• Гость, подпишитесь сейчас

    📥 Адрес сайта иногда меняется, чтобы быть в курсе актуального адреса, подпишитесь на телеграм «Подписаться»
  • Форумы
  • Складчикам курсы
  • Бизнес
  • Нейросети Veo 3, ChatGPT, Nano Banana и др.

AI Engineer на Python: RAG, агенты, MCP и дообучение LLM (Илья Перминов)

Найти складчину

Описание складчины

Если вы хотите купить курс AI Engineer на Python: RAG, агенты, MCP и дообучение LLM (Илья Перминов), воспользуйтесь складчиной и получите доступ к лучшим курсам по нейросетям. Изучайте ChatGPT, Veo 3, Midjourney, Flux, Nano Banana и современные AI-сервисы.

Организатор: Станцуем
Скачать
Скачать
Скачать
Скачать
Станцуем
Бизнесмен
Сообщения
Монеты
0.0
Оплачено
45
Купоны
0
Кешбэк
0
Баллы
0
Сегодня в 09:04
  • @Skladchiki
  • #1

Складчина: AI Engineer на Python: RAG, агенты, MCP и дообучение LLM (Илья Перминов)

Ссылка на картинку
При сбое одной языковой модели шлюз может переключить запрос на резервную. На курсе вы научитесь создавать такой сервис на Python и выбирать модели по качеству, скорости и стоимости. Для прохождения нужны навыки работы с Python, FastAPI и LLM API.

Для кого этот курс:

Курс подойдёт:

  • Python-разработчикам с опытом работы с LLM API, которые хотят перейти от отдельных AI-функций к полноценным системам
  • Backend-разработчикам, которые планируют добавить в продукты поиск по документам, анализ изображений и аудио или AI-агентов
  • AI-разработчикам, которые хотят освоить RAG, локальные модели, LangGraph, MCP и дообучение
  • Тем, кто хочет развиваться в направлении AI Engineering и собрать несколько самостоятельных проектов
Чему вы научитесь:

  • Подключать внешние и локальные языковые модели через OpenAI, Anthropic, Ollama и vLLM
  • Создавать на FastAPI шлюз, который выбирает подходящую модель для запроса
  • Строить поиск по документам и помощника на RAG, PostgreSQL и pgvector
  • Обрабатывать сканы, изображения и аудио с помощью OCR, ASR и TTS
  • Разрабатывать AI-агентов с памятью и управляемыми действиями на LangGraph
  • Подключать внешние инструменты к агенту через MCP
  • Готовить данные и дообучать модели с помощью LoRA и QLoRA
  • Оценивать качество ответов, скорость работы и стоимость AI-систем
  • Защищать данные и проверять, как сервис ведёт себя при ошибках
В этом курсе вы научитесь создавать AI-сервисы на Python: разработаете шлюз для OpenAI, Anthropic, Ollama и vLLM, соберёте помощника на RAG и pgvector для работы с документами, изображениями и аудио (OCR, ASR, TTS), создадите агента на LangGraph и MCP и дообучите классификатор с LoRA/QLoRA. И на практике разберётесь, как оценивать качество моделей, контролировать расходы и запускать сервисы на FastAPI.

О курсе:

AI Engineer на Python — это продолжение курса «AI Developer на Python: LLM в реальных приложениях». В первом курсе вы учились добавлять возможности языковых моделей в Python-приложения: работать с LLM API, получать структурированные ответы, подключать инструменты и создавать AI Backend.

А здесь вы пойдёте еще дальше и научитесь проектировать системы, в которых несколько моделей, данные и внешние сервисы работают вместе.

В этом курсе вы создадите четыре самостоятельных проекта, где каждый решает отдельную задачу, и каждый можно запустить и показать как результат своей работы.

