Для кого
этот курс
Для тех, кто уже знаком с Python и основами ML.
Data Scientist и ML-инженерам
Хотите выйти за рамки классического ML и разобраться, как устроены LLM, как их дообучать и строить RAG-системы и LLM-агентов.
Разработчикам
Уже используете LLM через API, но хотите понимать, как они устроены, и научиться проектировать RAG-системы и LLM-агентов.
Студентам и начинающим ML-специалистам
Если уже знакомы с Python и классическим ML, сможете углубиться в NLP и разобраться в современных языковых моделях и подходах к работе с ними.
Ваши результаты
после обучения
Шесть результатов — от понимания моделей до проектирования LLM-систем.
Разберётесь в современных NLP-моделях
Поймёте устройство трансформерных архитектур и принципы работы современных языковых моделей.
Научитесь дообучать LLM под конкретные задачи
Освоите подходы к fine-tuning и сможете адаптировать модели под конкретные задачи.
Сможете строить RAG-системы
Разберётесь в архитектуре RAG, векторных базах данных, чанкинге, поиске и reranking.
Научитесь создавать LLM-агентов
Сможете подключать к модели собственные инструменты и функции и использовать подходы ReAct и Function Calling.
Разберётесь в эффективном инференсе LLM
Познакомитесь с инструментами и подходами для запуска и оптимизации языковых моделей.
Научитесь проектировать LLM-системы
Разберётесь, как проектировать системы на основе больших языковых моделей.
Какой уровень
подготовки нужен
Для старта понадобятся базовые знания в трёх областях.
- умеете писать функции и классы
- можете разобраться в чужом коде
- знакомы с NumPy и pandas
- 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
- понимаете матричное умножение
- имеете базовую интуицию о производных
- готовы работать с математическими формулами
Программа курса
Все темы доступны в записи на платформе. 9 тем дополнительно разбираются на живых вебинарах с преподавателем — в программе они отмечены + живой вебинар.
В конце курса вы создадите итоговый проект, получите обратную связь от экспертов и сможете использовать готовую работу в портфолио и резюме.
Преподаватели
MLINSIDE · NLP
- 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
- 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
СтоимостьСтарт курса30 ноября 2026
* При рассрочке на 18 месяцев
и вебинары
Остались
вопросы?
Напишите нам: ответим на вопросы и подробнее расскажем о формате.