Сколько стоит курс «Профессия AI-Engineer: для начинающих»?

Стоимость курса составляет 5950.00 рублей

Сколько времени занимает прохождение курса «Профессия AI-Engineer: для начинающих»?

Прохождение курса «Профессия AI-Engineer: для начинающих» занимает примерно 43 часов.

Какой рейтинг у курса «Профессия AI-Engineer: для начинающих»?

Курс имеет рейтинг 5.0 из 5 на основе 0 отзывов. На курсе обучается 0 учеников.

Где можно пройти курс «Профессия AI-Engineer: для начинающих»?

Курс доступен на образовательной платформе Stepik по адресу stepik.org/course/297323.

Курс на Stepik

Обложка курса «Профессия AI-Engineer: для начинающих» на Stepik

5 950 ₽

Профессия AI-Engineer: для начинающих ★ 5.000

Name: Профессия AI-Engineer: для начинающих
Price: 5950.00 RUB
Availability: InStock
Rating: 5.0 (0 reviews)

Открыть на
STEPIK.ORG

🚀 Войдите в профессию ИИ-инженера: база для работы с LLM и автономными агентами. Только инженерные навыки. Три курса, реальные проекты в портфолио.

Показатель	Текущие показатели		Рост
Показатель	Значение	🏆 Рейтинг	3 дн	7 дн	30 дн
Учеников на курсе	0
Сертификатов выдано	0
Отзывов получено	24
Рейтинг курса	5.000
Курсов в пакете	3	—	—	—	—
Количество уроков	131
Количество квизов	893
Количество задач с кодом	116
Время прохождения курса	43 ч.	—
Стоимость курса	5 950 ₽	—
Обновления курса	—	—
Дата публикации курса	21 час назад	—	—	—	—
Последнее обновление	23 августа 2026	—	—	—	—
Сложность	easy	—	—	—	—

Содержание пакета (3 курса)

Курсы в пакете «Профессия AI-Engineer: для начинающих»

3 курса Уроки в курсе «Профессия AI-Engineer: для начинающих»

131 урок Тесты в курсе «Профессия AI-Engineer: для начинающих»

893 теста Задачи в курсе «Профессия AI-Engineer: для начинающих»

116 задач Время прохождения курса «Профессия AI-Engineer: для начинающих»

43 ч.

1. AI Агенты на Python: для начинающих 5.00

219

386

27 ч.