  1. Model Gateway — единый шлюз для языковых моделей
    Разработаете сервис на FastAPI, через который приложение сможет обращаться к OpenAI, Anthropic и локальным моделям в Ollama и vLLM. Научитесь сравнивать модели по качеству, скорости и стоимости, выбирать подходящую для задачи и переключаться на резервную при сбое
  2. Knowledge Assistant — помощник по документам
    Создадите базу знаний с поиском на PostgreSQL и pgvector и ответами на основе найденных источников через RAG. Помощник будет работать не только с текстовыми файлами, но и со сканами, изображениями и аудио: извлекать текст через OCR и ASR, анализировать изображения и озвучивать ответы с помощью TTS
  3. Workflow Agent — агент для обработки заявок
    Построите на LangGraph процесс, в котором агент помнит состояние задачи, выполняет разрешённые действия и может продолжить работу после паузы или сбоя. Через MCP подключите к нему внешние инструменты и научитесь контролировать их использование
  4. Ticket Classifier Lab — классификатор обращений
    Подготовите набор данных, дообучите небольшую языковую модель с помощью LoRA и QLoRA и сравните её с исходной моделью на независимых примерах. Затем создадите API, через который классификатор можно использовать в приложении
Работа над проектами сопровождается проверкой качества ответов, скорости, стоимости и надёжности решений. Вы будете писать и запускать код, проводить эксперименты и разбирать ошибки, которые возникают в реальных AI-сервисах.

Курс построен вокруг практики: вы будете писать код, запускать сервисы, проверять ответы моделей и разбирать ошибки. Отдельное внимание уделяется качеству, скорости, стоимости и безопасности AI-систем.

Перед началом желательно пройти курс «AI Developer на Python: LLM в реальных приложениях». Курс опирается на его материалы и не повторяет с нуля основы LLM API, FastAPI и разработки AI-функций. Если у вас уже есть сопоставимый опыт работы с Python и языковыми моделями, можно начать и без первого курса.

Начальные требования:

Для прохождения курса необходимо:

  • Уверенно писать на Python
  • Понимать HTTP и REST API, уметь создавать сервисы на FastAPI и Pydantic
  • Иметь опыт работы с LLM API: отправлять запросы и получать структурированные ответы
Как проходит обучение:

Курс состоит из десяти модулей. Каждый модуль включает:

  • Понятные теоретические уроки с объяснением технологий и их ограничений
  • Пошаговую практику на Python, вы пишете код, запускаете сервисы и проверяете результат
  • Работу над одним из четырёх самостоятельных проектов
  • Разбор архитектурных решений, типичных ошибок и способов их исправления
  • Эксперименты с моделями и проверку качества, скорости и стоимости
  • Задания и самостоятельные изменения для закрепления материала

Программа:

Собираем единый шлюз к LLM:

  • От AI-разработчика к AI-инженеру
  • LLM Gateway и единый контракт
  • Подключаем двух LLM-провайдеров к одному сервису
  • Реестр моделей и проверка запросов
  • Версии промптов и базовая оценка моделей
  • Маршрутизация и безопасное резервное переключение
Локальные LLM и сервер инференса:

  • Модель с открытыми весами глазами разработчика
  • Локальный запуск через Ollama
  • Квантование и измерение ресурсов
  • Сервер модели на vLLM
  • Внешний API, локальный запуск или GPU-сервер
  • LiteLLM как единый шлюз к моделям
  • Управление доступом и маршрутизацией в LiteLLM
Embeddings и конвейер документов на практике:

  • Как AI находит похожие документы?
  • Метрики близости и поиск в памяти
  • Выбор и версии embedding-модели
  • Архитектура конвейера документов
  • Извлечение и разбиение документов
  • Метаданные, доступ и идемпотентность
Поиск и RAG по базе знаний:

  • Модель базы знаний и pgvector
  • Точный и HNSW (приближённый векторный поиск)
  • Полнотекстовый и гибридный поиск
  • Как работает RAG? Поиск и подготовка контекста
  • Генерация ответа и ссылки на источники
  • Переписывание запроса (Query Rewriting)
  • Оценка и защита RAG
AI-ассистент для сканов, изображений и речи:

