AI меняет рынок
Те, кто умеет строить LLM-решения, уже на шаг впереди
Бизнес хочет внедрять AI, но на рынке почти нет таких специалистов, которые могут собрать RAG, настроить агента и встроить это в продукт.
Компании ищут людей, которые могут внедрять LLM в реальные процессы.
Компании ищут людей, которые могут внедрять LLM в реальные процессы.
Это ваше конкурентное преимущество и повод для повышения и новых проектов
Курс для всех, кто связан с IT, но не разбирается в нейросетях
Сисадмин или CRM-специалист
хотите освоить востребованное направление, брать новые задачи на работе и выйти на новый уровень дохода
вы аналитик, product- или project-менеджер, видите, что AI меняет индустрию, и хотите внедрять эти технологии, а не быть позади
Работаете в IT
Разработчик или тимлид
хотите встроить LLM в продукт, автоматизировать процессы в команде, но не понимаете, как всё устроено под капотом
Программировать уметь не обязательно, но будет преимуществом — всю работу вы будете делать в визуальном конструкторе n8n, где логика собирается из готовых блоков.
Для создания работающего LLM-проекта необходимо:
разбираться в моделях и их параметрах
использовать сторонние инструменты
интегрировать проект в сервисы бизнеса
работать с памятью и базой знаний
писать правильные промпты
Всему этому вы научитесь при поддержке Deep Learning инженеров, которые работали с ИИ ещё до того, как это стало мейнстримом
Вы соберёте реальные проекты
Задача: Рассчитать стоимость ввоза автомобиля — пошлины, утильсбор, логистика, курс валют
Решение: Мультиагентная система с API Центробанка для курсов, MCP Playwright для парсинга сайтов, каталогом авто, калькулятором пошлин. Агент-оркестратор делегирует подзадачи специализированным агентам
Решение: Мультиагентная система с API Центробанка для курсов, MCP Playwright для парсинга сайтов, каталогом авто, калькулятором пошлин. Агент-оркестратор делегирует подзадачи специализированным агентам
AI-калькулятор импорта авто из Китая
1.
1/3
Задача: отвечать на вопросы сотрудников по внутренней документации компании
Решение: RAG-система: загрузка документов, чанкирование, векторный поиск в Qdrant, генерация ответов со ссылками на источники. Плюс автоматическая оценка качества через LLM-as-judge
Решение: RAG-система: загрузка документов, чанкирование, векторный поиск в Qdrant, генерация ответов со ссылками на источники. Плюс автоматическая оценка качества через LLM-as-judge
Чатбот по корпоративной базе знаний (RAG)
2.
2/3
И ещё 6 задач по ходу курса
Медицинский диагност
Анализ записей приёма у врача: извлекаем диагноз по МКБ-10 из текста, добиваемся точности >70% за <$ 0.10
Анализ тональности отзывов
Классификация 90 отзывов с Кинопоиска (хороший/нейтральный/плохой) с точностью >75% за <$ 0.03
Ассистент по базе данных
AI-агент с доступом к PostgreSQL: отвечает на вопросы о заявках, остатках товаров, сотрудниках — запросами к реальной БД
Парсинг данных пациентов клиники
Пайплайн обработки: классификация покупок по отделениям, расчёт выручки, генерация Excel-отчётов — всё без кода
Защита от prompt injection
Строим guardrail-систему, которая отбивает атаки на промпт. Потом пытаемся взломать чужую — и учимся на ошибках
Обработка транскриптов звонков
Парсим записи звонков клиники: определяем роли (менеджер/клиент), форматируем диалог, подбираем канал связи
Программа
Лекция раз в неделю. После каждой темы — домашнее задание с фидбеком от лектора. В конце курса проект и Q&A-сессия для разбора вопросов.
