Чему вы научитесь
- - Развёртывать локальную копию LLM с помощью Ollama и понимать различия между моделями (архитектура, квантование, дистилляция).
- - Поймете, что такое токены, эмбеддинги и контекстуальность в LLM.
- - Создавать ИИ-агента на Go: от настройки инструментов до реализации чата с сохранением контекста и сессиями.
- - Настраивать системный промпт, температуру, предварительные сообщения, стоп-последовательности и другие параметры для тонкой настройки агента.
- - Разрабатывать ИИ-сервис на Go для проверки и исправления ошибок в тексте, включая интеграцию с фреймворком Gin и создание простого веб-клиента на HTML + CSS.
- Оптимизировать ресурсы: включать режим "Think" и ограничивать генерацию ответов.
О курсе
Этот курс — практическое руководство по созданию ИИ-агентов на языке Go с использованием локальных моделей LLM (Large Language Models). Вы научитесь развертывать LLM локально с помощью Ollama, строить чат-боты с контекстом, настраивать параметры агента и даже создавать сервис для проверки и исправления ошибок в тексте. От основ архитектуры моделей до разработки полноценного веб-сервиса — всё в одном курсе!
Для кого этот курс
- Go-разработчики, желающие интегрировать LLM в свои проекты.
- Бэкенд-инженеры, которые хотят создавать ИИ-сервисы без зависимости от внешних API.
- Технические лидеры, изучающие способы оптимизации LLM для бизнес-задач.
- Стартаперы, стремящиеся быстро прототипировать ИИ-решения с минимальными затратами.
Курс подойдет даже тем, кто только начинает работать с LLM, но имеет базовое знание Go.
Начальные требования
- Базовое знание Go: умение писать HTTP-серверы, работать с пакетами, интерфейсами.
- Понимание REST API и основ веб-разработки (для модуля с GIN).
- Желание экспериментировать с ИИ — специальных знаний в машинном обучении не требуется.
Преподаватели курса
1 203
Как проходит обучение
- Пошаговые проекты: каждый модуль завершается практическим заданием — от установки Ollama до деплоя веб-сервиса.
- Готовые шаблоны кода: вы получите стартовый репозиторий с заготовками пакетов (config, errors, chat).
- Теория в контексте задач: например, разберете архитектуру LLM, когда будете настраивать квантование в Ollama.
- Поддержка автора: ответы на вопросы в комментариях к урокам и рекомендации по оптимизации кода.
Что вы получите
- Полный доступ к курсу — все уроки, исходники проектов и чек-листы.
- Готовые шаблоны Go-проектов для быстрого старта ваших ИИ-идей.
- Чек-листы по настройке LLM: параметры температуры, квантование, обработка ошибок.
- Бесплатные обновления — курс может обновляться.
Нагрузка
4-5 часов в неделю