🤖 На курсе даются базовые и продвинутые техники работы с ChatGPT-like моделями. Разбирается их использование для личных или бизнес целей в виде готового сервиса.
Курс значительно обновлён и переработан в июле 2025 года, также добавлен дополнительный материал.
Покупал курс в начале 2024, когда большинства модулей еще не было. Все время не доходили руки, а сейчас решил добить курс.
Плюсы:
- Видно, что курс дорабатывался, за два года было добавлено много нового материала. Ну и много видео было переснято из-за обновления библиотек. Приятно видеть, что люди не забивают на курс болт после первого года, а поддерживают.
- В основных уроках (LLM+ваши данные, промптинг, LangChain) собрана хорошая краткая база по LLM.
- В целом нравятся курсы Алерона. Они живые, без кучи теории и рандомных фактов.
Минусы:
- LangChain. Его выбор для курса понятен, но сам фреймворк очень тяжеловесный и со своими приколами. Еще и постоянно обновляется без обратной совместимости.
- Автопроверка stepik. Особенно трудно заставить нейросеть сделать так, чтобы во время проверки все зачлось).
В целом ощущения хорошие, курс прямо хотелось закончить, что происходит не так часто.
прошел курс Делаем свой AI-продукт на базе ChatGPT и других LLM. Версия 2.0
для новичка будет сложно, а для человека с хотя бы теорией будет нормально, для опытного разраба будет полезняшка, чтобы бесшовно понять тренд и не плавать в нем
всей команде большое спасибо! было интересно!
научился промтингу и пониманию общих принципов, оч понравилась структура заданий и понятные видео объяснения
в некоторых заданиях будет полезно проводить периодическую актуализацию материала, но не обязательно
курс за свои бабки - супер! но перед прохождением надо четко понимать, если нет технического бэкграунда, то вряд ли стоит тратить время и нервы
Курс крутой для ознакомления с темой LLM при умении минимально программировать или вайбкодить. Много полезных фишек нашёл, более-минее понял как tool-call-ы происходят, как при помощи библиотеки ticktoken примерно стоимость запроса рассчитать. В целом считаю полезным.
Сразу оговорюсь, что проходил курс в декабре 2024, с тех пор многое могло измениться в лучшую сторону.
Понравилось: принципиально новый контент на который на тот момент не было аналогов.
Сильно не понравилось: качество видео.
Не понравилось: текст блокнотов, слишком много эмодзи и видно что текст писала машина.
Хотелось бы увидеть: инструкции как подключаться к api Qwen, Deepseek, Grok и тд, а также их особенности.
Что дал мне курс: понимание что даёт работа через api, что такое RAG и агенты - это очень важно! тк есть друзья которые работают в айти много лет и до сих пор не знают что скрывается за этими словами.
Артем, спасибо еще раз за конструктивный фидбек. На текущий момент проблемные видео пересняли. Текст были ручной, но еще раз отрерайтили при прогоне видео.
Про API опен-сорс моделей добавим инструкции на основе своего опыта.
Спасибо еще раз!
Курс отличный. Особенно зашло, что много внимания уделялось практической реализации пайплайнов автоматизаций через LangChain, понимание работы с API llm, построение RAG, работа с галлюцинациями, взаимодействие с БД, в целом о HuggingFace и обучение LLM, агенты и мультиагенты — сразу видишь, как применять это в реальных проектах. Покрытие тем с нуля и интересные домашки. А также можно сделать хороший пет-проект на полученных знаниях и для этого есть отдельный модуль, все инструменты для этого даются в курсе.
Сейчас бы добавил ещё блоки про оценку RAG/LLM с использованием различных фреймворков (хотя подобное реализуется программно в курсе), а также деплой self-hosted решений (vLLM, llama.cpp), OpenAI-compatible API для агентов и бенчмарки — думаю, это было бы мега-полезно, учитывая тренд на свои LLM без коммерческих API.
Понравился стиль подачи материала: кратко, но максимально информативно, без "воды" и "уличного жаргона" и достаточно эмоционально.
Больше всего были интересны 2 модуля: Prompt Engineering и Langchain. Рабочий минимум для понимания темы я получила, и представляю что и где искать дальше.
Авторам большое спасибо!
Хотел для себя наконец узнать как работает, что под капотом LLM работает и насколько это вообще легко применимо и реализуемо
Очень круто по полочкам объяснили основные понятия и сути, хотя под конец курса уже большие сомнения возникли насчет того насколько это вообще валидно
Из минусов:
не хватило немного кейсов про fine-tuning: это был наверное самый главный вопрос для меня, RAG не думаю что решит проблему в случаях с большими данными
плюс я пришел из аналитики (Data Science), пытался понять как эти LLM можно в аналитику вкручивать для оптимизаций, немного не хватило этого.
Тем не менее 5/5 ребятам за уникальных курс в своем роде, и постоянные доработки и улучшения
