Чему вы научитесь
- Вы научитесь использовать LLM как инженерный компонент: отправлять запросы через API и локальные движки (Ollama, llama.cpp), строить RAG на Chroma и Qdrant, и создавать агентов с памятью и инструментами на LangChain и CrewAI.
- Освоите дообучение open-source моделей (Mistral) методами LoRA — даже на бесплатной GPU в Colab — и сможете запускать их локально в формате GGUF.
- Научитесь интегрировать всё в FastAPI-приложения, покрывать тестами, оценивать качество с помощью RAGAS и кастомных метрик, а также настраивать логирование, health-check’и и защиту от промпт-инъекций.
О курсе
Этот курс создан для бэкенд-разработчиков, которые хотят начать работать с LLM и агентами, не имея бэкграунда в математике или машинном обучении.
🎯 Цель — дать не теорию, а инженерные навыки: как взять open-source LLM, дообучить её на своих данных, встроить в микросервис.
💡 Почему именно этот курс?
- Нет академической математики — только то, что нужно для работы
- Все примеры — на Python, FastAPI
- Акцент на продакшен: тесты, логи, безопасность, масштабируемость
- Каждый модуль завершается тестами и/или практическим заданием
📦 Что входит в курс:
- 8 тематических модулей (от основ LLM до multi-agent систем)
- Теория в формате кратких конспектов + кода
- Финальный проект: end-to-end AI-микросервис в портфолио
Для кого этот курс
— Python-разработчики, которые хотят добавить AI в свой стек
— Инженеры, планирующие внедрять LLM во внутренние инструменты (Jira, документация, чат-боты)
— Техлиды и архитекторы, оценивающие применимость LLM в инфраструктуре
— Те, кто уже пробовал LLM, но не знает, как выйти за пределы простых скриптов.
— Инженеры, планирующие внедрять LLM во внутренние инструменты (Jira, документация, чат-боты)
— Техлиды и архитекторы, оценивающие применимость LLM в инфраструктуре
— Те, кто уже пробовал LLM, но не знает, как выйти за пределы простых скриптов.
Начальные требования
- ✅ Уверенное владение Python 3
- ✅ Опыт работы с FastAPI / aiohttp / аналогами
- ✅ Понимание асинхронного программирования
- ✅ Умение работать с Docker и Docker Compose
- ❌ Не требуется: знание ML, TensorFlow/PyTorch, линейной алгебры
Наши преподаватели
Как проходит обучение
- 📚 Краткие теоретические модули с кодом и схемами
- 💻 Практические задания с автоматической проверкой
- 🧪 Тесты на понимание
- 💬 Форум поддержки: вопросы к автору, обсуждение архитектурных решений
Программа курса
загружаем...
Сертификат
Сертификат Stepik
Что вы получаете
- 🧠 Production-ready навыки по интеграции LLM
- 📂 Проект в портфолио: RAG-сервис, дообученная модель, LLM-агент
- 🛡️ Понимание инженерных паттернов: масштабируемость, безопасность, мониторинг
- 💼 Повышенную востребованность на рынке: AI Engineering — один из самых быстрорастущих направлений backend’а
Сколько стоит обучение
Old Price:
3 500 ₽
Discount Price:
2 800 ₽
Вы попробовали и поняли, что вам сейчас не подходит этот курс? Ничего страшного, мы вернём вам деньги в течение 30-ти дней после покупки.