- Основы ML: линейные модели, деревья решений, нейросети, трансформер
- Как работают LLM: токенайзер, эмбеддинги, генерация токенов
- Параметры: температура, top-k, top-p, max_tokens
- Открытые vs закрытые модели, бенчмарки
- Как выбрать модель и посчитать стоимость
- Анатомия промпта: роль, контекст, задача, формат, ограничения
- Техники: zero-shot, few-shot, Chain-of-Thought, AUTOMAT(E)
- Structured output: JSON-схема, валидация
- Prompt injection: атаки и защита
- Реляционные БД: SQL, DDL, SELECT/JOIN/UPDATE
- Векторные БД: Qdrant, pgvector, Elasticsearch
- Как поднять свою базу на VPS
- Когда что использовать
- Зачем RAG: когда промптов недостаточно
- Чанкирование: фиксированное, по структуре, семантическое
- Векторный, полнотекстовый и гибридный поиск
- Реранкинг и формулировка запросов
- Оценка качества: golden dataset, LLM-as-judge
- Tools и function calls: как агент использует инструменты
- ReAct: Think → Act → Observe → Answer
- Model Context Protocol (MCP) — подключение внешних сервисов
- Мультиагентные системы: оркестратор + специалисты
- Agentic RAG: агент решает, когда и как искать
- Память: краткосрочная и долгосрочная
- Зачем дообучать модель: когда промптов и RAG недостаточно
- Что такое fine-tuning: обучение на примерах вопрос-ответ
- Адаптеры (LoRA): как модель адаптируется без полного переобучения
- Alignment: как модель учат следовать инструкциям (RLHF, DPO)
- Обзор сервисов для дообучения без кода
- Когда что использовать: промпт vs RAG vs fine-tuning
- Что такое REST API, как формировать запросы
- Headers, body, binary data
- Docker: основы контейнеризации
- Деплой сервисов на VPS
- Обзор coding-агентов: Claude Code, Cursor
- Из чего состоит веб-приложение: фронтенд, бэкенд, БД, API
- Ограничения и типичные ошибки вайб-кодинга
- Промпт-инжиниринг в вайб-кодинге
- Интерфейс n8n: ноды, соединения, выполнение
- Сообщение в чат и первая AI-цепочка
- Форматы данных: JSON, binary, массивы
- Блоки: Limit, Aggregate, Merge, Split Out
- Тестирование цепочек через Edit Fields
- Переменные, словари, массивы и их методы
- Функции, циклы, reduce/filter/map
- Как одна строка кода заменяет 5 нод
- PostgreSQL, Qdrant, Google Sheets — когда что
- Поднимаем БД на VPS
- Сохраняем чанки в Qdrant, данные в PostgreSQL
- Делим текст на чанки, векторизуем, сохраняем
- Собираем RAG из ретривера и генератора
- Тестируем на реальных вопросах
- Собираем агента руками (без блока Agent)
- Тот же агент — теперь с блоком Agent
- MCP, подключение инструментов, память
- Готовим датасет: от таблицы с примерами к формату обучения
- Запускаем дообучение через веб-интерфейс сервиса
- Тестируем дообученную модель и сравниваем с базовой
- Подключаем дообученную модель в n8n-воркфлоу
- Telegram, Wazzup, AmoCRM, Bitrix
- HTTP Request и Webhook блоки
- Интеграция агента в сделку CRM
- Настраиваем рабочее окружение
- Переносим логику n8n-цепочки в код
- Добавляем фронтенд: интерфейс для взаимодействия с пользователем
- Деплой на VPS: домен и HTTPS
Подбираете модели и параметры генерации для задач классификации, саммаризации и анализа тональности. Обрабатываете данные клиники: фильтрация, расчёт выручки по отделениям, генерация отчётов. Учитесь выбирать модель под задачу и работать с данными в n8n.
6 заданий: zero-shot vs few-shot на отзывах, Chain-of-Thought для математики, AUTOMAT(E) фреймворк, парсинг в JSON, Reflection Pattern, защита от prompt injection.
5 задач: от простых (расчёт BMI, нормализация телефонов) до сложных (парсинг транскриптов звонков, определение ролей в диалоге, подбор канала связи).