Введение

4 урока

1. О курсе ↗

2. Кто такой AI-агент ↗

3. Архитектурный цикл агента: Reason → Act → Observe ↗

4. Требования к курсу и подготовка окружения ↗

Фундамент агентов без фреймворков

6 уроков

1. Агент на requests: первый запрос к LLM ↗

2. Инструменты (tools) ↗

3. Цикл выполнения: как агент выбирает инструмент ↗

4. Простая память: кэширование предыдущих шагов через dict ↗

5. Границы агента без фреймворков ↗

6. Закрепление: мини-агент для анализа одной строки лога ↗

CrewAI: освоение кирпичиков

6 уроков

1. Класс Agent: role, goal, backstory — зачем всё это нужно ↗

2. Класс Task: описание задачи и ожидаемый вывод ↗

3. Класс Crew: процессы sequential и hierarchical ↗

4. Инструменты в CrewAI: декоратор @tool и кастомные функции ↗

5. Обработка ошибок в инструментах ↗

6. Закрепление: Анализатор инцидентов ↗

LangGraph: освоение кирпичиков

10 уроков

1. Состояние (State): TypedDict и зачем типизировать ↗

2. Граф состояний (StateGraph): основа выполнения ↗

3. Узлы графа (Node): функции как шаги выполнения ↗

4. Рёбра (Edge): линейные переходы между узлами ↗

5. Условные переходы (ConditionalEdge): ветвление по состоянию ↗

6. Команда (Command): динамическое управление состоянием и потоком ↗

7. Чекпоинты: сохранение и восстановление прогресса ↗

8. Прерывания (Interrupt): Human-in-the-Loop ↗

9. Вызовы LLM в узлах графа: интеллект через промпты ↗

10. Закрепление: Анализатор инцидентов ↗

Сравнение архитектур на микро-кейсах

7 уроков

1. Линейный пайплайн: CrewAI vs LangGraph — чей код проще? ↗

2. Цикл с условием ↗

3. Параллельная обработка ↗

4. Антипаттерн «бесконечный цикл» ↗

5. Антипаттерн «утечка состояния» ↗

6. Когда выбрать CrewAI, а когда LangGraph ↗

7. Закрепление ↗

Продакшен-слои для агентов

7 уроков

1. Валидация вывода через Pydantic: ловим галлюцинации структуры ↗

2. Retry-логика: повтор с уточняющим промптом при ошибке валидации ↗

3. Тестирование агентов: моки LLM и проверка бизнес-логики ↗

4. Логирование и трейсинг ↗

5. Мониторинг: LangSmith, алерты ↗

6. Безопасность: санитизация инпута и ограничение инструментов ↗

7. Закрепление ↗

Финальный проект: SupportAI на FastAPI + LangGraph

10 уроков

1. Архитектура проекта и подготовка окружения ↗

2. Модели и миграции ↗

3. Асинхронные эндпоинты и валидация ↗

4. Многоузловой агент ↗

5. Память агента: InMemorySession + Чекпоинты ↗

6. Валидация и retry-логика агента ↗

7. Безопасность: санитизация и ограничение инструментов ↗

8. Логирование, мониторинг и алерты ↗

9. Тестирование: моки и интеграция ↗

10. Запуск агента в Docker: упаковка и тестирование ↗

Заключение

3 урока

1. Пути развития: от агентов к многоагентным системам ↗

2. Рекомендации по железу ↗

3. Заключение ↗

Продвинутые темы

4 урока

1. Human-in-the-Loop с FastAPI: взаимодействие с пользователем ↗

2. Многошаговое взаимодействие: история диалога ↗

3. Тестирование восстановления после сбоев ↗

4. Закрепление ↗

Расширяем финальный проект

3 урока

1. Расширение уведомлений: Telegram + HIL-подтверждение ↗

2. Добавление истории диалога в агента ↗

3. Тесты на восстановление после сбоев ↗

2. LLM для Python-разработчиков: от RAG до агентов 5.00

571

448

16 ч.

Введение

1 урок

1. О курсе ↗

Введение в LLM: с нуля до первого запроса

8 уроков

1. Что такое LLM? ↗

2. Осознанное взаимодействие с LLM: промпты, параметры, security ↗

3. Выбор между облачными API и локальными моделями ↗

4. Первый запрос к LLM ↗

5. Установка и запуск LLM локально с помощью Ollama ↗

6. Base-модели и instruct-модели: в чём разница и почему это важно ↗

7. Эксперименты с промптами: few-shot и chain-of-thought ↗

8. Закрепление материала ↗

Embeddings и векторные базы данных

6 уроков

1. Что такое embeddings (эмбеддинги)? ↗

2. Векторные базы данных: зачем они и как работают? ↗

3. Создание и поиск по эмбеддингам с Chroma ↗

4. Переход на Qdrant: запуск через Docker и интеграция ↗

5. Полезные практики: чанкинг, метаданные, reranking ↗

6. Закрепление материала ↗

RAG: Retrieval-Augmented Generation на практике

8 уроков

1. RAG с нуля: архитектура и первый рабочий пайплайн ↗

2. RAG в продакшене: переключение на Qdrant и асинхронность ↗

3. Оценка качества RAG ↗

4. Защита от галлюцинаций и фильтрация ответов ↗

5. Введение в агентов: LLM + инструменты (tools) ↗

6. Stateful-агенты с LangGraph ↗

7. Подготовка к продакшену: логирование, мониторинг, безопасность ↗

8. Закрепление: финальный мини-проект ↗

Продвинутый RAG: надёжность, безопасность и контроль в продакшен

6 уроков

1. Почему RAG ломается в продакшене? Типичные сценарии ↗

2. Защита RAG: от индексации до ответа ↗

3. Мониторинг RAG в продакшене: логи, метрики, алерты ↗

4. Оптимизация поиска: reranking и multi-query ↗

5. Метаданные: основа безопасности и персонализации ↗

6. Закрепление материала ↗

Локальные LLM: запуск без облака и без GPU

7 уроков

1. Когда локальные LLM — не просто «можно», а «нужно» ↗

2. Выбор модели под задачу: не параметры, а измеримые метрики ↗

3. Ollama в продакшене: как обернуть демон в надёжный сервис ↗

4. Прямой inference через llama-cpp-python ↗

5. Мониторинг и алертинг для локальных LLM ↗

6. Решение типичных проблем в продакшене ↗

7. Закрепление материала ↗

Дообучение LLM без GPU и PhD

4 урока

1. Зачем дообучать модель и когда это оправдано ↗

2. Дообучение через LoRA на бесплатной GPU (Google Colab) ↗

3. Интеграция LoRA-адаптера в локальные LLM ↗

4. Закрепление материала ↗

Multi-agent системы: оркестрация и роли

4 урока

1. Введение в multi-agent системы ↗

2. Архитектура и оркестрация ↗

3. Реализация на CrewAI ↗

4. Альтернативы и расширения (Autogen, кастомизация) ↗

Финальный проект — AI-ассистент разработчика

6 уроков

1. Архитектура и требования ↗

2. Подготовка окружения и компонентов ↗

3. Реализация RAG-поиска (POST /search) ↗

4. Реализация генерации и сохранения (POST /generate) ↗

5. Инфраструктура и тестирование ↗

6. Компромиссы и пути развития ↗

Заключение

1 урок

1. Заключение ↗

Глоссарий и закрепление по всему курсу

3 урока

1. Глоссарий курса ↗

2. Тесты 1 ↗

3. Тесты 2 ↗

3. Python ROADMAP | С Нуля до Middle 2026 5.00

3 139

0 ч.

Вступление

3 урока

1. Как пользоваться этим roadmap’ом ↗

2. С чего стоит начать ↗

3. Рекомендации к обучению ↗

С нуля до Junior

7 уроков

1. Базовый уровень ↗

2. Средний уровень ↗

3. EXTRA (Средний уровень) ↗

4. Продвинутый уровень ↗

5. EXTRA (Продвинутый уровень) ↗

6. Профессиональный уровень ↗

7. EXTRA (Профессиональный уровень) ↗

С Junior до Middle

2 урока

1. Базовый уровень ↗

2. EXTRA (Базовый уровень) ↗

Дополнительный материал

2 урока

1. Книги ↗

2. Полезные репозитории ↗

Заключение

1 урок

1. Пока на этом всё ↗