Чему вы научитесь
- Пояснять, как работают эмбеддинги и к-NN-поиск
- Разворачивать Qdrant, Weaviate и FAISS локально и в Docker
- Загружать и хранить миллионы векторов, не теряя производительность
- Настраивать фильтрацию и гибридный поиск (BM25 + ANN)
- Реализовывать мультимодальный поиск (текст ↔ изображение) с CLIP
- Строить RAG-чат-ботов, дополняющих LLM свежими фактами из базы
- Метриками Recall@K и nDCG измерять качество выдачи
- Автоматизировать CI/CD пайплайн для поиска с GitHub Actions
- Оптимизировать индексы под CPU и GPU, выбирая HNSW, IVF или PQ
- Оценивать, когда выбрать облако (Pinecone, Qdrant Cloud) vs on-prem
О курсе
Практический курс по векторным базам данных и семантическому поиску. Вы развернёте Qdrant, Weaviate и FAISS, научитесь индексировать миллионы эмбеддингов, строить k-NN-поиск с фильтрами, объединять его с BM-25 и создавать RAG-ботов, которые отвечают на вопросы на основе ваших данных.
Для кого этот курс
Для кого этот курс
ML / Data-инженеры, которым нужен быстрый поиск по embeddings.
Backend-разработчики, добавляющие умный поиск или чат-бота в продукт.
DS/Analytics-junior — хотите прокачать портфолио проектом на LLM.
Техлиды / CTO, выбирающие стек для корпоративного knowledge-base.
Стартапы, где «Google-поиск по документам» и RAG-бот экономят поддержку.
Начальные требования
Запускать скрипт python main.py, ставить пакеты pip install …
Переходить между папками (cd), копировать-вставлять команды
Склонировать репозиторий git clone … — всё остальное покажем
Преподаватели курса
2 108
Как проходит обучение
-
Недельный ритм: теория → мини-квиз → практика.
-
Практические задания: автотесты; финальный pet-project.
-
Ревью: код проверяют наставники, дают фидбек в рецензиях.
-
Гибкие дедлайны: учитесь своим темпом, доступ к материалам — неограничен
Сертификат
Успешно завершив курс, вы получите сертификат от платформы Stepik. Уже 10 учеников получили сертификат.
Что вы получите
- практические навыки работы с Qdrant, Weaviate и FAISS на реальных данных;
- готовый репозиторий с RAG-ботом и REST API, который можно показать работодателю;
- чек-листы и шпаргалки по настройке индексов, метрикам Recall@K / nDCG и деплой-pipelines;
- доступ к закрытому Telegram-чату и еженедельным лайв-Q&A;
- оперативную поддержку наставников в комментариях к шагам;
- сертификат о завершении курса;
- проект в портфолио и рекомендации, как рассказать о нём на собеседовании.