Есть вопросы по курсу?

напишите нам в Telegram, ответим на все вопросы

Создайте свой
первый LLM-сервис

Старт 30 июля
LLM Start
Научитесь обучать модели под свои данные, строить RAG, Агентов и свои LLM-системы

Вы хотите создать собственную
AI-систему, но...

Не знаете с чего начать

RAG и Агенты не работают

Неясно, как учить LLM

так как в интернете слишком много не структурированной информации
хотя вы всё делаете по туториалу из статьи или видео
чтобы адаптировать большие модели под свои данные
Тогда вам будет полезен наш курс от ведущих LLM-инженеров индустрии

Это курс для разработчиков и руководителей, у которых нет опыта в области машинного обучения

Менеджеры
Поймут, как устроены LLM и научатся верно оценивать задачи
Узнают, на что способны LLM и какие задачи можно ставить команде
Руководители
Разработчики
Научатся создавать собственные LLM-сервисы

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.
2 месяца
5 лекций
5 заданий с обратной связью и 1 проект

01. Выбираем LLM под задачу

Темы лекции:
  • Задача языкового моделирования и LLM
Разберемся, как устроены LLM, основные техники промптинга, механизмы сэмплирования при генерации, а также поймём, как подобрать модель под свою задачу.
  • Этапы обучения LLM
  • Промптинг: few/zero-shot, CoT
  • Генерация текста и сэмплирование
  • Типы задач и ограничения LLM
  • Обзор современных моделей

02. Подключаем свою базу данных (RAG)

Темы лекции:
  • Обзор схемы RAG
Научимся строить RAG систему для обогащения LLM внешней информацией, подробно познакомимся с алгоритмами поиска, реранкером и чанкированием.
  • Чанкирование
  • Векторный поиск и векторные БД
  • Классический и гибридный поиск
  • Реранкер и его задачи
  • Бенчмарки и замер качества

03. Создаём агентов на основе LLM

Темы лекции:
Погрузимся в концепции tools, function calling и агентных систем. Поймём, как строить мультиагентные архитектуры и какие библиотеки использовать. Узнаем, что такое Agentic RAG и Model Context Protocol.
  • Концепция tools и function calls
  • Агентные системы и Agentic RAG
  • Model Context Protocol
  • Мультиагентные системы
  • Обзор библиотек и бенчмарков

04. Дообучаем LLM под свои данные

Узнаем, когда и зачем дообучать LLM. Разберем, как работают сервисы по дообучению моделей и как можно дообучать модели локально самостоятельно.
Темы лекции:
  • Когда дообучение поможет, а когда нет
  • Сервисы для обучения по API
  • Локальное дообучение
  • Продвинутые техники дообучения

05. Собираем собственное приложение

Темы лекции:
  • Этапы разработки LLM-приложений
Разберём путь от идеи до готового продукта: как спроектировать и задеплоить LLM-приложение. Узнаем, какие фреймворки, железо и подходы к ускорению использовать, как обеспечить стабильную работу и мониторинг.
  • Деплой моделей: vllm, sglang, llama.cpp, ollama
  • Ускорение работы моделей
  • Как выбрать сервер и железо
  • Мониторинг работы модели

Финальный проект

В финале курса вы создадите собственный LLM-сервис для задачи, которая вам интересна. Можно взять свою идею или взять проект из нашего списка. Спикеры помогут с реализацией, дадут обратную связь по решению и подскажут, как доработать проект.

QA-сессия

Также после всех лекций мы проведём дополнительную встречу в Zoom со спикерами, чтобы разобрать ваши вопросы голосом.

В результате обучения

Вы разберётесь в LLM
В возможностях и ограничениях моделей, чем они отличаются и как выбрать нужную под задачу
Сможете обучать модели на своих данных
Чтобы модель отвечала в нужном вам стиле и лучше разбиралась в определённой области
А опытные DL-инженеры ответят на все вопросы и помогут улучшить ваше решение
Создадите свой первый AI-сервис
Чтобы LLM сама выбирала каким инструментом необходимо воспользоваться для решения задачи
Будете создавать своих LLM-агентов
Научитесь создавать RAG-системы
Используя для ответов модели актуальные и подходящие данные без необходимости дообучения

