Stepik О курсе
Подробнее
Курс организован командой магистерской программы "Искусственный интеллект" ФКН ВШЭ.
Требования
Что нужно для старта
- - знание основных алгоритмов ML
- - знание Python на пользовательском уровне
Результат
Что вы получите
- В курсе Вы узнаете о том, какие задачи решаются методами современного NLP
- Научитесь использовать предобученные языковые модели для решения своих задач
- Разберетесь в том, как работают большие языковые модели (LLM)
- Отточите полученные знания на практике
Аудитория
Для кого этот курс
- Курс подойдет слушателям, интересующимся областью Natural Language Processing в ее современном состоянии и большими языковыми моделями (LLM). Мы ожидаем, что Вы знакомы с основными алгоритмами машинного обучения, в частности, с классическими подходами для работы с текстовыми данными.
Содержание
6 занятийПрограмма курса
№ТемаЧто внутри
01О курсе
- О курсе и организаторах
- Тестирование по основам Data Science
02Современное состояние NLP
- Введение в NLP и LLM
- Современные большие языковые модели (LLM)
- Самопроверка по материалам модуля
- Метрики качества моделей
03Начало работы с LLM
- Подготовка к работе с LLM: предобработка текста
- Use-cases различных архитектур трансформеров
- HuggingFace и применение трансформерных моделей в Python
- Дообучение моделей под свои задачи
- Практическое задание
04Retrieval-augmented generation (RAG)
- Recap и погружение в attention
- RAG
- Погружение в RAG и практика
- Тестирование по RAG и агентам
05Система LLM + RAG на практике
- Итоговое задание курса: соревнование
- Собираем полноценную RAG-систему
- Бонусная часть итогового задания: полноценная RAG-система
- Архив: cобираем систему: LLM + RAG
06ИИ-агенты
- Введение в агентов
- Оценка качества агентов и перспективы
- Практика
01О курсе
- О курсе и организаторах
- Тестирование по основам Data Science
02Современное состояние NLP
- Введение в NLP и LLM
- Современные большие языковые модели (LLM)
- Самопроверка по материалам модуля
- Метрики качества моделей
03Начало работы с LLM
- Подготовка к работе с LLM: предобработка текста
- Use-cases различных архитектур трансформеров
- HuggingFace и применение трансформерных моделей в Python
- Дообучение моделей под свои задачи
- Практическое задание
04Retrieval-augmented generation (RAG)
- Recap и погружение в attention
- RAG
- Погружение в RAG и практика
- Тестирование по RAG и агентам
05Система LLM + RAG на практике
- Итоговое задание курса: соревнование
- Собираем полноценную RAG-систему
- Бонусная часть итогового задания: полноценная RAG-система
- Архив: cобираем систему: LLM + RAG
06ИИ-агенты
- Введение в агентов
- Оценка качества агентов и перспективы
- Практика
Организатор
Автор курса
Мнения учеников
Отзывы о курсе
Оставьте отзыв
Расскажите о качестве обучения, поддержке и результате. Это поможет другим выбрать организацию осознанно.
Оставьте заявку
Консультант ответит на вопросы о курсе «Внутри LLM: как думает ChatGPT?» и поможет разобраться в деталях обучения.
Нажимая кнопку, вы даете согласие на обработку персональных данных
Информация обновлена 12 августа 2026 г.
Продолжить выбор
Похожие курсы
Начать без затрат