SQL-запросы к PostgreSQL, загрузка данных в Qdrant, AI-агент с доступом к базе данных (отвечает на вопросы по заявкам и остаткам), память через Chat History.
Чатбот по корпоративной базе знаний: загрузка документов, чанкирование, RAG-пайплайн, обработка запросов, автоматическая оценка качества через n8n Evaluation.
Калькулятор импорта авто: ручной агент vs Agent-нода, инструменты (API ЦБ, MCP Playwright, каталог), агент-оркестратор + специализированные агенты, Agentic RAG.
Подготавливаете набор примеров для узкой предметной области: формулируете пары вопрос-ответ, оформляете датасет и загружаете его в сервис дообучения. Запускаете процесс обучения, сравниваете качество ответов базовой и дообученной модели на тестовых вопросах. Подключаете дообученную модель в n8n-воркфлоу и проверяете, как она работает в составе автоматизации.
Собираете всё воедино в одном проекте. Можете взять задачу со своей работы — и получить готовое решение с экспертной оценкой от преподавателей. Варианты: AI-менеджер по продажам, AI-аналитик, AI-PM, транскрибатор встреч — или свой.
Ценность в том, что это не учебная поделка, а вы получите детальный разбор и рекомендации от практикующих инженеров, которые внедряют LLM в продукты каждый день
Ценность в том, что это не учебная поделка, а вы получите детальный разбор и рекомендации от практикующих инженеров, которые внедряют LLM в продукты каждый день
+ 2 QA-сессии в Zoom со спикерами для разбора вопросов и помощи с домашками и проектами
Вы научитесь создавать LLM-системы и интегрировать их в бизнес
Понимать, как работают LLM
Как выбирать модель под задачу и считать стоимость, что такое токенизация, генерация, параметры моделей и др.
Писать эффективные промпты
Chain-of-Thought, few-shot, structured output, защита от prompt injection
Строить RAG-системы
Чанкирование, векторный и гибридный поиск, реранкинг, оценка качества
Создавать AI-агентов
Tools, MCP, мультиагентные системы, Agentic RAG, память агентов
Работать с базами данных
SQL, PostgreSQL, векторные БД (Qdrant). Хранение данных и контекста
Поднимать инфраструктуру
Арендовать VPS, поднимать свои базы (PostgreSQL, Qdrant), деплоить сервисы. Не зависеть от чужих платформ
Интегрировать в бизнес-процессы
REST API, вебхуки, Docker, CRM (AmoCRM, Bitrix), Telegram
Оценивать качество LLM-решений
Golden dataset, LLM-as-judge, автоматическое тестирование пайплайнов
Всё готово к работе — просто начните учиться
Мы даём доступ к серверу с n8n и ключи для работы с LLM-моделями. Не нужно ничего оплачивать иностранной картой или искать обходные пути. А на курсе покажем, как настроить всю инфраструктуру самостоятельно.
