Профессия AI-Engineer: с нуля до ИИ-сервисов ★ 5.000

Много данных для изучения, спасибо, пару инсайтов нашел для текущего проекта.

Отличный road map, по которому действительно можно пройти полный цикл обучения с нуля до уверенного Python-разработчика и претендовать на middle позицию. Однако большая часть рекомендуемых материалов - это курсы серии поколения Python и автор Перминов / Балакирев. Я не умаляю их достоинств, но несколько однобоко... Хотя даётся и в дальнейшем уже и другие курсы, которые ни чем не хуже. Видимо, автор сам обучался именно по этим учебникам)

Отличный курс-введение в профессию llm-разработчика с качественной теорией, вопросами для закрепления пройденного и задачами. Отдельное внимание было уделено созданию rag-системы с помощью Qdrant и Chromadb. Мне кажется, это самая интересная и проработанная часть курса, благодаря ей смог написать свой проект с rag. Достаточно подробно и структурированно описана работа LLM, способы локального запуска, затронут промпт-инжиниринг и работа с контекстным окном. Это помогло улучшить понимание моделей, их ограничений. Единственное, можно было бы добавить больше задач с кодом, некоторый модули чисто теоретические.

Великолепный курс!!!

Наверное, на данный момент самый крутой курс по langgraph на stepik. Плюс ко всему ещё и crewai и в целом агентская разработка, круто подана теория, нет тупой копипасты с документации(как это часто видел по курсам langchain/langgraph) от других

norm

Cчитаю, что курс просто отличный, как и второй курс "LLM для Python-разработчиков: от RAG до агентов" от того же автора. Дает прекрасный старт для работы с LangGraph, CrewAI, что, когда и почему предпочтительно, понимание того, что такое агенты в продакшене, содержательный финальный проект, быстрый фидбэк автора по любым вопросам и замечаниям. Крайне рекомендую к прохождению! Со своей стороны хотелось бы порекомендовать внести следующие дополнения (ключевые, на мой взгляд, п.1-3) 1. HIL -- показать как происходит взаимодействие с пользователем в реальном примере на FastAPI. Например, в рамках финального проекта вместо посылки алертов в ТГ (что м/б уже не совсем актуально) можно продемонстрировать подтверждение инцидента пользователем. Это сделало бы курс гораздо более практичным! 2. Добавить уроки (или расширить фин проект) где показать, как происходит многошаговое взаимодействие агента с пользователем (как сохранять/восстанавливать историю диалога, как при этом управлять состоянием, как меняется вызов графа когда есть и новый user_input и ранее сохраненное в чекпойнтере состояние). Представляется, что сейчас есть разрыв -- детально разобрано как сделать персистентный чекпойнтер и зачем он нужен, но пример фин проекта одношаговый, соотв, непонятно, зачем мы сохраняли это состояние, как к нему потом вернуться и использовать 3. Работа с персистемным чекпойнтером в фин проекте: есть упоминание сценария "восстановление после сбоя", однако далее в тестах конкретно этот сценарий не рассмотрен. Было бы полезно наглядно его продемонстрировать 4. Алертинг в ТГ в фин проекте: хороший практический пример взаимодействия агента с внешним сервисом, но можно заменить на что-то другое 5. Поскольку в курсе подробно разбирается LangGrpah, то (возможно) добавить уроки и про deepagents из той же экосистемы Пожалуй, уже за рамками курса, но было бы полезно для полноты с моей точки зрения 1. Показать, как использовать авторизацию и rate limiting (об этом даже есть упоминание) 2. Показать, как работать с графом в LangGraph Studio 3. Минорно: добавить вводную про миграции и alembic (какую проблему решает, как применять при изменении схемы и т.п.) 4. Минорно: как отлаживать приложение в Docker (есть про запуск тестов, но нет про логирование и трейсинг), как обновлять уже задеплоенное приложение 5. Минорно: как изменить docker конфиг, если нет возможности или нецелесообразно запускать отдельный образ с Ollama (т.е. модели развернуты на локал или ином хосте)

Хороший курс для бэкендеров!

Идеальный стартовый шаг к нейросетям для разработчика без глубокого знания математики

Курс дает хорошее базовое понимание проблем, возникающих при разработке agentic RAG систем, и демонстрирует современные подходы к их решению. В качестве плюсов следует назвать: - курс имеет продуманную и логичную структуру - затронуты очень (на мой вкус) интересные темы -- reranking, дообучение, оценка качества RAG - достаточно подробно рассмотрен RAG -- какие векторные БД когда применимы, зачем нужны метаданные, почему галлюцинации, мониторинг и т.п. - все рассмотренные модели и инструменты (почти все) можно установить локально либо в Docker, не требуется платных подписок - все приведеные в курсе примеры кода рабочие, а если что-то пошло не так, автор отвечает оперативно, содержательно, вникая в проблему - интересные упражнения с агентами на CrewAI - очень полезный и завершенный с инженерной точки зрения финальный проект, показывающий как работают в связке почти все изученные в курсе компоненты - в требованиях к курсу обозначены "Опыт с FastAPI... понимание асинк программирования", но отсуствие этих навыков не является проблемой для прохождения, курс о другом Из того, что можно улучшить (мой субъектиный взгляд): - большинство кодинг-тестов, скорее, проверяют базовые знания программирования на Python - некоторые лекции чрезмерно конспективны, нуждаются в расширении - по некоторым темам отдельно - реранкинг: например, дообучение реранкера в случае, когда важна релевантность поиска в спец предм области - LoRA-дообучение: с теоретической точки зрения + подробный разбор того что происходит в Colab ноутбуке - multi-agent системы: да, интересно, но, возможно, заслуживают отд курса -- можно вообще исключить за счет доп раскрытия других тем - квантование, gguf: подробнее про квантование, форматы моделей, что именно и какие проблемы решает (либо я упустил) - чанкинг: упомянут, да, в курсе он неактуален, но в реалиях в RAG грузятся тома документации - промптинг: перечислены основные подходы, но нехватает примеров и упражнений - насчет "понимания асинхронного программирования" -- разумееется, это "побочная" тема, но был бы полезен либо мини-краш-курс в рамках курса, либо отсылка к материалам за его пределами В целом, курс однозначно рекомендую. Автору респект!