Чему вы научитесь
- Создавать автономных агентов без привязки к конкретным LLM.
- Использовать в одном агенте несколько LLM: ChatGPT, Gemini, Яндекс GPT.
- Подключать национальные и суверенные модели от Яндекса и Сбера.
- Устанавливать локальные LLM-модели (Ollama, Qwen).
- Создавать надежные отказоустойчивые цепочки.
- Создавать резервные цепочки и модели.
- Запускать параллельные цепочки с одновременной обработкой множества запросов.
- Создавать RAG-цепочки.
- Грамотно обрабатывать документы и формировать чанки для векторной базы данных.
- Формировать эмбеддинги.
- Устанавливать и работать с векторными базами данных.
- Совмещать векторный и полнотекстовый поиск.
- Программировать безопасные инструменты.
- Подключать инструменты к моделям и агентам.
- Работать с памятью агента.
- Управлять структурированным выводом агента.
О курсе
Курс по созданию AI-агентов на Python с помощью фреймворка LangChain.
С нуля погружаемся в программирование Искусственного Интеллекта через локальные агенты на LangChain.
Решаем реальные бизнес задачи, создаем инструменты, формируем цепочки, разбираемся с RAG и учимся создавать автономных мульти-системных агентов.
Для кого этот курс
Python-разработчики. Сегодня уметь создавать ИИ-агентов – это такой же навык, как и работа с SQL, написание регулярных выражений и формирование HTTP-запросов. LangChain – это удобный, надежный и простой пусть в AI-разработку.
AI/ML инженеры, которым нужно собирать прикладные агентные системы с доступом к инструментам, поиску, памяти и внешним API.
Backend-разработчики, которым требуется интегрировать LLM в продуктовые и внутренние корпоративные сервисы, а также наладить автоматизацию процессов.
Разработчики чат-ботов и ассистентов, которым нужны не только ответы на вопросы, но и выполнение действий: поиск, вызов API, работа с документами и многошаговые сценарии.
Data engineers и аналитики, если требуется агент для поиска по данным, извлечения инсайтов, генерации SQL-запросов и работы с источниками знаний.
Специалисты по автоматизации бизнеса, которые хотят собирать агенты для поддержки, обработки заявок, рутины и внутренних операций.
Продуктовые команды, которым важно быстро прототипировать AI-фичи и проверять гипотезы вокруг интеллектуальной автоматизации.
Разработчики RAG-систем, так как LangChain-агенты часто используются поверх retrieval-слоя для выбора источников и маршрутизации запросов.
AI/ML инженеры, которым нужно собирать прикладные агентные системы с доступом к инструментам, поиску, памяти и внешним API.
Backend-разработчики, которым требуется интегрировать LLM в продуктовые и внутренние корпоративные сервисы, а также наладить автоматизацию процессов.
Разработчики чат-ботов и ассистентов, которым нужны не только ответы на вопросы, но и выполнение действий: поиск, вызов API, работа с документами и многошаговые сценарии.
Data engineers и аналитики, если требуется агент для поиска по данным, извлечения инсайтов, генерации SQL-запросов и работы с источниками знаний.
Специалисты по автоматизации бизнеса, которые хотят собирать агенты для поддержки, обработки заявок, рутины и внутренних операций.
Продуктовые команды, которым важно быстро прототипировать AI-фичи и проверять гипотезы вокруг интеллектуальной автоматизации.
Разработчики RAG-систем, так как LangChain-агенты часто используются поверх retrieval-слоя для выбора источников и маршрутизации запросов.
Начальные требования
- Уверенное владение Python: включая основы ООП и функционального программирования.
- Работа с Git и GitHub для сдачи домашнего задания (проектов)
Преподаватели курса
10 260
Что вы получите
- Современный навык, который необходим каждому разработчику.
- 5 проектов в портфолио.
- Доступ к форуму решений.
- Поддержку преподавателя в течение 24-часов.
- Доступ к GitHub-репозиторию с кодом.
- Сертификат.
Нагрузка
4-5