Кто будет преподавать

Опытные инженеры. Каждый расскажет про задачу, с которой несколько лет работал в коммерческих проектах
Илья Димов
Занимается обучением Multimodal LLM. Работал в команде претрейна в Яндекс, до этого в Abby и Сбер. Расскажет лекции про устройство LLM, дообучение и создание приложений
inworld /
Алексей Приходько
Работает над платформой для создания «умных» NPC в видеоиграх за счёт использования LLM. Расскажет, как создавать агентов
Yandex /
Александр Абугалиев
Внедряет RAG в сервисы компании. Расскажет, как создать работающий RAG
СКБ Контур /
inworld /
Алексей Приходько
Работает над платформой для создания «умных» NPC в видеоиграх за счёт использования LLM. Расскажет, как создавать агентов
Yandex /
Илья Димов
Занимается обучением Multimodal LLM. Работал в команде претрейна в Яндекс, до этого в Abby и Сбер. Расскажет лекции про устройство LLM, дообучение и создание приложений
СКБ Контур /
Александр Абугалиев
Внедряет RAG в сервисы компании. Расскажет, как создать работающий RAG

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
Налоговый вычет
получите 13% от стоимости курса после обучения
Оплата из-за рубежа
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 в лист ожидания

Количество мест ограничено. Мы свяжемся, когда начнём собирать группу, расскажем о тарифах и подарим скидки на обучение первым участникам

Доступен налоговый вычет

Может оплатить компания

Полный возврат в первые 14 дней

Принимаем оплату из-за рубежа

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.

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.

На сколько часов рассчитана программа?

На сколько
часов рассчитана программа?
Курс включает 12 астрономических часов лекций и Q&A-сессии. С учетом времени на домашние задания, учеба будет занимать примерно 8 часов в неделю. В конце курса будет финальный проект.

Что я должен знать, чтобы начать обучение?

От наших будущих студентов на курсе LLM мы ожидаем следующие знания:

1. Курс базовой математики 1-го курса
Необходимо знать, что такое производная, матричное умножение, скалярное произведение

2. Базовое знание Python
Будем писать функции и классы. Часть заданий будет в py-скриптах.

Если вы сомневаетесь, подходит ли курс именно вам, напишите нам в телеграм: @deepschool_support

Если у вас остались вопросы по курсу, напишите нам в Telegram

Наши программы

Поможем освоить востребованные на рынке знания, передав секреты и опыт практикующих инженеров и исследователей
Наведите порядок в репозиториях, научитесь создавать и деплоить DL-сервисы

Деплой DL-сервисов

Март 2025 • 4 месяца
Научитесь ускорять модели и адаптировать инференс под CPU, GPU и NPU

Ускорение нейросетей

Июнь 2025 • 3 месяца
Узнайте, как решают задачи в VR/AR, беспилотниках и цифровых двойниках

3D Computer Vision

Июль 2025 • 3 месяца
Подробнее
Подробнее
Подробнее
/
Погрузитесь в продвинутый Computer Vision
Освойте теорию генеративных моделей и их обучение на практике

Generative Computer Vision

Лист ожидания • 3 месяца
Теория, инференс, ускорение и актуальные подходы в LLM

LLM

Подробнее
/
Подробнее
Июнь 2025 • 4 месяца

CV Rocket 2.0

Подробнее
13 мая 2025
Погрузитесь в продвинутый Computer Vision
Наведите порядок в репозиториях, научитесь создавать и деплоить DL-сервисы

Деплой DL-сервисов

Август 2025 • 4 месяца
Научитесь ускорять модели и адаптировать инференс под CPU, GPU и NPU

Ускорение нейросетей

Осень 2025 • 3 месяца
Узнайте, как решают задачи в VR/AR, беспилотниках и цифровых двойниках

3D Computer Vision

Лист ожидания
Освойте теорию генеративных моделей и их обучение на практике

Generative Computer Vision

Лист ожидания
Теория, инференс, ускорение и актуальные подходы в LLM

LLM

Подробнее
Подробнее
Подробнее
Подробнее
Подробнее
25 июня • 4 месяца

CV Rocket 2.0

Подробнее
Октябрь 2025

Телеграм-канал
DeepSchool

Короткие посты по теории ML/DL, полезные библиотеки и фреймворки, вопросы с собеседований и советы, которые помогут в работе