Сколько стоит курс «LLM для Python-разработчиков: для продвинутых»?

Стоимость курса составляет 1995.00 рублей

Какой рейтинг у курса «LLM для Python-разработчиков: для продвинутых»?

Курс имеет рейтинг 0.0 из 5 на основе 0 отзывов. На курсе обучается 16 учеников.

Выдаётся ли сертификат по окончании курса?

Да, при успешном завершении курса выдаётся сертификат от платформы Stepik. На данный момент 1 учеников получили сертификат (6.2% завершаемость).

Где можно пройти курс «LLM для Python-разработчиков: для продвинутых»?

Курс доступен на образовательной платформе Stepik по адресу stepik.org/course/295869.

Курс на Stepik

Обложка курса «LLM для Python-разработчиков: для продвинутых» на Stepik

LLM для Python-разработчиков: для продвинутых ★ 0.000

Name: LLM для Python-разработчиков: для продвинутых
Price: 1995.00 RUB
Availability: InStock
Rating: 0 (0 reviews)

Открыть на
STEPIK.ORG

Продолжение курса «LLM для Python-разработчиков: от RAG до агентов». Как довести LLM-сервис до продакшена: vLLM и Ollama Cloud, мультимодальный RAG, оценка качества, мониторинг, безопасность и стоимость запросов.

Показатель	Текущие показатели		Рост
Показатель	Значение	🏆 Рейтинг	3 дн	7 дн	30 дн
Учеников на курсе	16
Сертификатов выдано	1
Отзывов получено	0
Рейтинг курса	0.000
Количество уроков	68
Количество квизов	519
Количество задач с кодом	100
Стоимость курса	3 990 ₽	—
Обновления курса	—	—
Дата публикации курса	15 часов назад	—	—	—	—
Последнее обновление	1 ноября 2026	—	—	—	—
Сложность	normal	—	—	—	—

Содержание курса

Разделы в курсе «LLM для Python-разработчиков: для продвинутых»

13 разделов Уроки в курсе «LLM для Python-разработчиков: для продвинутых»

68 уроков Тесты в курсе «LLM для Python-разработчиков: для продвинутых»

519 тестов Задачи в курсе «LLM для Python-разработчиков: для продвинутых»

100 задач Последнее обновление курса «LLM для Python-разработчиков: для продвинутых»

обн. 1 ноября 2026

Введение

1 урок

1. О курсе ↗

Инференс в продакшене: vLLM и облачные модели

8 уроков

1. Ollama и vLLM: чем отличаются ↗

2. Как устроен vLLM: пакетная обработка и кэш внимания ↗

3. Запуск vLLM на CPU ↗

4. Облачная модель через OpenAI-совместимый API ↗

5. Лимиты контекста, параллельные запросы и повторные попытки ↗

6. Потоковая генерация и замеры задержки и токенов ↗

7. Единый клиент инференса и FastAPI-сервис ↗

8. Закрепление материала ↗

Управление контекстом в длинных диалогах и RAG

5 уроков

1. Контекстное окно как ограниченный ресурс ↗

2. Как собрать промпт: найденные фрагменты, история и вложения ↗

3. Сжатие истории и иерархический контекст ↗

4. Проблема «потери середины» и когда выгоднее RAG ↗

5. Закрепление материала ↗

Продвинутый RAG: архитектуры следующего уровня

6 уроков

1. Понимание запроса: переформулировка и маршрутизация ↗

2. Поиск в Qdrant: родительские и дочерние чанки ↗

3. Агентный RAG: поиск, проверка и повторный поиск ↗

4. Граф знаний поверх документов ↗

5. Web-search и цитирование источников ↗

6. Закрепление материала ↗

Мультимодальный RAG: документы, изображения и схемы

7 уроков

1. Зачем нужна мультимодальность: PDF, скриншоты, схемы и таблицы ↗

2. Два подхода: описание картинки или мультимодальные эмбеддинги ↗

3. Загрузка документов: разметка страницы, OCR и таблицы ↗

4. Индекс в Qdrant: тип содержимого в метаданных ↗

5. Поиск по тексту и изображению ↗

6. Ответ с vision-моделью в Ollama ↗

7. Закрепление материала ↗

Структурированный вывод и контракты с кодом

4 урока

1. JSON-схема и ограниченная генерация на стороне инференса ↗

2. Валидация через Pydantic и повтор при ошибке формата ↗

3. Извлечение сущностей из документов, таблиц и сканов ↗

4. Закрепление материала ↗

Оценка качества LLM-систем

6 уроков

1. Эталонные кейсы, достоверность и релевантность ↗

2. Метрики качества поиска и ответа ↗

3. Оценка мультимодальных ответов: опора на слайд или рисунок ↗

4. LLM-as-a-Judge: когда ошибается и как стабилизировать ↗

5. Регрессионные тесты пайплайна в CI через pytest ↗

6. Закрепление материала ↗

Мониторинг и трассировка инференса

4 урока

1. Phoenix: Трейс пайплайна ↗

2. Метрики инференса: очередь, задержка, токены и лимиты free tier ↗

3. Версионирование модели, промпта, индекса и чанкера ↗

4. Алерты по квотам, задержке и деградации качества ↗

Безопасность LLM-систем в продакшене

7 уроков

1. Карта угроз OWASP для LLM-приложений ↗

2. Инъекции в промпт: прямые и косвенные через RAG ↗

3. Утечки: системный промпт и документы других клиентов ↗

4. Персональные данные и 152-ФЗ: обнаружение и маскирование ↗

5. Отравленный индекс и опасные действия модели ↗

6. Модель угроз и чек-лист red team ↗

7. Закрепление материала ↗

Производительность, масштабирование и стоимость

7 уроков

1. Планирование нагрузки: от пользователей к RPS и нагрузочный тест ↗

2. Очереди, приоритеты и ограничение параллельных запросов ↗

3. Кэш эмбеддингов, ответов и префикса промпта: когда это безопасно ↗

4. Стоимость запроса: маршрутизация и каскад моделей ↗

5. Резервный бэкенд и деградация при исчерпании квоты ↗

6. Когда нужен GPU: расчёт памяти и квантизация (обзор) ↗

7. Закрепление материала ↗

Финальный проект: ассистент инженера

9 уроков

1. Архитектура и требования ↗

2. Окружение и база данных ↗

3. Загрузка документов и индекс ↗

4. Поиск и ответ ↗

5. Карточка инцидента ↗

6. Безопасность ↗

7. Оценка и CI ↗

8. Мониторинг ↗

9. Нагрузочное тестирование и приёмка в рамках квот ↗

Глоссарий и закрепление по всему курсу

3 урока

1. Глоссарий курса ↗

2. Тесты ↗

3. Задачи ↗

Заключение

1 урок

1. Заключение ↗