Чему вы научитесь
- Понимать принципы работы LLM их различия, типовые сценарии использования.
- Разбираться в базовых концепциях NLP, токенизации, эмбеддингах и архитектуре Transformer
- Разбираться и уметь подбирать под задачу основные современные модели (GPT‑4o, Claude 3.5, Gemini 2.5, DeepSeek R1, LLaMA 3.1, Mistral, Gemma, Qwen и др.)
- Понимать, как устроены RAG‑системы, векторные базы и поиск по знаниям.
- Разбираться в архитектуре LLM‑агентов, подходах ReAct/ReWoo, tool calling и построении сложных workflows.
- Навыки самостоятельной отладки мультиагентных систем
- Умение самостоятельно разворачивать инфраструктуру для LLM‑агентов с использованием Docker, Docker Compose и инструменты для локального развёртывания моделей
- Создавать MVP‑решения с LLM‑агентами для реальных бизнес‑кейсов и готовить их к продакшену
- Планировать требования к ресурсам (GPU/CPU, память, стоимость), выбирать подходящий размер модели (SLM/LLM) под конкретную задачу и бюджет
О курсе
Цели курса
Сформировать понимание, как работают современные LLM/SLM, RAG и AI‑агенты.
Дать практические навыки сборки агентов и workflows на реальных инструментах (Dify, Ollama, Docker).
Помочь собрать собственный прототип (MVP) AI‑агента под вашу задачу и подготовить его к пилотному использованию.
Что предстоит делать
Разобрать базовые концепции NLP и архитектуру современных LLM
Пошагово настраивать окружение (Docker, Ollama), разворачивать модели локально и по внешнему API.
Выполнять практические задания на платформе Dify: собирать RAG‑пайплайны, настраивать промпты, настраивать интеграции с внешними сервисами
Анализировать логи и метрики агентов, улучшать качество ответов и решаемых бизнес-задач
Выполнить финальный проект: спроектировать и реализовать собственную мультиагентную систему.
Основные разделы курса
Введение: LLM, SLM, современные модели и сценарии использования.
NLP и Transformer: токенизация, эмбеддинги, attention, основы архитектуры.
Инфраструктура: Docker, Docker Compose, локальные модели и Ollama.
Lowcode разработка агентов на Dify: цепочки, инструменты, память, workflows.
Dify: no‑code/low‑code создание агентов, RAG, сложные workflows, интеграции.
Отладка агентов: логирование, трейсинг, инструменты
Для кого этот курс
Начальные требования
базовые знания Linux, базовое знание Python
Наши преподаватели
Как проходит обучение
Видео-лекции, проверочные тесты на усвоение материала, практические задания на работу с инструментами, созданные студентами учебные проекты реальных ИИ агентов и систем с ИИ
Программа курса
