LLM Driven Development. Разработка и эксплуатация AI

Курс предоставляет полное понимание процесса разработки и интеграции крупных языковых моделей — от основ архитектуры AI и подготовки данных до деталей MLOps, мониторинга и оптимизации. Программа основана на практических сценариях и инструментах, которые востребованы в современной индустрии.

На этом курсе вы

• Изучите базовые концепции AI-архитектуры и трансформеров
• Овладеете навыками LLMOps: от развертывания и автоматизации до мониторинга и обновления крупных моделей
• Разберётесь в процессах токенизации, контекстных окнах и узнаете, как эффективно управлять памятью для больших LLM
• Овладеете фреймворками для интеграции LLM (такими как LangChain, LlamaIndex, vllm и другими) и научитесь работать с мультиагентными системами
• Узнаете, как использовать retrieval-augmented generation (RAG) вместе с векторными базами данных, и как добавлять AI-функциональные возможности в традиционные backend-проекты
• Поймёте принципы fine-tuning и оптимизации LLM, включая интеграцию вызовов внешних функций
• Ознакомитесь с когнитивными архитектурами, принципами мультимодальных моделей и методами тестирования AI-решений

По окончании курса вы будете готовы интегрировать LLM-сервисы в реальные продукты: разрабатывать, тестировать, поддерживать и оптимизировать AI-приложения на продвинутом уровне.

Кому подходит этот курс?

Курс подходит вам, если вы планируете интегрировать AI с использованием LLM в ваш проект или сервис и не знаете, с чего начать.

• Разработчики на Python, стремящиеся выйти за пределы традиционного программирования и освоить применение AI
• DevOps-инженеры, которым важно научиться развертыванию и поддержке крупных AI-систем
• Data-инженеры, аналитики данных и специалисты в сфере Data Science, желающие глубже интегрировать языковые модели в свои пайплайны и сервисы

Требуемые знания

Желательно иметь базовые знания Python. Многие темы курса не предполагают знания языков программирования, однако будут отдельные примеры, выполненные на Python.