  • OCR для сканов и сложных PDF
  • Изображения и vision-модель
  • Речь в текст и голосовой ответ
AI-агент с памятью и контролем действий:

  • Запускаем Workflow Agent и разграничиваем доступ
  • Состояние диалога, контекст и постоянное хранение
  • История диалога и актуальные данные
  • Собираем агентный цикл с ограничениями
  • Инструменты агента: права и подтверждение
LangGraph и фоновые задачи на практике:

  • Знакомство с LangGraph
  • Агентный граф и Tool Calling
  • Контрольные точки и возобновление
  • Прерывание, подтверждение и идемпотентность
  • Очереди и фоновые обработчики
  • Статусы фоновых задач через SSE
  • CrewAI/ Flow, Crew и границы мультиагентных систем
MCP и взаимодействие AI-систем:

  • Архитектура MCP и первый сервер
  • Инструменты, ресурсы и промпты MCP
  • MCP-клиент и интеграция с Workflow Agent
  • Безопасность, удалённый транспорт и проверка MCP
  • Agent-to-Agent (A2A) Protocol
Данные и основы дообучения:

  • Классификация обращений: выбираем подход
  • Сбор и подготовка данных для обучения
  • Разделение данных без утечек
  • Основы обучения модели в PyTorch
LoRA и QLoRA, оценка и инференс:

  • SFT с Transformers и TRL
  • Параметроэффективное дообучение с LoRA
  • QLoRA и контроль ресурсов
  • Независимая оценка моделей и проверка регрессий
  • Версионирование адаптера, учёт экспериментов и API инференса
Что входит в курс:

  • 55 уроков
  • 99 интерактивных задач
Автор Илья Перминов

  • Занимаюсь веб-разработкой с 2006 года
  • Преподаватель месяца на Stepik — январь 2026
  • Автор курсов:
    • AI Developer на Python: LLM в реальных приложениях
    • AI Engineer на Python: RAG, агенты, MCP и production-системы
Показать больше
 
Зарегистрируйтесь , чтобы посмотреть авторский контент.
Поиск по тегу:
Теги
ai агенты fastapi langgraph ollama python илья перминов языковые модели
Похожие темы
Скачать [Udemy] Agentic AI Bootcamp: AI Agents with/Агентный ИИ Буткемп: ИИ агенты при помощи Python, n8n, MCP & RAG (Arnold Oberleiter, Арнольд Оберлейтер)
  • 11.09.2026
Просмотры
133
11.09.2026
Скачать [Stepik] AI Агенты на Python: для начинающих (Станислав Попов)
  • 05.06.2026
Просмотры
305
05.06.2026
Скачать AI Empire. Автоматизация и ИИ-агенты. Июль - сентябрь 2026 (Илья Генералов)
  • 05.01.2026
Просмотры
445
05.01.2026
Скачать [Stepik] LLM для Python-разработчиков: от RAG до агентов (Попов Станислав)
  • 06.05.2026
Просмотры
430
06.05.2026
Скачать [Udemy] LLMS, Diffusion и AI-агенты на вашем компьютере (Арнольд Оберлейтер)
  • 22.04.2026
Просмотры
226
22.04.2026
Показать больше похожих складчин

Зарегистрируйтесь или войдите, чтобы обсуждать и скачивать материалы!

Зарегистрироваться

Создайте учетную запись. Это быстро!

Регистрация

Авторизоваться

Вы уже зарегистрированы? Войдите.

Вход
  • Форумы
  • Складчикам курсы
  • Бизнес
  • Нейросети Veo 3, ChatGPT, Nano Banana и др.
  • Русский (RU)
  • Условия и правила
  • Политика конфиденциальности
  • Помощь
Меню
Вход

Регистрация

  • Форумы
    • Новые сообщения
    • Поиск сообщений
  • Что нового?
    • Новые сообщения
    • Новые сообщения профилей
    • Последняя активность
    • Новые оценки тем
  • Помощь