🤖 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.
Курс классный, материала много, как и практических задач. Очень порадовала структура и интересные лекции. Отдельный лайк за готовые ноутбуки-стартеры под задачи, а также подход, при котором к одной кейсу возвращаешься на новом уровне сложности с применением более продвинутых инструментов. Понравилось, что авторы выложили примеры финальных проектов: они наглядно показывают работу технологий в комплексе и служат отличной базой для развития собственных идей.
Что можно докрутить:
Если вы уже кодите, то тратить время на базовый питон вроде регулярок бывает обидно. Хотелось бы поменьше таких упражнений и побольше фокуса на чисто AI-шные штуки.
По каким критериям вы выбирали курс:
Курс особо не выбирала — сидела в телеграм-канале автора, увидела анонс и решила пройти. Привлекла актуальная тема, ну и скидка на старте:)
Чему вы научились после прохождения курса:
Наверное, самостоятельному ресерчу. Здесь лекция — это только базовое введение в тему, а вот для решения задач часто приходится копать глубже. В итоге рабочее решение может собраться из общения с AI-агентом, доки, кода из других источников и вообще частички удачи:)
Для меня почти всё на этом курсе было в новинку — начиная с ноутбуков в Google Colab. Курс дает более глубокое понимание Prompt Engineering: на практике видишь, насколько сильно меняются результаты модели в зависимости от того, как именно сформулирован запрос. Я глубже познакомился с технологией RAG, фреймворком LangChain и разнообразными инструментами для работы с ними, а также с дообучением моделей - Fine-Tuning. Везде миллион нюансов и уже не удивляюсь, когда модель глючит и в рассуждениях пишет: "Вижу 5 собак, значит ответ 6!".
В итоге в качестве финального проекта я разработал полноценную мультиплатформенную экосистему (веб-интерфейс и Telegram-бот). В ней пользователь может задать вопрос текстом или голосом в свободной форме, после чего нейросеть генерирует точный запрос к моей базе знаний, извлекает нужные данные из таблиц и выдает структурированный ответ. Я даже не представлял, что смогу создавать проекты такого уровня.
Еще год назад я начинал с курса "Python для новичков" на Stepik, потом открыл тему Vibe-coding, прошел курс по автоматизации в n8n, и этот курс по LLM стал для меня логичным продолжением. Параллельно продолжаю подтягивать смежные инструменты: Bash, Git и SQL. Я работаю не в IT, но теперь, когда передо мной встает любая жизненная или рабочая задача, я в первую очередь думаю в сторону ИИ и автоматизации. Мне это всё очень нравится! Отдельно отмечу, что видеоформат мне не очень заходит, больше нравится текст, но в процессе прохождения уже привык. Огромное спасибо авторам за этот курс!
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!
