Курс на Stepik
Обложка курса «Введение в большие языковые модели» на Stepik
Бесплатно

Введение в большие языковые модели ★ 0.000

Открыть на
STEPIK.ORG

Курс для тех, кто уже пишет на Python и хочет перейти от диалогов в ChatGPT к промышленной разработке. Это мост между академической теорией и реальным MLOps: разбор архитектур Transformer, техник управления памятью контекста, методов эффективного промптинга и дообучения. Материал построен как надстройка над магистерским курсом, чтобы вы могли контролировать каждый токен генерации, отлаживать выходы и строить собственные LLM-приложения с предсказуемым поведением.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Введение в большие языковые модели»Учеников на курсе 84
Сертификаты, выданные на курсе «Введение в большие языковые модели»Сертификатов выдано 0
Отзывы о курсе «Введение в большие языковые модели»Отзывов получено 0
Рейтинг курса «Введение в большие языковые модели»Рейтинг курса 0.000
Уроки в курсе «Введение в большие языковые модели»Количество уроков 23
Тесты в курсе «Введение в большие языковые модели»Количество квизов 77
Время прохождения курса «Введение в большие языковые модели»Время прохождения курса —
Обновления курса «Введение в большие языковые модели»Обновления курса — —
Дата публикации курса «Введение в большие языковые модели»Дата публикации курса — ———
Последнее обновление курса «Введение в большие языковые модели»Последнее обновление — ———
Сложность normal — ———

Содержание курса

Разделы в курсе «Введение в большие языковые модели» 6 разделов Уроки в курсе «Введение в большие языковые модели» 23 урока Тесты в курсе «Введение в большие языковые модели» 77 тестов Время прохождения курса «Введение в большие языковые модели» 1 ч. Последнее обновление курса «Введение в большие языковые модели» обн. 1 октября 2026

Концепция больших языковых моделей, их роль в современном ИИ

10 уроков
1. Зачем писать код, если есть ChatGPT? ↗
2. Карта задач NLP: что будем решать ↗
3. Трансформер в двух словах ↗
4. Два пути: инференс и fine-tuning ↗
5. Пайплайн: три этапа между текстом и ответом ↗
6. Модель надо выбирать под задачу и язык ↗
7. Под капотом I: токенизация — сердце NLP ↗
8. Под капотом II: что выдаёт модель ↗
9. Генерация, fill-mask и «знания» модели ↗
10. Подготовка к практикуму ↗

Обучение больших языковых моделей

1 урок
1. 1 ↗

Создание базы знаний в контексте обработки естественного языка

1 урок
1. 1 ↗

Основы промтинжиниринга

1 урок
1. 1 ↗

Дообучение LLM на основе базы знаний

1 урок
1. 1 ↗

Разработка нейросотрудников на GPT

1 урок
1. 1 ↗