Чему вы научитесь
- Определять, какие задачи стоит решать с помощью LLM, а где надежнее использовать обычную бизнес-логику.
- Работать с API современных языковых и мультимодальных моделей из Python.
- Понимать ограничения LLM и учитывать размер контекста, задержку и стоимость запросов.
- Создавать надежный LLM Client с таймаутами, повторными запросами и обработкой ошибок.
- Проектировать системные инструкции, промпты и контекст для AI-функций.
- Создавать чат с управляемой историей диалога и потоковой передачей ответов.
- Получать структурированные ответы от модели и валидировать их с помощью JSON Schema и Pydantic.
- Подключать к модели Python-инструменты и контролировать их безопасное выполнение.
- Извлекать и анализировать данные из PDF, DOCX, таблиц и изображений.
- Создавать типизированный AI API на FastAPI и интегрировать AI-функции в backend-приложения.
- Тестировать AI-функции и проверять работу приложения без постоянных реальных запросов к модели.
- Настраивать логирование, контролировать стоимость запросов и учитывать основные риски безопасности.
- Подготавливать AI-приложение к запуску и развертывать его с помощью Docker.
О курсе
AI уже становится частью современной backend-разработки. Языковые и мультимодальные модели используют в чатах и ассистентах, для анализа документов и изображений, извлечения и классификации данных, автоматизации процессов и создания новых функций внутри существующих продуктов.
Этот курс посвящен практической разработке AI-приложений на Python. Здесь не будет обучения нейронных сетей и глубокого погружения в математику Machine Learning. Вместо этого мы научимся работать с готовыми LLM и мультимодальными моделями и встраивать их в реальные backend-системы.
На протяжении курса мы шаг за шагом создадим полноценный AI Backend на FastAPI. Начнем с первого запроса к модели, затем разработаем надежный LLM Client, научимся управлять промптами и контекстом, получать структурированные ответы, подключать Python-инструменты, работать с документами и изображениями, реализуем потоковую передачу ответов и API.
Отдельное внимание уделим тому, что особенно важно в реальной разработке, а именно обработке ошибок, таймаутам и повторным запросам, тестированию AI-функций, логированию, контролю стоимости, безопасности и подготовке приложения к запуску в Docker.
Главная цель курса заключается не просто в том, чтобы научиться отправлять запросы к LLM API. После прохождения курса вы будете понимать, как проектировать AI-функции как полноценную часть backend-приложения, где использование LLM действительно оправдано, какие ограничения необходимо учитывать и как сделать работу с моделью надежной, контролируемой и удобной для дальнейшего развития проекта.
Для кого этот курс
Начальные требования
Для прохождения курса необходимо:
- уверенно владеть основами Python
- понимать основы HTTP и REST API
Опыт работы с AI, Machine Learning и нейронными сетями не требуется.
Наши преподаватели
Как проходит обучение
Каждый модуль включает:
- короткие теоретические уроки без лишней математики
- практические примеры на Python
- разбор архитектурных решений и типичных ошибок
- развитие сквозного AI Backend
- практические задания для закрепления материала
Программа курса
