Это пробный урок. Оформите подписку, чтобы получить доступ ко всем материалам курса. Премиум

  1. Урок 1. 00:52:14
    IT-ландшафт будущего как китайские tech-гиганты и культура меняют мир
  2. Урок 2. 00:19:13
    ML-анализ видео в Crowd, или Как решать задачу трекинга без явного таргета
  3. Урок 3. 01:00:04
    Жизнь научной статьи по ИИ от идеи до A
  4. Урок 4. 00:13:51
    ИИ в enterprise на что вы тратите миллионы
  5. Урок 5. 00:50:15
    Как мы внедрили LLM-судей в автоматизациях клиентского сервиса подход, грабли, уроки
  6. Урок 6. 00:42:40
    Как мы разработали и внедрили систему проверки кода в научных статьях и дипломных работах
  7. Урок 7. 00:19:21
    Как смотреть на табличные данные подвыборки и метахарактеристики вместо отдельных объектов
  8. Урок 8. 00:44:21
    Китайский для AI-ресерчера и разработчика
  9. Урок 9. 00:19:21
    Контент-маркетинг в эпоху ИИ как мы делаем YouTube-ролики на 600+ тысяч просмотров
  10. Урок 10. 00:28:43
    Мастер-класс «Движки инференса LLM в 2026 vLLM, SGLang, NVIDIA Dynamo — как запустить on‑prem-прод и не изобрести велосипед»
  11. Урок 11. 00:19:36
    Мастер-класс «Поймать и обезвредить 14 Unit-тестов для RAG и решения через Knowledge Graphs»
  12. Урок 12. 01:35:24
    Мастер-класс «Собираем реал-тайм ИИ-агента для SIPVoIP за 2 часа — от транка до живого звонка»
  13. Урок 13. 00:40:15
    Наш путь в Machine Unlearning от теории к практике
  14. Урок 14. 00:39:09
    Не NVIDIA единой, или Как строить архитектуру LLM-продукта
  15. Урок 15. 00:48:04
    Оптимизация доставки данных в real-time-ранжировании на GPU
  16. Урок 16. 00:50:12
    От рутины к автономии AI-помощник для управления облачной инфраструктурой
  17. Урок 17. 01:13:39
    Панельная дискуссия «От хайпа к прибыли как встроить ИИ в продукт, чтобы это работало»
  18. Урок 18. 00:15:22
    Разметка против реальности как фрод выявляет слабые места датасета
  19. Урок 19. 00:19:36
    Синтетические задачи в стиле Codeforces для претрейна GigaChat