Хороший курс для бэкендеров!
Благодарю!
Идеальный стартовый шаг к нейросетям для разработчика без глубокого знания математики
Благодарю за отзыв!
Курс дает хорошее базовое понимание проблем, возникающих при разработке agentic RAG систем, и демонстрирует современные подходы к их решению. В качестве плюсов следует назвать: - курс имеет продуманную и логичную структуру - затронуты очень (на мой вкус) интересные темы -- reranking, дообучение, оценка качества RAG - достаточно подробно рассмотрен RAG -- какие векторные БД когда применимы, зачем нужны метаданные, почему галлюцинации, мониторинг и т.п. - все рассмотренные модели и инструменты (почти все) можно установить локально либо в Docker, не требуется платных подписок - все приведеные в курсе примеры кода рабочие, а если что-то пошло не так, автор отвечает оперативно, содержательно, вникая в проблему - интересные упражнения с агентами на CrewAI - очень полезный и завершенный с инженерной точки зрения финальный проект, показывающий как работают в связке почти все изученные в курсе компоненты - в требованиях к курсу обозначены "Опыт с FastAPI... понимание асинк программирования", но отсуствие этих навыков не является проблемой для прохождения, курс о другом Из того, что можно улучшить (мой субъектиный взгляд): - большинство кодинг-тестов, скорее, проверяют базовые знания программирования на Python - некоторые лекции чрезмерно конспективны, нуждаются в расширении - по некоторым темам отдельно - реранкинг: например, дообучение реранкера в случае, когда важна релевантность поиска в спец предм области - LoRA-дообучение: с теоретической точки зрения + подробный разбор того что происходит в Colab ноутбуке - multi-agent системы: да, интересно, но, возможно, заслуживают отд курса -- можно вообще исключить за счет доп раскрытия других тем - квантование, gguf: подробнее про квантование, форматы моделей, что именно и какие проблемы решает (либо я упустил) - чанкинг: упомянут, да, в курсе он неактуален, но в реалиях в RAG грузятся тома документации - промптинг: перечислены основные подходы, но нехватает примеров и упражнений - насчет "понимания асинхронного программирования" -- разумееется, это "побочная" тема, но был бы полезен либо мини-краш-курс в рамках курса, либо отсылка к материалам за его пределами В целом, курс однозначно рекомендую. Автору респект!
Спасибо за развёрнутый отзыв! Постараюсь дополнить некоторые упомянутые темы, либо вынести в отдельный курс upd: Обновил некоторые модули в курсе исходя из ваших замечаний: Модуль 2.7: расширенные стратегии промптинга (Structured Output, Role Prompting, Negative Constraints) + 2 новых теста Модуль 3.6: новый урок по расширенным стратегиям чанкинга и реранкинга + 5 тестов Модуль 4.5: дополнительный шаг с подробным разбором цикла Reason → Act → Observe в агентных системах Модуль 6.2: подробный разбор форматов моделей (GGUF, AWQ, GPTQ) и суффиксов квантования + 3 теста Модуль 7.2: пошаговые пояснения к каждому блоку кода для Colab при дообучении через LoRA
Хороший курс. Автор активно улучшает и дополняет материал, дает фидбек в комментариях. Думаю со временем курс будет только лучше и лучше. Курс даем базовое понимание работы ии агентов и учит писать их самим.
Благодарю за обратную связь!
Курс очень понравился. После прохождения стало гораздо понятнее, как устроен процесс разработки и как собрать рабочее приложение из разных частей. Особенно полезно было увидеть не только теорию, но и практический подход. Понравилась подача материала: все достаточно понятно и по делу. Из улучшений хотелось бы увидеть полный проект, максимально приближенный к продакшену, без упрощений и компромиссов.
Спасибо за хороший отзыв! Рад, что курс понравился. По поводу полного проекта нужно подумать, чтобы это вписывалось в рамки материала, который дан в курсе. Благодарю за идею!
Курс отличный. Охватывает очень широкий спектр тем которые необходимо знать для продакшена RAG систем . В целом курс больше ориентирован на инженерию , что как мне кажется , является преимуществом , потому что найти всю эту информацию в одном месте в сжатом и понятном виде очень сложно. Автор курса быстро отвечает на вопросы и комментарии , и в целом курс проходить приятно и интересно. Пожелания: хотелось бы репозиторий с ноутбуками или .py файлами, чтобы можно быстро найти необходимую инофрмацию локально. Спасибо.
Спасибо за обратную связь! На счёт ноутбуков хорошая идея..
Шикарный курс! Несмотря на то, что попался случайно, именно что мне необходимо было. Планирую заняться формированием команды ИИ-агентов на базе языковых моделей для решения задач программной инженерии приложений критической важности. Естественно, никакие данные не должны попадать в Интернет. Естественно, нужны локальные модели. Естественно, нужен RAG. И, как я понял из курса, мне понадобится для поставленных задач еще и LoRA дообучение локальной модели, поскольку нужен не просто поиск ответа в базе знаний, а генерация артефактов по заданным правилам. Для себя узнал много полезной информации, включая важнейшую практику с четко выбранными инструментами.
Благодарю за фидбэк!