Чему вы научитесь
- Подбирать видеокарту и сервер под задачи и бюджет — от офисного ПК до промышленных решений, не переплачивая за лишние гигабайты видеопамяти.
- Выбирать локальную модель под задачу: понимать квантизацию, размер контекста и реальный расход VRAM — почему одним хватает 8 ГБ, а другим мало 24.
- Устанавливать Ollama на Windows 11 и Linux (Ubuntu Server) и запускать модели на видеокарте — конкретными командами, по шагам, с чек-листами.
- Управлять моделями: загрузка, запуск, обновление, удаление, контроль места на диске и замер скорости в токенах/сек.
- Создавать свою «персону» модели через Modelfile: системный промпт, температура, длина контекста — под задачи вашей команды.
- Разворачивать веб-интерфейс Open WebUI с доступом по локальной сети и автозапуском как службы Windows — сервер переживает перезагрузку без вашего участия.
- Организовывать работу сотрудников с документами (PDF, Word, Excel) через локальную модель — и понимать, где хранятся данные и где проходят границы возможностей.
- Подключать vision-модели для распознавания изображений и планировать память при одновременной работе нескольких пользователей.
- Поднимать свой OpenAI-совместимый API и маршрутизацию на несколько серверов — чтобы встраивать приватный ИИ в собственные сервисы и скрипты.
О курсе
Для кого этот курс
Начальные требования
Специальная подготовка в области ИИ и машинного обучения не требуется — достаточно уверенного пользователя компьютера.
Для практики понадобится:
— Компьютер с видеокартой NVIDIA (желательно от 8 ГБ видеопамяти). Подбор железа подробно разбирается в первом модуле — можно сначала пройти его, а потом осознанно купить видеокарту под свои задачи и бюджет.
— Windows 11 для основной части курса; для финального модуля — возможность поставить Ubuntu Server второй системой (по желанию, модуль необязательный).
— Опыт в программировании и машинном обучении не нужен.
— Желание разобраться и пройти шаги на практике.
Преподаватели курса
11 207
Как проходит обучение
— Пошаговый практикум. Каждый урок — конкретные действия и команды, которые вы повторяете на своём оборудовании.
— Видео + текст. Уроки сопровождаются скринкастами и текстовыми инструкциями — команды удобно копировать по шагам.
— От простого к сложному. Сначала Windows и база, затем сеть и многопользовательская работа, в финале — рабочий Linux-сервер.
— Разбор ошибок. В каждом уроке блок «если что-то пошло не так» с проблемами и решениями.
— Чек-листы. В конце уроков — контрольные списки: убедитесь, что всё работает, прежде чем идти дальше.
— 3 лабораторные работы. Соберёте свою модель через Modelfile, поднимете Open WebUI с доступом по сети и развернёте ИИ-сервер на Linux.
— Бессрочный доступ: проходите когда удобно и возвращайтесь к урокам как к справочнику. Курс обновляется и дополняется.
Что вы получите
- Свой приватный ИИ — как ChatGPT, но на вашем железе и без подписок. К концу курса у вас на руках:
- - Работающий локальный ИИ-сервер — ваши документы и переписка остаются у вас, ничего не уходит в облако.
- - Доступ из браузера по сети — с компьютеров и телефонов, для всей команды.
- - Помощник по документам — выжимки из PDF, отчёты, Word, Excel и распознавание изображений.
- - Свой API — чтобы встроить модель в свои программы и боты.
- - Ноль ежемесячных платежей — никаких подписок на облачный ИИ.
- - Навык повторить и масштабировать всё самому — от Windows до боевого Linux-сервера.