Научитесь создавать LLM-системы и внедряйте их в свой продукт, команду или бизнес
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.
хотите встроить LLM в продукт, автоматизировать процессы в команде, но не понимаете, как всё устроено под капотом
вы аналитик, product- или project-менеджер, видите, что AI меняет индустрию, и хотите внедрять эти технологии, а не быть позади
хотите освоить востребованное направление, брать новые задачи на работе и выйти на новый уровень дохода
Всему этому вы научитесь при поддержке Deep Learning инженеров,
которые работали с ИИ ещё до того, как это стало мейнстримом
Анализ записей приёма у врача: извлекаем диагноз по МКБ-10 из текста, добиваемся точности >70% за <$ 0.10
Классификация 90 отзывов с Кинопоиска (хороший/нейтральный/плохой) с точностью >75% за <$ 0.03
AI-агент с доступом к PostgreSQL: отвечает на вопросы о заявках, остатках товаров, сотрудниках — запросами к реальной БД
Пайплайн обработки: классификация покупок по отделениям, расчёт выручки, генерация Excel-отчётов — всё без кода
Строим guardrail-систему, которая отбивает атаки на промпт. Потом пытаемся взломать чужую — и учимся на ошибках
Парсим записи звонков клиники: определяем роли (менеджер/клиент), форматируем диалог, подбираем канал связи
Лекции в записи. После каждой темы — домашнее задание
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
Как выбирать модель под задачу и считать стоимость, что такое токенизация, генерация, параметры моделей и др.
Chain-of-Thought, few-shot, structured output, защита от prompt injection
Чанкирование, векторный и гибридный поиск, реранкинг, оценка качества
Tools, MCP, мультиагентные системы, Agentic RAG, память агентов
SQL, PostgreSQL, векторные БД (Qdrant). Хранение данных и контекста
Арендовать VPS, поднимать свои базы (PostgreSQL, Qdrant), деплоить сервисы. Не зависеть от чужих платформ
REST API, вебхуки, Docker, CRM (AmoCRM, Bitrix), Telegram
Golden dataset, LLM-as-judge, автоматическое тестирование пайплайнов
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.
Готовый n8n на нашем сервере — импортируете воркфлоу и начинаете работать
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
Задавайте вопросы, обсуждайте сложные кейсы и дискутируйте. Если пропустили занятие — смотрите запись в удобное время
После каждой лекции — домашняя работа. Вы соберёте реальные цепочки в n8n, ботов и автоматизации, которые можно показать в портфолио
Каждую работу проверит опытный DL-инженер, даст подробный фидбэк и поделится опытом из реальных проектов
Обсуждайте домашние задания и рабочие задачи. Кураторы помогут решить проблему и поделятся советом
На Q&A-сессиях спикеры и кураторы ответят на вопросы, помогут с практикой и обсудят задачи
Опытные Deep Learning-инженеры. Каждый расскажет о задаче, с которой несколько лет работал в коммерческих проектах
Основатель DeepSchool, ex Lead CV Engineer KoronaPay
Лидил команды распознавания лиц и паспортов в KoronaPay
СКБ Контур / LinkedIn
Внедряет RAG в сервисы компании. Расскажет, как создать работающий RAG
Контур, ML Engineer
Руководит NLP-лабораторией в Контуре и помогает внедрять LLM в продукты компании
Backend-разработчик
Расскажет, как создавать, деплоить и поддерживать сервисы
Wildberries
Руководитель группы дата-аналитики. Расскажет про базы данных и SQL на реальных масштабах
НИУ ВШЭ, Сколтех / LinkedIn
Занимается применением LLM к синтезу кода машинного обучения. Разрабатывает программы ДПО в Сколтехе. На курсе расскажет про промптинг
Inworld / LinkedIn
Работает над платформой для создания «умных» NPC в видеоиграх с помощью LLM. Расскажет, как создавать агентов
Вы попадёте в чат выпускников — сообщество опытных инженеров, где мы проводим литклубы, random coffee и обсуждаем рабочие вопросы
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 обучение, напишите нам на b2b@deepschool.ru
Мы обучаем по лицензии Л035-01199-54/00734237 ↗
23 900 ₽
29 900 ₽
При рассрочке на 6 месяцев
от 4 480 ₽ / мес
от 5 415 ₽
* Скидки только для физ. лиц
Истории глазами тех, кто успешно прошёл обучение
«Мои ожидания оправдались на 120%, я смог закрепить имевшиеся знания и добавить новые»Читать отзыв полностью ↗
(LLM)
«Прекрасно подобраны темы и выстроена дорожка обучения: от „собери сам“ до использования инструментов»Читать отзыв полностью ↗
«Хороший курс: рассказываются крутые и не самые очевидные вещи, которые пригодились на технических собеседованиях»Читать отзыв полностью ↗
«Получил большой пласт знаний и практический опыт, который уже применяю на работе»Читать отзыв полностью ↗
«Крутой курс! Многое узнал и прокачал навыки. Общение с авторами курса мотивировало в учёбе»Читать отзыв полностью ↗
«Все мои вопросы подробно разобрали. Самым интересным был RAG, потому что применил его в работе»Читать отзыв полностью ↗
