LLM-Engineer: Создание AI-продукта с нуля»Обновления курса — —
Дата публикации курса «LLM-Engineer: Создание AI-продукта с нуля»Дата публикации курса — ———
Последнее обновление курса «LLM-Engineer: Создание AI-продукта с нуля»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «LLM-Engineer: Создание AI-продукта с нуля» 8 разделов Уроки в курсе «LLM-Engineer: Создание AI-продукта с нуля» 20 уроков Тесты в курсе «LLM-Engineer: Создание AI-продукта с нуля» 87 тестов Время прохождения курса «LLM-Engineer: Создание AI-продукта с нуля» 1 ч. Последнее обновление курса «LLM-Engineer: Создание AI-продукта с нуля» обн. 5 октября 2026

Введение

3 урока
1. О курсе ↗
2. Что такое LLM и Токенизация? ↗
3. Введение в архитектуру LLM ↗

Фундамент и инженерная культура

4 урока
1. Управление зависимостями и средой ↗
2. Git Flow и GitHub: написание начального README ↗
3. Архитектура LLM-приложений: разделение на слои (FastAPI) ↗
4. Введение в SQLAlchemy и Alembic ↗

Работа с LLM и Prompt Engineering

3 урока
1. Взаимодействие с LLM через API, локальные модели(Ollama) ↗
2. Структурированный вывод (Structured Outputs) ↗
3. Продвинутый Prompt Engineering: Few-shot, Chain-of-Thought (CoT) ↗

Docker: Контейнеризация LLM приложений

3 урока
1. Введение в Docker и контейнеризацию ↗
2. Docker-compose: управление множеством контейнеров ↗
3. Dockerfile и интеграция docker в LLM приложение ↗

Базовый RAG (Retrieval-Augmented Generation)

5 уроков
1. Что такое RAG? ↗
2. Chunking (разбиение текста) ↗
3. Векторизация: выбор Embedding-моделей ↗
4. Введение в векторные БД (Qdrant, pgvector, ChromaDB) ↗
5. Повышенные техники RAG ↗

Оценка качества и тестирование

4 урока
1. Метрики RAG: faithfulness, answer relevancy, context precision/r ↗
2. Инструменты: RAGAS, LLM-as-judge ↗
3. Тестирование на pytest ↗
4. Метрики: latency, token usage, cost per request ↗

Финальный проект: Production RAG-сервис

1 урок
1. ТЗ и архитектурные требования ↗

Финал

1 урок
1. Конец курса ↗