Сервер с n8n
Готовый n8n на нашем сервере — импортируете воркфлоу и начинаете работать
Ключи к моделям
API-ключи для GPT, Claude, Gemini и других моделей — входят в стоимость курса
Покажем, как поднять свой сервер, базы данных и подключить модели, чтобы работали из России
Научим настраивать
Как именно вы освоите каждый навык
Кто будет преподавать
Опытные deep learning инженеры. Каждый расскажет про задачу, с которой несколько лет работал в коммерческих проектах
Основатель DeepSchool, ex Lead CV Engineer Koronapay
СКБ Контур /
Александр Абугалиев
Внедряет RAG в сервисы компании. Расскажет, как создать работающий RAG
Тимур Фатыхов
Лидил команды распознавания лиц и паспортов в KoronaPay
Контур, ML engineer
Азер Шахвердиев
Руководит NLP лабораторией в Контуре и помогает внедрять LLM в продукты компании
TheWatch
Wildberries /
Денис Родишев
Руководитель группы дата-аналитики. Расскажет про базы данных и SQL на реальных масштабах
Денис Солдатов
Backend-разработчик. Расскажет как создавать, деплоить и поддерживать сервисы
LinkedIn
НИУ ВШЭ, Сколтех /
Екатерина Трофимова
Занимается применением LLM к синтезу кода машинного обучения. Разрабатывает программы ДПО в Сколтехе. На курсе расскажет про промптинг
inworld /
Работает над платформой для создания «умных» NPC в видеоиграх за счёт использования LLM. Расскажет, как создавать агентов
Алексей Приходько
Основатель DeepSchool, ex Lead CV Engineer Koronapay
Тимур Фатыхов
Лидил команды распознавания лиц и паспортов в KoronaPay
Азер Шахвердиев
Руководит NLP лабораторией в Контуре и помогает внедрять LLM в продукты компании
Контур, ML engineer
СКБ Контур /
Александр Абугалиев
Внедряет RAG в сервисы компании. Расскажет, как создать работающий RAG
TheWatch
Денис Солдатов
Backend-разработчик. Расскажет как создавать, деплоить и поддерживать сервисы
Wildberries /
Денис Родишев
Руководитель группы дата-аналитики. Расскажет про базы данных и SQL на реальных масштабах
LinkedIn
inworld /
Алексей Приходько
Работает над платформой для создания «умных» NPC в видеоиграх за счёт использования LLM. Расскажет, как создавать агентов
НИУ ВШЭ, Сколтех /
Екатерина Трофимова
Занимается применением LLM к синтезу кода машинного обучения. Разрабатывает программы ДПО в Сколтехе. На курсе расскажет про промптинг
Повышаем квалификацию с 2021 года
- 650+ выпускников применяют навыки в работе
- Все спикеры — практики с опытом от 5 лет
- Помогаем внедрить инструменты в работу, а не просто выдаём учебный материал
После обучения
Чат выпускников
Сертификат о прохождении обучения
Вы попадаете в чат выпускников — чат с опытными инженерами, где мы проводим литклубы, random coffee и обсуждаем вопросы с работы
Доступ к материалам курса на один год
Комфортные условия для вашей учёбы
Полный возврат стоимости в первые 14 дней,
если поймёте, что программа вам не подходит. Если примете решение позже, вернём деньги за вычетом уже пройденных занятий
если поймёте, что программа вам не подходит. Если примете решение позже, вернём деньги за вычетом уже пройденных занятий
Налоговый вычет
получите 13% от стоимости курса после обучения
получите 13% от стоимости курса после обучения
Оплата из-за рубежа
картой иностранного банка или другими удобными способами
картой иностранного банка или другими удобными способами
Может оплатить компания. мы принимаем оплату от юрлиц, если хотите, чтобы работодатель оплатил ваше обучение, пусть ваши представители напишут нам на b2b@deepschool.ru для оформления документов и оплаты
Мы обучаем по лицензии Л035-01199-54/00734237 ↗
Запишитесь на курс
Мы расскажем о тарифах, ответим на вопросы и подарим скидки на обучение. Количество мест ограничено.
Доступен налоговый вычет
Может оплатить компания
Полный возврат в первые 14 дней
Принимаем оплату из-за рубежа
Лист ожидания
Старт курса в феврале, количество мест ограничено. Запишитесь в лист ожидания. Мы свяжемся, когда начнем собирать группу, расскажем о тарифах и подарим скидку на обучение первым участникам.
Что говорят наши выпускники
Истории глазами тех, кто успешно прошел обучение
«Мои ожидания оправдались на 120% и я смог закрепить уже имевшиеся знания и пополнить новыми!
