
- Категории
- Источники
- Все курсы
- Разделы
- Книги
-
Модели искусственного интеллекта знают только то, на чём они были обучены - в основном это «свободная» информация из интернета: статьи, документация к API, книги и многое другое. Но что делать, если нужно, чтобы модель ИИ понимала данные за пределами её обучающего корпуса?В этом курсе вы освоите подход Retrieval Augmented Generation (RAG), позволяющий расширять возможности LLM с помощью ваших собственных данных. Вы узнаете, как работают эмбеддинг
Большинство из нас взаимодействует с ИИ вручную: задали вопрос ChatGPT или попросили Cursor переписать функцию.Но настоящая сила ИИ раскрывается в автономных агентах. Представьте себе агента, который автоматически отслеживает продакшн-логи и не только находит, но и исправляет ошибки. Или агента, который проверяет новые коммиты и pull request’ы, контролируя единый стиль кода и покрытие тестами. А может, агента, который обновляет публичный changelo
Большие языковые модели, к сожалению, по умолчанию начинают «с нуля» каждый раз, когда вы обращаетесь за помощью. В отличие от нового сотрудника, который с каждым днём всё лучше понимает проект, ИИ без обучения вашему стилю работы легко может сбиться с курса.В этом курсе вы научитесь создавать собственных кастомных агентов, а также разрабатывать специальные файлы с правилами, которые обеспечат единый стиль кода, учёт полного контекста проекта, би
Готовы выйти за рамки простого использования Cursor для автодополнения кода или ChatGPT для быстрого доступа к документации?Этот базовый курс не требует от вас предварительных знаний об ИИ. По сути, это интенсивное введение в искусственный интеллект в контексте разработки ПО. Вы познакомитесь с такими ключевыми понятиями, как контекстные окна, токены, создание собственных агентов и автономных систем, а также другими основами, которые помогут вам