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 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
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
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
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
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!
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
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
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
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
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
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
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
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
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
Курс полезный, помог наверстать упущенное в понимании современных llm.
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
Отличный курс, было интересно и полезно. Но некоторые темы требуют чуть большего времени.
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
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
Есть вопросы, на которые вы не нашли ответы? Напишите нам в Telegram, ответим на все интересующие вопросы