Михаил Пузицкий
(LLM)
«Прекрасно подобранные темы, прекрасно выстроена дорожка обучения, начиная с собери сам до использования инструментов»
Александр Петров
(LLM)
(LLM)
«Хороший курс! Рассказываются крутые и не супер-очевидные вещи, на паре технических собесов (формат «ML и LLM…)»
Александр Логинов
Виталий Проценко
«Получил огромный пласт знаний и практический опыт, который уже применяю на работе»
(LLM)
«Все мои вопросы подробно разобрали. Самым интересным был RAG, потому что применил в работе»
Роман Рютин
«Крутой курс! Многое узнал и прокачал навыки. Постоянное общение с авторами курса мотивировало в учебе»
(LLM)
Евгений Макаров
(LLM)
«Мои ожидания оправдались на 120% и я смог закрепить уже имевшиеся знания и пополнить новыми!
Михаил Пузицкий
(LLM)
«Прекрасно подобранные темы, прекрасно выстроена дорожка обучения, начиная с собери сам до использования инструментов»
Александр Петров
(LLM)
(LLM)
«Хороший курс! Рассказываются крутые и не супер-очевидные вещи, на паре технических собесов (формат «ML и LLM…)»
Александр Логинов
Виталий Проценко
«Получил огромный пласт знаний и практический опыт, который уже применяю на работе»
(LLM)
«Все мои вопросы подробно разобрали. Самым интересным был RAG, потому что применил в работе»
Роман Рютин
«Крутой курс! Многое узнал и прокачал навыки. Постоянное общение с авторами курса мотивировало в учебе»
(LLM)
Евгений Макаров
(LLM)
(LLM)
LinkedIn
Максим Гольцов
«Курс позволил получить теоретические и практические навыки работы с LLM. Благодаря ему получил первый оффер)»
«Узнал много нового в тех областях LLM, где не хватало опыта. Сразу придумал, как использовать агенты в рабочих проектах»
Петр Матюков
LinkedIn
(LLM)
(LLM)
Елизавета Носова
«Курс полезный, помог наверстать упущенное в понимании современных llm»
«Ожидания оправдались более чем! Готовность отвечать практически в любое время и настолько развернуто»
Никита Довидченко
LinkedIn
(LLM)
(LLM)
(LLM)
LinkedIn
Дмитрий Махортов
«Осознание как работает function caling под капотом это было настоящим открытием»
Павел Думин
«Отличный курс, было интересно и полезно. Но некоторые темы требуют чуть большего времени»
«Хороший обзор по теме LLM с практикой, после которого можно дальше погружаться вглубь»
Алексей Глотов
(LLM)
FAQs
Когда проходят лекции?
Лекции проходят в Zoom по будням в 19:00 по московскому времени и длятся 1,5−2 часа. Во время лекции можно задавать вопросы спикеру. В конце анонимный тест.
Нужно ли уметь программировать?
Нет, не обязательно, но это будет преимуществом. Задания выполняются в no-code платформе n8n, где вы собираете автоматизации из готовых блоков. Если вы когда-либо работали с сервисами, где нужно настраивать логику (CRM, конструкторы сайтов или ботов), вы справитесь. У нас есть выпускники, которые закрывают задачи по программированию с помощью нейросетей. Но если вы разработчик, то поймёте, как всё устроено и сможете собрать это на своём стеке.
Смогу ли я оформить налоговый вычет?
Да, вы сможете оформить налоговый вычет за обучение, если вы являетесь налоговым резидентом России и оплачиваете подоходный налог. Подать документы на вычет можно в году, следующем за годом оплаты обучения. Подробнее о налоговом вычете за обучение можно прочитать на сайте ФНС
Может ли моя компания оплатить курс?
Моя компания может оплатить курс?
Да, мы подготовим счёт на полную или частичную оплату для юридического лица. Напишите на b2b@deepschool.ru
Скидки не распространяются на оплату курса юр. лицами, поэтому при заполнении заявки указывайте полную стоимость.
Скидки не распространяются на оплату курса юр. лицами, поэтому при заполнении заявки указывайте полную стоимость.
Сколько времени нужно уделять обучению?
На сколько
часов рассчитана программа?
часов рассчитана программа?
