Курс на Stepik
Обложка курса «RAG и LLM на практике: создание AI-приложений с нуля» на Stepik
1 290 ₽

RAG и LLM на практике: создание AI-приложений с нуля ★ 0.000

Открыть на
STEPIK.ORG

Практический курс о том, как строить RAG‑приложения вокруг LLM: данные, retrieval, ответы с опорой на источники, оценка качества и базовые продакшен‑практики.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «RAG и LLM на практике: создание AI-приложений с нуля»Учеников на курсе 26
Сертификаты, выданные на курсе «RAG и LLM на практике: создание AI-приложений с нуля»Сертификатов выдано 0
Отзывы о курсе «RAG и LLM на практике: создание AI-приложений с нуля»Отзывов получено 0
Рейтинг курса «RAG и LLM на практике: создание AI-приложений с нуля»Рейтинг курса 0.000
Уроки в курсе «RAG и LLM на практике: создание AI-приложений с нуля»Количество уроков 36
Тесты в курсе «RAG и LLM на практике: создание AI-приложений с нуля»Количество квизов 36
Время прохождения курса «RAG и LLM на практике: создание AI-приложений с нуля»Время прохождения курса —
Стоимость курса «RAG и LLM на практике: создание AI-приложений с нуля»Стоимость курса 1 290 ₽ —
Обновления курса «RAG и LLM на практике: создание AI-приложений с нуля»Обновления курса — —
Дата публикации курса «RAG и LLM на практике: создание AI-приложений с нуля»Дата публикации курса — ———
Последнее обновление курса «RAG и LLM на практике: создание AI-приложений с нуля»Последнее обновление — ———

Содержание курса

Разделы в курсе «RAG и LLM на практике: создание AI-приложений с нуля» 9 разделов Уроки в курсе «RAG и LLM на практике: создание AI-приложений с нуля» 36 уроков Тесты в курсе «RAG и LLM на практике: создание AI-приложений с нуля» 36 тестов Время прохождения курса «RAG и LLM на практике: создание AI-приложений с нуля» 0 ч. Последнее обновление курса «RAG и LLM на практике: создание AI-приложений с нуля» обн. 25 мая 2026

1. Зачем RAG: почему одной LLM недостаточно

4 урока
Закрытый
1.1 Старт: зачем вам RAG и как мы будем строить ↗
20
1
6м 1с
0
Закрытый
1.2 Галлюцинации в проде: почему “знания модели” не спасают ↗
3
1
-
0
Закрытый
1.3 RAG простыми словами: поиск, контекст, ответ ↗
3
1
-
0
Закрытый
1.4 Критерии хорошего RAG и итоговый проект ↗
2
1
-
0

2. Архитектура RAG: компоненты и потоки данных

4 урока
Закрытый
2.1 Компоненты RAG‑пайплайна: ingestion, index, retrieval,… ↗
2
1
-
0
Закрытый
2.2 Два качества вместо одного: retrieval против generation ↗
2
1
-
0
Закрытый
2.3 Варианты RAG: Q&A, диалог, agentic‑подход ↗
2
2
-
0
Закрытый
2.4 Минимальный сервис: каркас проекта и конфигурация ↗
1
0
-
0

3. Данные для RAG: источники, chunking, метаданные

4 урока
Закрытый
3.1 Источники знаний: PDF, HTML, базы и их ловушки ↗
1
0
-
0
Закрытый
3.2 Chunking по смыслу: как резать, чтобы находилось ↗
1
0
-
0
Закрытый
3.3 Метаданные как рычаг: фильтры, версии, права доступа ↗
0
0
-
0
Закрытый
3.4 Обновление индекса: инкремент и переиндексация без боли ↗
0
0
-
0

4. Эмбеддинги и векторный индекс

4 урока
Закрытый
4.1 Эмбеддинги в RAG: что значит “похожие тексты” ↗
0
0
-
0
Закрытый
4.2 Выбор эмбеддинг‑модели: качество, язык, цена, скорость ↗
0
0
-
0
Закрытый
4.3 Векторное хранилище: операции, фильтры, компромиссы ↗
0
0
-
0
Закрытый
4.4 Первый end‑to‑end RAG: документы → ответ ↗
0
0
-
0

5. Retrieval на стероидах: hybrid, rerank, rewrite

4 урока
Закрытый
5.1 Почему top‑k по вектору часто ошибается ↗
2
0
-
0
Закрытый
5.2 Hybrid search: BM25 + векторы на одном запросе ↗
0
0
-
0
Закрытый
5.3 Reranking: перетасовка выдачи и проверка эффекта ↗
0
0
-
0
Закрытый
5.4 Query rewrite и multi‑query: усиливаем вопрос без магии ↗
0
0
-
0

6. Генерация ответа: grounding и защита от «красивой лжи»

4 урока
Закрытый
6.1 Grounding и цитаты: как привязать ответ к источнику ↗
0
0
-
0
Закрытый
6.2 Промпт‑контракт: формат, отказ, уточнения ↗
0
0
-
0
Закрытый
6.3 Окно контекста: что резать и что суммаризировать ↗
1
0
-
0
Закрытый
6.4 Fail‑safe стратегия: когда система должна “стоп” ↗
0
0
-
0

7. Agentic RAG: когда модель действует

4 урока
Закрытый
7.1 Инструменты и решение о поиске: retrieve или отвечать ↗
1
0
-
0
Закрытый
7.2 Memory для диалога: что хранить и как не копить мусор ↗
1
0
-
0
Закрытый
7.3 Многошаговые запросы: план → поиск → проверка ↗
0
0
-
0
Закрытый
7.4 Human‑in‑the‑loop: где нужен человек и как встроить ↗
0
0
-
0

8. Оценка и тестирование RAG

4 урока
Закрытый
8.1 Метрики retrieval: recall@k, MRR, nDCG без формул ↗
1
0
-
0
Закрытый
8.2 Метрики ответа: groundedness, relevancy, hallucinations ↗
0
0
-
0
Закрытый
8.3 Evals‑инструменты: RAGAS, DeepEval, TruLens в процессе ↗
0
0
-
0
Закрытый
8.4 Тест‑наборы: вопросы, покрытия, утечки данных ↗
0
0
-
0

9. Продакшен: стоимость, безопасность, мониторинг

4 урока
Закрытый
9.1 Стоимость и задержки: кэш, батчинг, лимиты ↗
2
0
-
0
Закрытый
9.2 Безопасность: доступ, redaction, prompt injection ↗
0
0
-
0
Закрытый
9.3 Мониторинг: раздельные сигналы для retrieval и ответа ↗
0
0
-
0
Закрытый
9.4 Эксплуатация: обновления, регрессии, аварийные режимы ↗
1
0
-
0