Курс на Stepik
Обложка курса «ИИ в DevOps: локальные модели и агенты для инфраструктуры» на Stepik
6 990₽ -36%
--:--:--
4 491 ₽

ИИ в DevOps: локальные модели и агенты для инфраструктуры ★ 0.000

Открыть на
STEPIK.ORG

Разворачиваем локальную языковую модель и пишем на Python агентов, которые читают Kubernetes, GitLab и серверы и помогают разбирать инциденты. Без облака и без хайпа: учебная компания, стенд, лабы с разбором и честный разговор о том, где модель ошибается.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «ИИ в DevOps: локальные модели и агенты для инфраструктуры»Учеников на курсе 2
Сертификаты, выданные на курсе «ИИ в DevOps: локальные модели и агенты для инфраструктуры»Сертификатов выдано 0
Отзывы о курсе «ИИ в DevOps: локальные модели и агенты для инфраструктуры»Отзывов получено 0
Рейтинг курса «ИИ в DevOps: локальные модели и агенты для инфраструктуры»Рейтинг курса 0.000
Уроки в курсе «ИИ в DevOps: локальные модели и агенты для инфраструктуры»Количество уроков 120
Тесты в курсе «ИИ в DevOps: локальные модели и агенты для инфраструктуры»Количество квизов 312
Стоимость курса «ИИ в DevOps: локальные модели и агенты для инфраструктуры»Стоимость курса 6 990 ₽ —
Обновления курса «ИИ в DevOps: локальные модели и агенты для инфраструктуры»Обновления курса — —
Дата публикации курса «ИИ в DevOps: локальные модели и агенты для инфраструктуры»Дата публикации курса — ———
Последнее обновление курса «ИИ в DevOps: локальные модели и агенты для инфраструктуры»Последнее обновление — ———

Чему вы научитесь

  • Выбирать модель под железо и эксплуатировать её локально как сервис (Ollama, llama.cpp)
  • Понимать, почему модель уверенно ошибается, и ловить это проверкой
  • Обезличивать данные до отправки в модель
  • Писать агентов на Python: цикл руками, LangChain, LangGraph с подтверждением человека, CrewAI
  • Давать агентам доступ к Kubernetes, GitLab и серверам только на чтение и доказывать это
  • Строить поиск по runbook’ам на ChromaDB и оценивать агента на наборе инцидентов

О курсе

Разворачиваем локальную языковую модель и пишем на Python агентов, которые читают Kubernetes, GitLab и серверы и помогают разбирать инциденты. Без облака и без хайпа: учебная компания, стенд, лабы с разбором и честный разговор о том, где модель ошибается.

Для кого этот курс

Системные администраторы, DevOps- и SRE-инженеры, которые хотят применять языковые модели в эксплуатации — разбор логов и алертов, диагностика Kubernetes, GitLab и серверов, база знаний дежурных — и держать модель и данные у себя.

Начальные требования

Linux, bash и git на рабочем уровне. Python — минимум: писать код можно самому или с помощью ИИ, но нужно понимать каждую строку. Для локальной модели нужно 32 ГБ оперативной памяти; с 16 ГБ курс проходится на малой модели, без подходящего железа — по готовым ответам и трассам модели.

Преподаватели курса

Как проходит обучение

Каждый урок начинается с ситуации в учебной компании и вопроса «попробуйте решить сами», затем — механика, реальные ответы модели и проверочные задания. В лабах вы выполняете задачу на учебном стенде, сдаёте результат и получаете разбор с типичными ошибками. Финал — внедрение локального ИИ-дежурного. Без дедлайнов; курс обновляется модулями.

Работаем в Linux или macOS. На Windows используйте WSL2 (Ubuntu).

Что вы получите

  • Учебный стенд «Вектор-лаб» с воспроизводимыми инцидентами
  • Код агентов и инструментов, готовый к адаптации под свою инфраструктуру
  • Лабы со сдачей и разбором типичных ошибок
  • Репозиторий финального проекта для портфолио

Нагрузка

3-4 часа в неделю

Расскажите о курсе друзьям