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
Для кого этот курс
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