В среднем 6–10 часов в неделю:
- 2–3 часа на просмотр лекций (живых или в записи)
- 4–7 часов на выполнение домашних заданий
А если мне не подойдёт курс?
На сколько
часов рассчитана программа?
часов рассчитана программа?
Если поймёте, что программа вам не подходит в первые 14 дней, то мы сделаем полный возврат стоимости обучения. Если примете решение позже, вернём деньги за вычетом уже пройденных занятий
Записаться в лист ожидания
Крутой курс! Многое узнал и прокачал навыки. Из того, что оказалось для меня особенно полезным – RAG, агенты, ускорение, инференс при малом бюджете, промпт инжиниринг и немного деплой. Постоянное общение с авторами курса мотивировало в учебе.
Роман Рютин
Роман Рютин
Хороший курс! Рассказываются крутые и не супер-очевидные вещи, на паре технических собесов (формат "ML и LLM в глубину") удалось рассказать то, о чем собеседующий эксперт не знал, это прикольно
Александр Логинов
Александр Логинов
Прекрасно подобранные темы, прекрасно выстроена дорожка обучения, начиная
с собери сам до использования инструментов. Интересные д/з. Ваши программы надо в универах запускать
Александр Петров
с собери сам до использования инструментов. Интересные д/з. Ваши программы надо в универах запускать
Александр Петров
Очень доволен, тем что прошел курс. На мой взгляд, в нем наиболее полный источник знаний о современных LLM моделях. Затронули очень много тем и дали кучу дополнительных материалов.
Домашние задания на каждую тему помогли пощупать руками то, что изучали.
Все мои вопросы подробно разобрали, на лекции хватало времени на каждого человека.
Самым интересным был RAG, потому что применил в работе.
Евгений Макаров
Домашние задания на каждую тему помогли пощупать руками то, что изучали.
Все мои вопросы подробно разобрали, на лекции хватало времени на каждого человека.
Самым интересным был RAG, потому что применил в работе.
Евгений Макаров
Крайне положительное впечатление осталось, очень понравились и лекции, и практические задания.
Получил огромный пласт знаний и практический опыт, который уже применяю на работе.
Очень интересно было кодить части трансформера, всегда любил программирование больше, чем промптинг.
Виталий Проценко
Получил огромный пласт знаний и практический опыт, который уже применяю на работе.
Очень интересно было кодить части трансформера, всегда любил программирование больше, чем промптинг.
Виталий Проценко
Мощная и достаточно высоко нагруженная программа. Особенно хороша при совпадении с тематикой своей работы.
Мои ожидания оправдались на 120% и я смог закрепить уже имевшиеся знания и пополнить новыми! Расширил и углубил понимание.
LLMMultimodal models — самая интересная тема, так как это мое направление и в ней собраны и отчасти ранее полученные знания по LLM.
Удачи и развития других программ на вашей платформе!
Михаил Пузицкий
Мои ожидания оправдались на 120% и я смог закрепить уже имевшиеся знания и пополнить новыми! Расширил и углубил понимание.
LLMMultimodal models — самая интересная тема, так как это мое направление и в ней собраны и отчасти ранее полученные знания по LLM.
Удачи и развития других программ на вашей платформе!
Михаил Пузицкий
Очень интересный курс! Позволил получить теоретические и практические навыки работы с LLM.
На рынке множество курсов, и каждый предлагает свою «уникальную» программу. Но была уверенность в deepschool, поэтому сомнения быстро ушли)) Курс познакомил меня с необходимыми знаниями для развития в интересующей меня области.
Интереснее всего были Основы LLM. Преподаватель смог простым языком разобрать сложную тему.
Большое спасибо всем за курс! Благодаря ему получил первый оффер)
Максим Гольцов
На рынке множество курсов, и каждый предлагает свою «уникальную» программу. Но была уверенность в deepschool, поэтому сомнения быстро ушли)) Курс познакомил меня с необходимыми знаниями для развития в интересующей меня области.
Интереснее всего были Основы LLM. Преподаватель смог простым языком разобрать сложную тему.
