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 621
Сертификаты, выданные на курсе «LLM Fundamentals»Сертификатов выдано 0
Отзывы о курсе «LLM Fundamentals»Отзывов получено 8
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