ИИ - Видеоуроки, Курсы, Туториалы
Искусственный интеллект (AI) - это передовая технология, которая меняет мир, автоматизируя задачи, анализируя данные и создавая интеллектуальные системы. В этой категории собраны курсы, которые помогут освоить основные и продвинутые концепции AI, от машинного обучения и глубоких нейросетей до компьютерного зрения, NLP и генеративного AI.
Список категорий в разделе ИИ
ChatGPT
Claude Code
Глубокое обучение
Другое (ИИ)
Компьютерное зрение
Машинное обучение
Обработка естественного языка
Популярные авторы и школы курсов в разделе ИИ
ИИ: Список курсов
udemyAngularClaude Code
Angular AI: Глубокое погружение с Claude Code
Angular AI In Depth (With Claude Code)
AI полностью изменил подход к разработке программного обеспечения. Современные AI-агенты для программирования, такие как Claude Code, уже способны самостоятельно выполнять задачи среднего и высокого уровня сложности. Поэтому роль разработчика постепенно смещается от написания каждой строки кода к проектированию архитектуры, постановке задач, контролю результата и принятию инженерных решений.В этом курсе вы научитесь эффективно использовать Claude
Youssef HosniДругое (ИИ)
Agentic RAG с DeepSeek-R1: интенсивный курс
Agentic RAG with DeepSeek-R1 Crash Course
Agentic RAG с DeepSeek-R1 — практический интенсивный курс по созданию агентной Retrieval-Augmented Generation системы на базе локальной LLM DeepSeek-R1. Вы пошагово соберёте рабочее приложение, в котором агенты, инструменты, задачи и RAG-компоненты взаимодействуют в едином workflow для поиска информации, рассуждения и генерации ответов.Курс ориентирован на практику: вместо абстрактной теории вы настраиваете локальную среду, запускаете DeepSeek-R1
Youssef HosniДругое (ИИ)
LLM: от новичка до продвинутого уровня
LLM Roadmap from Beginner to Advanced Level - V2
LLM Roadmap: From Beginner to Advanced — V2 — практическая дорожная карта по изучению больших языковых моделей (LLM), которая помогает системно пройти путь от фундаментальных концепций и архитектуры Transformer до продвинутых тем: обучения и дообучения моделей, оценки качества, RAG, развёртывания, оптимизации инференса, LLMOps, безопасности и создания портфолио проектов.Книга помогает разобраться, что изучать в области LLM, в какой последовательн
master.dev (ex FrontendMasters)
Spencer SchneidenbachДругое (Backend)Другое (ИИ)
Codex для Backend-разработчиков
Codex for Backend Engineers
Codex для Backend-разработчиков — это продвинутый практический курс по применению Codex в реальной backend-разработке: при проектировании API, работе с базами данных и миграциями, написании тестов, отладке сервисов, рефакторинге существующего кода и подготовке изменений к production.О курсеBackend-разработка требует не только быстрого написания кода, но и понимания архитектуры, бизнес-логики, ограничений инфраструктуры, схем данных, авторизации,
Youssef HosniДругое (ИИ)
Разработка RAG-систем, готовых к продакшену
Designing Production Ready RAG System Crash Course
Production RAG — это не просто разбиение документов на фрагменты, создание эмбеддингов и передача найденного контекста в промпт. В реальном приложении RAG-система должна работать с PDF, сканами, изображениями, правами доступа, метаданными, несколькими хранилищами, очередями, фоновой обработкой, гибридным поиском и AI-агентами. На этом практическом курсе вы разберёте, как проектировать RAG-конвейер, готовый к продакшену, и интегрировать его в полн
Youssef HosniПодготовка к собеседованиюДругое (ИИ)
Резюме, которое поможет получить работу в AI Engineering и Data Science
Build a Resume That Lands AI Engineering and Data Science Interviews
Подаёте заявки на позиции AI-инженера или специалиста по Data Science, но не получаете достаточно приглашений на собеседования?Возможно, проблема в вашем резюме.Этот практический воркшоп посвящён созданию резюме, которое понятно и убедительно представляет ваши навыки, проекты и опыт и соответствует тому, что ищут рекрутеры и нанимающие менеджеры при подборе специалистов в области AI Engineering и Data Science.Воркшоп рассчитан на студентов, недав
Youssef HosniДругое (ИИ)
Разработка мультиагентных систем для глубокого поиска
Designing Multi-Agent Deep Search Systems Course
Большинство AI-поисковиков останавливаются на этапе поиска и извлечения информации. Они получают вопрос пользователя, ищут информацию в интернете или базе знаний, собирают несколько документов и генерируют ответ. Для простых запросов этого достаточно, но сложные исследовательские задачи быстро выявляют ограничения такого подхода: требуется планирование, декомпозиция вопроса, сравнение источников, проверка актуальности, работа с противоречиями и с
Youssef HosniДругое (ИИ)
Hermes Agent: AI-агенты с памятью, навыками и автономными рабочими процессами
Hermes Agent 101: Persistent Agents, Memory, Skills, and Real Workflows
Большинство AI-ассистентов по-прежнему работают в рамках отдельных сессий. Вы передаёте им контекст, получаете результат, а после завершения сессии значительная часть рабочего контекста теряется. В следующий раз приходится снова объяснять структуру проекта, нужные команды, свои предпочтения, рабочий процесс и ограничения.Hermes Agent предлагает другой подход.Вместо временного чат-окна Hermes позволяет создавать постоянных AI-агентов с собственной
Youssef HosniClaude Code
Практический курс по Loop Engineering с Claude
Hands-On Loop Engineering with Claude Course
Практический курс по Loop Engineering с Claude поможет перейти от разовых промптов к повторяемым рабочим циклам: процессам, которые запускаются по расписанию или событию, читают нужный контекст, проверяют результат, сохраняют состояние между запусками и вовремя передают задачу человеку.Если вы каждое утро заново пишете один и тот же промпт для Claude, вручную проверяете ответы и снова объясняете контекст, проблема не в качестве промпта. Проблема
Matt PocockДругое (ИИ)Claude Code
Интенсив: Разработка с ИИ
AI Coding Crash Course
Разработка с помощью ИИ позволяет писать код быстрее, чем когда-либо. Но без понимания принципов работы ИИ-агентов эта скорость легко превращается в хаос.Новый проект может появиться буквально за несколько промптов. Но по мере добавления функций, исправления ошибок и усложнения требований качество кода может быстро ухудшаться. ИИ-агент начинает принимать неудачные архитектурные решения, дублировать существующий код и требовать всё больше контроля