Большое спасибо всем за курс! Благодаря ему получил первый оффер)
Максим Гольцов
Отлично. Узнал много нового в тех областях LLM, где не хватало опыта. Особенно с деплоймент, ускорение, агенты, многими гпу.
Самой интересной темой оказались Агенты, потому что сразу придумал как их использовать в рабочих проектах.
Стала более понятна архитектура трансформеров и LLM. Подтвердил, что стек ИИ на работе соответствует лучшим практикам.
Петр Матюков
Самой интересной темой оказались Агенты, потому что сразу придумал как их использовать в рабочих проектах.
Стала более понятна архитектура трансформеров и LLM. Подтвердил, что стек ИИ на работе соответствует лучшим практикам.
Петр Матюков
Курс полезный, помог наверстать упущенное в понимании современных llm.
Систематизировала знания об llm, узнала про специфичные для llm принципы деплоя и ускорения
Елизавета Носова
Систематизировала знания об llm, узнала про специфичные для llm принципы деплоя и ускорения
Елизавета Носова
Очень хороший курс, оправдал ожидания.
Хороший обзор по теме LLM с практикой, после которого можно дальше погружаться вглубь.
Все супер, буду ждать обновленных лекций второго запуска. Ну и в целом, курс нужно просматривать 2 раза.
Алексей Глотов
Хороший обзор по теме LLM с практикой, после которого можно дальше погружаться вглубь.
Все супер, буду ждать обновленных лекций второго запуска. Ну и в целом, курс нужно просматривать 2 раза.
Алексей Глотов
Отличный курс, было интересно и полезно. Но некоторые темы требуют чуть большего времени.
Павел Думин
Павел Думин
Что курс, что программа — огонь! Пришел по наводке:) ожидания оправдались более чем!
Изначально хотелось побольше узнать о файнтюнинге (по работе) так что очень ждал этот раздел, но неожиданно для себя тема с агентами и RAG взорвала мозг — когда научная фантастика становится реальностью!
Самое полезное и в общих словах — более глубокое понимание донастройки моделей под собственные нужды (фактически весь третий раздел) — сложно выделить из этого что-то одно. Ну и переспектива на то в какую сторону область развивается.
Команде курса огромное спасибо за четкую организацию процесса, также отдельно хочу выразить благодарность лекторам за их терпение и упрямство в том чтобы даже ребенок все понял и осознал! Готовность отвечать практически в любое время и настолько развернуто насколько только можно — это просто вне всяких оценок, без этого солидный кусок курса точно остался бы непонятым!
Никита Довидченко
Изначально хотелось побольше узнать о файнтюнинге (по работе) так что очень ждал этот раздел, но неожиданно для себя тема с агентами и RAG взорвала мозг — когда научная фантастика становится реальностью!
Самое полезное и в общих словах — более глубокое понимание донастройки моделей под собственные нужды (фактически весь третий раздел) — сложно выделить из этого что-то одно. Ну и переспектива на то в какую сторону область развивается.
Команде курса огромное спасибо за четкую организацию процесса, также отдельно хочу выразить благодарность лекторам за их терпение и упрямство в том чтобы даже ребенок все понял и осознал! Готовность отвечать практически в любое время и настолько развернуто насколько только можно — это просто вне всяких оценок, без этого солидный кусок курса точно остался бы непонятым!
Никита Довидченко
Положительные впечатления о программе. Все темы были интересными. Хотя если выбирать что-то одно, то осознание как работает function caling под капотом это было настоящим открытием.
Большое спасибо всей команде курса, особенно хочу отметить Илью. Умеет держать интерес и рассказывать сложные вещи простым языком.
Дмитрий Махортов
Большое спасибо всей команде курса, особенно хочу отметить Илью. Умеет держать интерес и рассказывать сложные вещи простым языком.
Дмитрий Махортов
Есть вопросы, на которые вы не нашли ответы? Напишите нам в Telegram, ответим на все интересующие вопросы