LLM под капотом: выбираем эффективные технические решения для AI-ассистентов

Этот курс посвящен тому, как рационально выбирать технические решения для продуктовых задач, основанных на LLM, в различных сферах применения.

Я представлю вам набор инструментов, практических кейсов и паттернов, используя которые, вы сможете:

• подбирать оптимальные решения для разных задач, связанных с LLM
• модифицировать эти решения для специфики вашей области.

Мы будем изучать, как разрабатывать решения для продуктов с LLM на основе, экономя время, ресурсы и усилия.

Методология обучения построена на моем консалтинговом подходе и успешных примерах внедрения искусственного интеллекта.

Кому подходит?

Этот курс предназначен для профессионалов, создающих продукты с участием LLM как индивидуально, так и в составе команды (например, в крупных компаниях). Он будет полезен для:

• Инженеров, разрабатывающих решения на основе LLM в различных доменах.
• Техлидов и CTO, которым необходимо быстро находить оптимальные решения с использованием LLM для различных задач.
• Продакт-менеджеров, ведущих внедрение решений на базе LLM.
• Основателей компаний, разрабатывающих продукты для рынка на основе LLM или адаптирующих LLM для бизнес-процессов.

Курс не обучает работе с фреймворками, подключению к LLM или индексированию документов.

Структура курса

Модуль 1: Основы

В данном модуле мы изучим стандартные подходы к внедрению LLM и увидим их ограничения, рассматривая распространенный пример задачи. Мы ознакомимся с ментальными моделями и эвристиками для выявления причин ограничений и их устранения. Эти знания могли бы сэкономить мне 2-3 месяца работы в прошлом.

Часть материала пересекается с нашими ранее проведенными вебинарами, однако в курсе представлено больше информации и в более подробной форме.

Если вы не смогли посетить вебинары, у вас теперь есть отличная возможность прослушать их — и многое другое.

Модуль 2: Кейсы и паттерны

Мы изучим повторяющиеся архитекторские паттерны на примере успешных проектов с AI. Библиотека паттернов включает в себя: Query Expansion, Dedicated Agent, Router, Learn from Feedback, Knowledge Base и другие паттерны, которые можно адаптировать под поставленные задачи. Также включены Checklist + Custom Chain of Thought.

Для всех паттернов мы разберем особенности их применения и примеры успешных проектов. Я продемонстрирую, как классифицировать и обобщать задачи для более эффективного их решения. Это позволит сэкономить время в будущих проектах, осознанно применяя успешный опыт, а не создавая с нуля.