Сколько стоит курс «LLM Testing: тестирование AI-приложений и агентов»?

Стоимость курса составляет 3990.00 рублей

Сколько времени занимает прохождение курса «LLM Testing: тестирование AI-приложений и агентов»?

Прохождение курса «LLM Testing: тестирование AI-приложений и агентов» занимает примерно 1 часов.

Какой рейтинг у курса «LLM Testing: тестирование AI-приложений и агентов»?

Курс имеет рейтинг 0.0 из 5 на основе 0 отзывов. На курсе обучается 0 учеников.

Где можно пройти курс «LLM Testing: тестирование AI-приложений и агентов»?

Курс доступен на образовательной платформе Stepik по адресу stepik.org/course/304045.

Курс на Stepik

Обложка курса «LLM Testing: тестирование AI-приложений и агентов» на Stepik

3 990 ₽

LLM Testing: тестирование AI-приложений и агентов ★ 0.000

Name: LLM Testing: тестирование AI-приложений и агентов
Price: 3990.00 RUB
Availability: InStock
Rating: 0 (0 reviews)

Открыть на
STEPIK.ORG

Курс по автоматизированному тестированию LLM-приложений для QA и Python-разработчиков. Вы создадите на Python и pytest собственный набор проверок для Service Desk AI: факты и ссылки на источники, действия агентов, права доступа, безопасность и регрессии. Подключите тесты к CI и в итоговой работе обоснуете решение о выпуске по результатам сравнения версий. Практические задания проверяет преподаватель, поддержка — в комментариях.

Показатель	Текущие показатели		Рост
Показатель	Значение	🏆 Рейтинг	3 дн	7 дн	30 дн
Учеников на курсе	0
Сертификатов выдано	0
Отзывов получено	0
Рейтинг курса	0.000
Количество уроков	43
Количество квизов	40
Количество задач с кодом	39
Время прохождения курса	1 ч.	—
Стоимость курса	3 990 ₽	—
Обновления курса	—	—
Дата публикации курса	14 часов назад	—	—	—	—
Последнее обновление	4 ноября 2026	—	—	—	—
Сложность	normal	—	—	—	—

Содержание курса

Разделы в курсе «LLM Testing: тестирование AI-приложений и агентов»

11 разделов Уроки в курсе «LLM Testing: тестирование AI-приложений и агентов»

43 урока Тесты в курсе «LLM Testing: тестирование AI-приложений и агентов»

40 тестов Задачи в курсе «LLM Testing: тестирование AI-приложений и агентов»

39 задач Время прохождения курса «LLM Testing: тестирование AI-приложений и агентов»

1 ч.

обн. 4 ноября 2026

Начало работы

6 уроков

1. Знакомство с XNova ↗

2. Знакомство с курсом и итоговой задачей ↗

3. Как сдавать практические задания ↗

4. Получаем доступ к учебному проекту ↗

5. Отправляем GitHub-профиль ↗

6. Создаём приватный форк ↗

Тестируемое AI-приложение

3 урока

1. Запускаем Service Desk AI ↗

2. Разбираем путь ответа и вызовов инструментов ↗

3. Составляем карту рисков и первую проверку ↗

Архитектура автотестов на Python

4 урока

1. Пишем типизированный API-клиент ↗

2. Изолируем состояние через pytest-фикстуры ↗

3. Параметризуем сценарии без копирования тестов ↗

4. Пишем проверки и сохраняем доказательства ↗

Эталонные наборы данных

4 урока

1. Описываем контракт golden case ↗

2. Подбираем позитивные, негативные и пограничные кейсы ↗

3. Проверяем изменения формулировок и метаморфные свойства ↗

4. Версионируем разметку и защищаем контрольный набор ↗

Проверка ответов и достоверности

4 урока

1. Валидируем структурированный ответ ↗

2. Проверяем утверждения по исходным документам ↗

3. Проверяем цитаты и обоснованный отказ ↗

4. Оцениваем смысл без сравнения строк ↗

Тестирование инструментов и поведения агента

4 урока

1. Проверяем контракт и аргументы инструмента ↗

2. Проверяем последовательность вызовов ↗

3. Проверяем права и изменения состояния ↗

4. Проверяем итог задачи агента ↗

Prompt injection и безопасность

4 урока

1. Тестируем прямые попытки подменить инструкции ↗

2. Тестируем инструкции внутри документов ↗

3. Тестируем подмену результата инструмента ↗

4. Проверяем разграничение доступа и утечки ↗

Метрики и надёжность оценивания

3 урока

1. Вычисляем метрики по категориям ошибок ↗

2. Проверяем повторяемость и нестабильность ↗

3. Калибруем LLM-судью на разметке ↗

Трассировки, надёжность и стоимость

4 урока

1. Читаем трассировку от запроса до результата ↗

2. Проверяем таймауты, ошибки и повторы ↗

3. Считаем токены и стоимость прогона ↗

4. Проверяем лимиты времени, вызовов и бюджета ↗

Регрессии и CI-гейты

4 урока

1. Сравниваем baseline и candidate ↗

2. Проверяем чувствительность тестов на дефектах ↗

3. Разделяем проверку кода, модели и решение о выпуске ↗

4. Настраиваем проверяемое решение о выпуске ↗

Итоговое исследование регрессии

3 урока

1. Получаем незнакомый кандидат релиза ↗

2. Находим и доказываем регрессии ↗

3. Готовим решение о выпуске ↗