Чему вы научитесь
- Работать с LangChain и его основными компонентами
- Создавать цепочки и сложные LLM-пайплайны
- Использовать Tools и Function Calling
- Создавать AI-агентов, способных самостоятельно выбирать и вызывать инструменты
- Создавать RAG-системы с использованием векторных баз данных
- Работать с Embeddings, Retrievers и Vector Stores
- Управлять состоянием и памятью агента
- Создавать циклические и условные workflow
- Реализовывать Human-in-the-loop
- Подключать внешние инструменты и сервисы через MCP
- Проектировать архитектуру AI-приложений, приближенную к production
- Создать полноценного AI-агента в рамках итогового проекта
О курсе
Для кого этот курс
Начальные требования
Для прохождения курса желательно:
-
Уверенно владеть Python
-
Знать основы HTTP и REST API
-
Понимать основы асинхронного программирования в Python
-
Иметь базовое представление о работе с базами данных
-
Иметь опыт работы с Git
Предварительное знание LangChain не требуется.
Базовое понимание LLM, Prompt Engineering и API OpenAI/аналогичных моделей будет полезно, но необходимые концепции будут разобраны в курсе.
Преподаватели курса
Как проходит обучение
Курс построен вокруг практического изучения материала.
Каждая тема состоит из теоретической части, примеров кода и практических заданий. Вы будете постепенно развивать один проект и применять новые концепции по мере прохождения курса.
Обучение проходит в удобном темпе: вы самостоятельно изучаете материал, запускаете код, выполняете задания и проверяете свои решения.
По мере продвижения сложность проектов увеличивается — от простых LLM-вызовов и Tools до полноценных AI Agents.
Что вы получите
- Практические примеры кода
- Исходный код проектов
- Практические задания
- Решения заданий
- Итоговый проект
- Материалы для самостоятельного изучения
- Навыки, которые можно применять при разработке собственных AI-приложений и AI-агентов
- Курс будет обновляться по мере развития экосистемы LangChain.