Этот однодневный воркшоп поможет вам быстро и уверенно погрузиться в экосистему Hugging Face, освоить ключевые библиотеки и научиться создавать собственные AI‑проекты на Python. Материал подаётся через практику, реальные примеры и пошаговые лабораторные работы, чтобы вы сразу увидели результат и смогли применять изученное в своих задачах.
Для кого подходит этот воркшоп
Курс создан для разработчиков, аналитиков, дата-сайентистов и энтузиастов, которые уже владеют Python, но только начинают свой путь в open‑source инструментах машинного обучения. Вам подойдёт программа, если вы хотите понять, как работать с современными моделями, интегрировать их в свои проекты и быстро запускать прототипы.
Что вы сможете делать после прохождения
Публиковать свои модели и датасеты в Hub
Проводить эксперименты с текстом и изображениями
Готовить и улучшать собственные модели под узкие задачи
Деплоить интерактивные приложения без необходимости поднимать серверы
Ключевые темы и навыки
На занятии вы шаг за шагом освоите инструменты Hugging Face и создадите собственный end‑to‑end AI‑проект: от подготовки данных до развёртывания приложения.
Работа с экосистемой Hugging Face
Навигация по Hub и выбор подходящих моделей
Загрузка, тестирование и настройка моделей через Transformers
Работа с датасетами и их подготовка с помощью Datasets
Файнтюнинг и оптимизация моделей
Вы научитесь применять метод LoRA и запускать обучение на бесплатных GPU в Google Colab, что позволит быстро адаптировать модели под ваши задачи без больших вычислительных затрат.
Практический результат
Файнтюнинг текстовой модели под вашу задачу
Готовые ноутбуки, которые можно использовать повторно
Генерация изображений через Diffusers
Отработаете создание изображений на базе Stable Diffusion, разберёте ключевые параметры генерации и научитесь управлять стилем и качеством результатов.
Создание AI‑приложений через Gradio Spaces
Вы разберётесь, как быстро собрать интерфейс, интегрировать модель и задеплоить рабочее приложение в облаке.
В результате вы сможете
Собрать собственный прототип за считанные минуты
Делиться приложением с командой или клиентами
Практики оценки и безопасности моделей
Курс также включает разбор того, как корректно оценивать модели, учитывать предвзятость, работать с ограничениями генеративных систем и обеспечивать безопасное поведение моделей в реальных приложениях.
Что вы получите после прохождения
Готовый рабочий код и набор удобных ноутбуков
Понимание всей цепочки разработки AI‑проекта
Навыки работы с Hugging Face, применимые в реальных проектах
Чёткий план развития в ИИ и рекомендациями по дальнейшему обучению
Если вы хотите быстро войти в мир open‑source AI и научиться запускать свои модели в продакшн‑окружении, этот воркшоп станет идеальной отправной точкой.
Удален по просьбе правообладателя
Урок 1.00:03:59
Introduction
Урок 2.00:05:53
Google Colab & Hugging Face
Урок 3.00:05:55
Sentiment Analysis & Text Generation
Урок 4.00:04:39
Zero-Shot Classification & Fill Mask
Урок 5.00:14:05
Google Colab Setup & Configuration
Урок 6.00:10:36
Pipeline Basics: Sentiment Analysis
Урок 7.00:12:41
Model Contents & Text Generation
Урок 8.00:13:52
Zero Shot Classification
Урок 9.00:11:59
Question & Answer Models
Урок 10.00:07:57
Fill-Mask with BERT
Урок 11.00:08:08
Summarization & Named Entity Recognition
Урок 12.00:11:17
Tokenization Overview
Урок 13.00:03:27
Batches & Attention Masks
Урок 14.00:13:20
Encoding & Decoding Text
Урок 15.00:06:10
Batch Processing Multiple Strings
Урок 16.00:08:20
Transformers Overview
Урок 17.00:10:44
Transformers Q&A
Урок 18.00:10:28
Attention Mechanism to Focus Model
Урок 19.00:05:58
Encoder & Decoder Transformers
Урок 20.00:16:12
Decoding Strategies for Text Generation
Урок 21.00:06:28
Fine Tuning Overview
Урок 22.00:03:40
Parameter-Specific Fine Tuning
Урок 23.00:08:44
Preparing & Loading the Dataset
Урок 24.00:10:08
The Fine-Tuning Process
Урок 25.00:07:14
Stable Diffusion Overview
Урок 26.00:05:07
Prompt Engineering for Images
Урок 27.00:17:33
Generating Images with Stable Diffusion
Урок 28.00:10:28
Image-to-Image Generation
Урок 29.00:14:51
Training Stable Diffusion with DreamBooth
Урок 30.00:03:38
Wrapping Up
https://stevekinney.com/courses/python-ai
Авторы - master.dev (ex FrontendMasters), Steve Kinney
Master.dev — это образовательная платформа для разработчиков, которая помогает совершенствовать инженерные навыки: от изучения языков программирования и веб-разработки до работы с базами данных, облачной инфраструктурой, DevOps и искусственным интеллектом. Ранее известная как Frontend Masters, платформа расширила фокус и теперь обучает разработчиков всему спектру современной разработки ПО.
Стив - архитектор фронтенда в компании Temporal. Ранее он занимал аналогичную должность в Twilio и SendGrid. Стив также является основателем и почетным директором программы обучения фронтенд-разработке в Turing School for Software and Design в Денвере, Колорадо — это некоммерческая программа подготовки разработчиков. В прошлой жизни Стив был учителем в государственных школах Нью-Йорка, где он преподавал специальное образование и веб-разработку в