LLM: создание и интеграция интеллектуальных ассистентов
На этой программе вы систематизируете знания об устройстве больших языковых моделей, сможете развить и применять на практике навыки создания LLM-агентов и построения Retrieval-Augmented Generation (RAG) пайплайнов.
После курса вы сможете внедрять LLM в свои проекты и значительно повысите эффективность работы.
Старт курса
25.03.2026
Стоимость обучения
90 000 ₽
Продолжительность
13 недель
Формат обучения
Онлайн синхронный
Документ
Удостоверение о повышении квалификации
Что вас ждёт на курсе?
На нашем курсе вы погрузитесь в мир больших языковых моделей (LLM) и получите все необходимые навыки для их эффективного использования:
- познакомитесь с основами обработки естественного языка (NLP);
- разберетесь в архитектуре трансформеров и поймете, как работают современные LLM;
- изучите техники Prompt Engineering, которые помогут вам формулировать более точные запросы для получения качественных ответов от языковых моделей;
- подружитесь с LLM-агентами и узнаете, как они могут автоматизировать задачи, улучшать бизнес-процессы;
- освоите популярные фреймворки для решения LLM-задач и научитесь эффективно работать с доступными большими языковыми моделями;
- ускорите и задеплоите выбранную модель, что позволит вам внедрить LLM в свой сервис.
По итогам курса вы освоите не только теорию, но и приобретете практические навыки, которые помогут вам стать экспертом в области LLM и значительно повысить свою конкурентоспособность на рынке труда, а также сделаете проект, который станет отличным дополнением к вашему портфолио.
Для кого
Курс подойдет IT-специалистам, стремящимся углубить свои знания в области больших языковых моделей и искусственного интеллекта
Начинающим разработчикам на Python, развивающимся в области анализа данных
Вы систематизируете основы работы с LLM для анализа данных
Data Scientists и ML-инженерам
Вы углубите навыки в создании и внедрении языковых моделей
DL-инженерам
Вы расширите свои знания о трансформерах и оптимизации LLM для решения сложных задач
Программа обучения
Программа сочетает развитие теоретических знаний и практических навыков в области глубинного обучения и работы с большими языковыми моделями, подготавливает к решению практических задач в индустрии
Введение в глубинное обучение6 занятий
- Введение в NLP, базовые подходы (bag-of-words, tf-idf)
- Введение в PyTorch и recap обучения нейронных сетей
- Эмбеддинги: word2vec, fasttext HNSW, векторные базы данных (Faiss)
- Практика по PyTorch; введение в RNN
- Рекуррентные нейронные сети - практика
- Токенизация: minBPE, BPE
Современное глубинное обучение3 занятия
- Работа с датасетами и библиотека datasets от HuggingFace. Механизм внимания
- Различные архитектуры трансформеров и их особенности
- Обучение и дообучение трансформеров
- Продвинутые подходы к оптимизации
Элементы промышленной разработки для ML-разработчика5 занятия
- ML проект: основные этапы и инструменты
- Протоколы сетевого взаимодействия, модель OSI + TCP/IP
- HTTP, gRPC, API. Фреймворк FastAPI
- Контейнеризация Docker + Docker Compose
- Kubernetes
Большие языковые модели (LLM)7 занятий
- LLM, фреймворк обучения LLM; SFT, zero-shot, few-shot; inference LLM в Python
- PEFT, prompt-engineering, prompt-tuning RLHF: intro to RL, концепции RLHF, DPO, PPO; Чат-боты
- Смысловые модификации Attention
- Модификации классических архитектур BERT, GPT
- RAG - базовый и продвинутые сценарии; LangChain
- LLM как инструмент
Деплой DL-моделей4 занятия
- Архитектура и утилизация GPU
- Эффективное обучение и инференс на GPU
- Инструменты и фреймворки деплоя LLM
- Разработка реалтайм сервиса
Подготовка и защита проекта2 консультации с ментором
- Первичная индивидуальная консультация с ментором
- Повторная индивидуальная консультация с ментором
- Защита проекта
Мы также предлагаем
01
Возможность учиться из любой точки мира. Занятия проходят онлайн, а также доступны в записи после завершения
02
Общение со специалистами из индустрии. Помимо экспертных знаний, наши преподаватели готовы поделиться своим опытом работы и рекомендациями по дальнейшему обучению
03
Удобный график. Вы сможете учиться новому, не отрываясь от основной работы или учебы: занятия проходят в вечернее время в будние дни
Систематизируете знания об устройстве больших языковых моделей
Сможете применять навыки создания LLM-агентов и построения Retrieval-Augmented Generation (RAG) пайплайнов
Внедрите LLM в свой сервис и получите готовый проект в портфолио
Документ, который Вы получите
Удостоверение о повышении квалификации при успешном завершении обучения
Кто преподает на курсе?
Елена Кантонистова
Доцент факультета компьютерных наук
Стоимость и условия
90 000 ₽
полная стоимость курса
30 000 ₽
поэтапная оплата раз в месяц: 3 платежа по полной стоимости курса
Скидки
5-10%
Как забронировать место в группе?
01
Положить программу в корзину и зарегистрироваться в личном кабинете в правом верхнем углу на странице программы
02
Внести данные документов, необходимые для регистрации (паспорт, СНИЛС, диплом), и приложить скан-копии или фото в хорошем качестве
03
Перейти в корзину и оформить заказ. Кнопка "Оформить заказ" станет активна, если вы заполнили все необходимые поля в профиле
04
Дождаться подтверждения заявки. После подтверждения заявки в личном кабинете появятся договор на ознакомление и ссылка на оплату
05
Начать обучение. За несколько дней до начала обучения менеджер отправит на почту организационное письмо со всей важной информацией о программе и ссылкой на учебный чат в Telegram
Формат обучения
Длительность курса: 13 недель
Требования к слушателям: высшее или среднее профессиональное образование; лица, получающие высшее образование
Формат обучения: онлайн синхронный
Продолжительность общая в часах: 76 часов
Контакты
Основной адрес
Телефон
Электронная почта
Мы работаем с понедельника по субботу с 11.00 до 19.00