Чему вы научитесь
- Вызывать API языковых моделей из кода: стриминг, повторы, лимиты, контроль стоимости
- Получать строго структурированный ответ по JSON-схеме и проверять его на своей стороне
- Собирать поиск по документам и RAG: чанкинг, эмбеддинги, гибридный поиск, реранкинг
- Измерять качество наборами evals и ловить регрессии до релиза
- Писать агентов с tool calling, безопасным диспетчером вызовов и условиями остановки
- Выбирать модель под задачу и подтверждать выбор замером, а не ощущением
- Запускать модели локально через Ollama и vLLM, считать память и параллелизм
- Делать сервис надёжным: идемпотентность, кэш, ограничители скорости, очереди, чекпоинты
- Защищаться от инъекций промптов и утечки секретов и данных
- Автоматизировать рутину: почту, отчёты, вебхуки, ботов, сценарии в браузере
- Строить text-to-SQL с проверкой запроса и правами только на чтение
- Работать с pgvector в продакшене: индексы HNSW, фильтры, миграция эмбеддингов
- Писать серверы MCP и вести каталог инструментов с правами, версиями и аудитом
- Запускать код агента в песочнице с изоляцией и ресурсными лимитами
О курсе
Для кого этот курс
Курс рассчитан на практикующих разработчиков, которые уже пишут на Python и хотят встроить модели в свои сервисы и внутренние инструменты. Он будет полезен бэкенд-разработчикам, инженерам данных и тимлидам, которые выбирают подход для команды, а также всем, кто занимается внутренней автоматизацией: отчётами, обработкой почты, интеграциями и ботами.
Отдельно курс пригодится тем, кто уже сделал прототип на модели и застрял на вопросах качества, стоимости и надёжности. Именно этому посвящена большая часть программы.
Курс не подойдёт тем, кто только начинает изучать программирование, и тем, кто ищет обзор новостей индустрии без кода.
Начальные требования
Нужен уверенный Python: функции, классы, работа с файлами, виртуальное окружение, установка пакетов. Пригодится понимание HTTP-запросов и формата JSON, базовый опыт работы с командной строкой и системой контроля версий.
Асинхронность, SQL, Docker и работа с векторами разбираются по ходу курса, глубокое знание заранее не требуется. Математика не нужна: там, где встречаются метрики и расстояния, всё считается кодом и объясняется на числах.
Ключи платных провайдеров не обязательны. Все задачи с автопроверкой решаются на чистом Python без доступа в сеть, а примеры с моделями можно повторить на локальном запуске.
Преподаватели курса
14
Как проходит обучение
Курс проходится в своём темпе, материалы открыты сразу, порядок уроков рекомендательный. Каждый урок начинается с разбора темы на рабочих примерах кода, затем идут три или четыре коротких вопроса на понимание и одна задача с автопроверкой.
Задачи проверяются автоматически на пяти наборах тестов. Решение пишется на чистом Python: программа читает данные со стандартного ввода и печатает результат в стандартный вывод. Ключи, платные сервисы и доступ в сеть для этого не нужны, поэтому результат всегда воспроизводится.
Прогресс считается в баллах: проверочный вопрос даёт один балл, задача три, шаги итоговой работы стоят дороже. Пересдавать задание и возвращаться к любому уроку можно сколько угодно раз.
Начать стоит с вводного урока: там описано, как собрать окружение, какие версии библиотек использовать и как проходить курс без платных ключей.