Чему вы научитесь
- Самостоятельно построить production‑ready LLM‑приложение с нуля
- Разработать высоконагруженное API на FastAPI с асинхронными эндпоинтами
- Внедрить RAG любой сложности — от простого поиска до гибридного с реранкингом
- Выбрать и настроить векторную БД под свою задачу
- Интегрировать любые локальные модели через Ollama
- Оценить качество системы и понять, где её улучшить
О курсе
Для кого этот курс?
Курс создан для Python-разработчиков, ML-инженеров и всех, кто хочет перейти в AI-инженерию.
Стартовые требования — только базовый Python и желание писать код.
Формат обучения
70% времени — это практика, 30% — необходимая теория.
Что вы изучите?
Полный цикл разработки промышленного AI-продукта:
— Написание бэкенда на FastAPI
— Работа с базами данных PostgreSQL, Qdrant
— Контейнеризация в Docker
— Подключение LLM через API и локально через Ollama
— Промпт-инжиниринг
— Построение полноценного RAG-сервиса с векторными базами данных
Особое внимание — качеству
Вы научитесь тестировать AI-системы и работать с метриками качества. Это позволит вам создавать не просто работающие, а надёжные и измеримые продукты.
Итог курса
В финале вы получите готовый production-ready RAG-сервис, который сможете добавить в своё портфолио.
Для кого этот курс
Начальные требования
Что нужно знать для старта:
-
Python на уверенном базовом уровне: циклы, условные операторы, функции, классы и ООП (наследование, методы). Всё остальное изучим по ходу.
-
Желание развиваться: готовность разбираться в новых технологиях, читать документацию и отлаживать код.
Чего НЕ требуется:
-
Глубокое знание PyTorch/TensorFlow
-
Математика (линейная алгебра, производные, градиенты)
-
Опыт работы с нейросетями или LLM
-
Знание Docker, Kubernetes, облачных платформ — всё освоим на курсе
Наши преподаватели
Программа курса
