MLinside NLP Участвовать
Об работ ка языка курс MLinside

Обработка
естественного
языка (NLP)

Научитесь работать с современными NLP- и LLM-системами: дообучать языковые модели под свои задачи, строить RAG-системы и LLM-агентов, понимать, как запускать такие решения на практике.

15 недель обучения
13 основных тем
2 бонусных блока
Как проходит обучение
01
Живые
вебинары
с преподавателем
Обсуждайте материал напрямую с преподавателем, задавайте вопросы и разбирайтесь в сложных темах вместе.
02
Записи
вебинаров
в постоянном доступе
Возвращайтесь к разобранным материалам в любое время — записи вебинаров остаются доступны после окончания курса.
03
Практика
и обратная связь
Закрепляйте изученное на домашних заданиях и получайте обратную связь.
Дополнительные материалы помогут систематизировать знания, углубиться в отдельные темы и продолжить развитие в NLP после прохождения курса.

Для кого
этот курс

Три разные точки входа — и одна общая точка назначения.

Data Scientist и ML-инженерам

Уже знает классический ML хочет перейти в современный NLP

Если хотите выйти за рамки классического ML и разобраться в современном NLP — как устроены LLM, как их дообучать и как строить на их основе работающие решения.

Разработчикам

Уже использует LLM через API хочет понимать внутреннее устройство

Если уже используете GPT и другие LLM через API, но хотите понимать, что происходит внутри, и научиться самостоятельно проектировать RAG-системы, агентов и другие решения на базе LLM.

Студентам и начинающим ML-специалистам

Знает Python и классический ML хочет выбрать NLP как направление

Если уже знакомы с Python и классическим ML, сможете углубиться в NLP, освоить современный стек и получить практическую базу для дальнейшего развития в этом направлении.

Общий результат
Современный NLP и работа с LLM-системами

Ваши результаты
после обучения

Шесть результатов — от понимания моделей до готовых LLM-систем и подготовки к интервью.

01
Понимание моделей
Как устроены современные языковые модели и как их адаптировать
Transformer

Разберётесь в современных NLP-моделях

Поймёте устройство трансформерных архитектур и принципы работы современных языковых моделей.

Fine-tuning

Научитесь дообучать LLM под конкретные задачи

Освоите современные подходы к fine-tuning и сможете адаптировать модели под прикладные сценарии.

02
Системы на основе LLM
Как собрать из модели работающее решение и запустить его
RAG

Сможете строить RAG-системы

Разберётесь в архитектуре RAG, векторных базах данных, чанкинге, поиске и reranking.

LLM Agents

Научитесь создавать LLM-агентов

Сможете подключать к модели собственные инструменты и функции и использовать подходы ReAct и Function Calling.

Inference

Разберётесь с эффективным инференсом LLM

Познакомитесь с инструментами и подходами для запуска и оптимизации языковых моделей.

03
Подтверждение уровня
Систематизированная база для дальнейшего развития
NLP-интервью

Систематизируете знания для NLP-собеседований

Получите базу по современному NLP и LLM, необходимую для дальнейшего развития и подготовки к техническим интервью.

Какой уровень
подготовки нужен

Проверьте себя перед стартом — три области, без тестов и экзаменов.

Python
умение писать код и читать чужой
  • умеете писать функции и классы
  • можете разобраться в чужом коде
  • знакомы с NumPy и pandas
Machine Learning
базовая практика обучения моделей
  • понимаете, что такое градиентный спуск и функция потерь
  • знаете разницу между train / validation / test
  • понимаете, что такое переобучение
  • хотя бы раз самостоятельно обучали ML-модель
Math
спокойное отношение к формулам
  • понимаете матричное умножение
  • имеете базовую интуицию о производных
  • готовы работать с математическими формулами
Если все три области знакомы — базы достаточно для старта

Программа курса

Вводный блок · 13 основных тем · 2 бонусных блока {{ toggleAllLabel }}
Вводный блок 1
повторение базы
Темы 1–4 4
нейросети и Transformer
Темы 5–7 3
дообучение моделей
Темы 8–13 6
RAG, агенты, инференс, system design
Бонусные блоки 2
за пределами Transformer
{{ t.num }}
{{ t.title }}

{{ t.desc }}
Участвовать От повторения базы — к проектированию LLM-систем

Преподаватели

Андрей Жогов MLINSIDE · NLP
Ведёт курс
Андрей Жогов
ML-инженер в Сбере
Преподаватель МФТИ
Ранее работал над задачами машинного обучения в МТС
  • Соучредитель направления Machine Learning в Летних Олимпиадных Школах МФТИ
  • Методист проекта «Код Будущего» в 2025 году
  • Преподавал на сборах по подготовке школьников к Международной олимпиаде по искусственному интеллекту на базе МФТИ
Виктор Кантор
Соавтор курса
Виктор Кантор
Основатель MLinside
  • Работает с машинным обучением и искусственным интеллектом с 2010 года
  • Построил службу машинного обучения в Яндекс.Такси
  • Руководил Big Data в МТС (600+ сотрудников)
  • Преподаёт машинное обучение в МФТИ и ВШЭ

Стоимость

Стоимость уточняется
{{ price }}

Финальная стоимость будет объявлена дополнительно.

Доступна рассрочка — условия уточняйте у менеджера
15 недель
обучения
13основных тем + 2бонусных блока
Что входит в обучение
Живые вебинары с преподавателем
Записи вебинаров в постоянном доступе
Практика и обратная связь

Остались
вопросы

Если перед покупкой хотите уточнить информацию о курсе, программе или рассрочке — оставьте вопрос, и мы свяжемся с вами.

Вопрос отправлен

Мы свяжемся с вами и ответим на все вопросы о курсе.
Задать вопрос