Курс на Stepik
Обложка курса «LLM-инженер: от prompt-инжиниринга до production» на Stepik
Бесплатно

LLM-инженер: от prompt-инжиниринга до production ★ 5.000

Открыть на
STEPIK.ORG

End-to-end курс по production-LLM-приложениям на Python: prompt-engineering, structured output, RAG, агенты, evaluation, monitoring, security. 14 основных + 3 бонусных модуля, около 20 заданий с автопроверкой, финальный проект.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «LLM-инженер: от prompt-инжиниринга до production»Учеников на курсе 478
Сертификаты, выданные на курсе «LLM-инженер: от prompt-инжиниринга до production»Сертификатов выдано 0
Отзывы о курсе «LLM-инженер: от prompt-инжиниринга до production»Отзывов получено 2
Рейтинг курса «LLM-инженер: от prompt-инжиниринга до production»Рейтинг курса 5.000
Уроки в курсе «LLM-инженер: от prompt-инжиниринга до production»Количество уроков 19
Тесты в курсе «LLM-инженер: от prompt-инжиниринга до production»Количество квизов 76
Задачи с кодом в курсе «LLM-инженер: от prompt-инжиниринга до production»Количество задач с кодом 15
Время прохождения курса «LLM-инженер: от prompt-инжиниринга до production»Время прохождения курса —
Обновления курса «LLM-инженер: от prompt-инжиниринга до production»Обновления курса — —
Дата публикации курса «LLM-инженер: от prompt-инжиниринга до production»Дата публикации курса — ———
Последнее обновление курса «LLM-инженер: от prompt-инжиниринга до production»Последнее обновление — ———
Сложность normal — ———

Содержание курса

Разделы в курсе «LLM-инженер: от prompt-инжиниринга до production» 8 разделов Уроки в курсе «LLM-инженер: от prompt-инжиниринга до production» 19 уроков Тесты в курсе «LLM-инженер: от prompt-инжиниринга до production» 76 тестов Задачи в курсе «LLM-инженер: от prompt-инжиниринга до production» 15 задач Время прохождения курса «LLM-инженер: от prompt-инжиниринга до production» 6 ч. Последнее обновление курса «LLM-инженер: от prompt-инжиниринга до production» обн. 4 июня 2026

Введение

1 урок
1. Добро пожаловать ↗

Часть 1. Базы LLM-инженерии

4 урока
1. Что такое LLM и как они работают ↗
2. Prompt engineering: zero-shot, few-shot, chain-of-thought ↗
3. Setup проекта и LLM-клиент ↗
4. Structured output и function calling ↗

Часть 2. LLM как инструмент для классического NLP

1 урок
1. NLP-задачи через LLM: классификация, NER, суммаризация ↗

Часть 3. RAG

5 уроков
1. Зачем нужен RAG (и когда без него легче) ↗
2. Chunking и embeddings: фундамент retrieval ↗
3. Vector stores и retrieval: dense, sparse, hybrid ↗
4. Reranking и generation: финальный отбор и качественный ответ ↗
5. Evaluation: метрики, golden datasets, систематическая оценка ↗

Часть 4. LLM-агенты

2 урока
1. LLM-агенты: tool use и единичные агенты ↗
2. Multi-agent системы и роутинг ↗

Часть 5. Production и финальный проект

2 урока
1. Production: caching, monitoring, latency, security ↗
2. Финальный проект: end-to-end LLM-приложение ↗

Часть 6. Бонус

3 урока
1. Fine-tuning: LoRA/QLoRA — когда нужно (и когда нет) ↗
2. AI Safety: модель угроз, атаки на LLM-приложения и red-teaming ↗
3. Ингест и парсинг документов для RAG ↗

Заключение

1 урок
1. Спасибо и обратная связь ↗