ИИ: Жесткие Части

Современный fullstack-разработчик (frontend, backend, инфраструктура) дополнен новым компонентом - предсказанием, от прогнозирования поведения пользователей до генерации текста и изображений с помощью "генеративного" ИИ.

Чтобы выделиться как fullstack-инженер в наше время, необходимо развивать глубокое понимание этих новых инструментов, особенно их основы - нейронных сетей и трансформеров.

На курсе мы рассмотрим природу данных, вероятности, обучение и предсказание в машинном обучении. Затем изучим, как эти принципы реализуются в нейронных сетях, используемых в глубоком обучении, включая ключевые концепции градиентного спуска и обратного распространения ошибки.

Мы также разберём, как и зачем использовать крупные языковые модели (LLM), изучив токенизацию, эмбеддинги, самовнимание, предобучение и дообучение, а также эвристики, необходимые для надёжного взаимодействия с моделями.

Кроме того, мы обсудим, как команды разработчиков эволюционируют, чтобы интегрировать этот новый компонент в технологический стек. Освоив базовые принципы работы с инструментами, вы сможете принимать обоснованные решения о внедрении моделей ML/AI, уверенно обсуждать их в командах и получать конкурентное преимущество на технических собеседованиях.

Что вы узнаете на воркшопе:

• Как fullstack-разработка эволюционирует с учётом предсказательных возможностей (ML/AI).
• Как использовать базовые принципы моделей для принятия обоснованных решений в своей работе и карьере.
• Как применять классические модели машинного обучения для создания продуктов, не использующих нейронные сети.
• Принципы работы нейронных сетей: представление данных, веса, активации, градиентный спуск и обратное распространение ошибки.
• Как крупные языковые модели представляют данные через токенизацию, эмбеддинги, механизм самовнимания и архитектуру трансформеров, и как это влияет на решения о их применении.
• Как LLM создают текст с помощью предобучения и дообучения и как эффективно взаимодействовать с такими моделями.
• Какие эвристики помогут в процессе создания запросов для получения желаемых результатов от моделей.
• Какие знания, навыки и изменения в мышлении нужны современному fullstack-инженеру для работы в AI-ориентированных командах.