Чему вы научитесь
- Понимать процесс создания AI-продуктов: ключевые этапы разработки и специфика AI-решений
- Работать с LLM на примере бесплатных моделей от Mistral AI и OpenRouter
- Разрабатывать LLM-приложения
- Применять современные фреймворки: LangChain, Chainlit и FastAPI
- Использовать полезные библиотеки: guardrails, llm-guard и SQLAlchemy
- Работать с мощными инструментами: Arize Phoenix, PostgreSQL, Qdrant, Docker и Grafana
- Разворачивать приложения: на платформе render.com и на выделенном сервере
- Применять паттерны и лучшие практики разработки
О курсе
Курс "Разработка AI/LLM-приложений на Python: от идеи до релиза" предоставляет слушателям возможность пройти через полный цикл создания AI-продукта: от идеи до релиза. В курсе вы познакомитесь с моделями от MistralAI (доступный аналог OpenAI) и OpenRouter, LangChain+LangGraph, Arize Phoenix, Chainlit, FastAPI, PostgreSQL, Qdrant, Docker и т.д.
Попрактиковаться и получить ревью вы сможете в LLM Simulator!
Для кого этот курс
1) Студенты и выпускники IT-направлений, реализующие идею AI-продукта для портфолио, хакатона или научной работы
2) Действующие Python Backend-разработчики уровня Junior+, желающие углубиться в создание AI-продуктов и научиться работать с большими языковыми моделями
3) Действующие DS/ML/NLP-специалисты уровня Junior+, желающие разобраться в технической реализации MVP сервиса с AI-составляющей
4) Энтузиасты из разных сфер с интересом к AI/LLM
Начальные требования
1. Python: основной синтаксис, ООП, использование сторонних библиотек
2. Git: branch, pull, push, commit, add, clone, работа с GitHub
3. Работа в IDE, например, VS Code или Pycharm
4. Желательно знание SQL: операции SELECT (JOIN, WHERE, GROUP BY), DELETE, UPDATE, CREATE
В начале курса будет входной контроль, чтобы каждый мог понять, какие темы ему стоит повторить перед обучением на курсе
Преподаватели курса
5 833
Как проходит обучение
- Выполнение тестов и заданий входного контроля
- Изучение теории и закрепление её с помощью тестов
- Решение практических задач и проектов с публикацией в GitHub и ревью кода от преподавателя (LLM Simulator)
Что вы получите
- Понимание процесса создания AI-продукта и этапов разработки LLM-приложения
- Теоретические знания и опыт работы с технологиями для позиции LLM-инженера
- Паттерны, архитектуры, концепции для понимания разработки LLM-приложений
- Обратная связь от преподавателя в комментариях к урокам
- Код-ревью практических задач на GitHub от преподавателя
- Проекты в портфолио по работе с большими языковыми моделями
- Рекомендация лучших выпускников на позицию AI/LLM-инженера в компании-партнеры
Нагрузка
20