Курс на Stepik
Обложка курса «LLM Fundamentals» на Stepik
Бесплатно

LLM Fundamentals ★ 5.000

Открыть на
STEPIK.ORG

Как работают LLM под капотом и как долго мы шли к этой архитектуре? Как обучаются LLM и имеет ли смысл обучать свою LLM с нуля? Какие ограничения есть у LLM и откуда они берутся? Как строить современные LLM-продукты и почему LLM это не самое важное? Как скоро наступит AGI и приведут ли LLM к этому? На эти и другие вопросы мы ответим в ходе данного курса.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «LLM Fundamentals»Учеников на курсе 770
Сертификаты, выданные на курсе «LLM Fundamentals»Сертификатов выдано 0
Отзывы о курсе «LLM Fundamentals»Отзывов получено 10
Рейтинг курса «LLM Fundamentals»Рейтинг курса 5.000
Уроки в курсе «LLM Fundamentals»Количество уроков 22
Тесты в курсе «LLM Fundamentals»Количество квизов 51
Задачи с кодом в курсе «LLM Fundamentals»Количество задач с кодом 4
Время прохождения курса «LLM Fundamentals»Время прохождения курса —
Обновления курса «LLM Fundamentals»Обновления курса — —
Дата публикации курса «LLM Fundamentals»Дата публикации курса — ———
Последнее обновление курса «LLM Fundamentals»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «LLM Fundamentals» 7 разделов Уроки в курсе «LLM Fundamentals» 22 урока Тесты в курсе «LLM Fundamentals» 51 тест Задачи в курсе «LLM Fundamentals» 4 задачи Время прохождения курса «LLM Fundamentals» 3 ч. Последнее обновление курса «LLM Fundamentals» обн. 11 мая 2026

Введение в нейронные сети

4 урока
1. Добро пожаловать ↗
2. Нейронные сети ↗
3. Матрицы ↗
4. Графические процессы (GPU) ↗

🔒︎ Особенности работы нейросетей с текстом

2 урока
1. Токенизация ↗
2. Векторизация ↗

🔒︎ Эволюция нейросетей для работы с текстом

4 урока
1. Рекуррентные нейронные сети (RNN) ↗
2. Архитектура Encoder-Decoder ↗
3. Архитектура Transformer ↗
4. Архитектура GPT (Generative Pre-Trained Transformer) ↗

🔒︎ Обучение больших языковых моделей

3 урока
1. Pretrain ↗
2. Supervised Fine-Tuning (SFT) ↗
3. Alignment ↗

🔒︎ Продвинутые техники

4 урока
1. Reasoning ↗
2. Knowledge Distillation ↗
3. Mixture of Experts ↗
4. Multimodal ↗

🔒︎ Фундаментальное понимание LLM

3 урока
1. Философия LLM ↗
2. Ограничения LLM ↗
3. Темная сторона LLM ↗

🔒︎ Заключение

4 урока
1. LLM Fundamentals Recap ↗
2. Как создавать надежные AI/LLM-приложения ↗
3. Путь к AGI ↗
4. Дальнейшее развитие ↗