LLM: От понимания к продукту

Рынок LLM перенасыщен хайпом, но испытывает голод в системных знаниях. Этот курс  для тех, кто устал от поверхностных обсуждений и хочет разбираться в больших языковых моделях на практике. Ответим на вопрос не только “Как?”, но "Зачем?" и "Куда?" можно и нужно внедрять LLM.

Мы разделили обучение на две части. Вы можете пройти только первую и этого будет достаточно, чтобы уверенно ориентироваться в теме. А можете пойти дальше и создать собственное LLM-приложение.

Часть 1: понимание, архитектура, стратегия
Для всех, кто хочет понимать LLM на уровне принятия решений и стратегии внедрения

Освоите:

• Типичные ошибки внедрения больших моделей и оптимальные стратегии
• Как работают LLM, без сложных формул: токены, эмбеддинги, трансформеры
• Промпт-инжиниринг: от базовых техник до chain-of-thought и ReAct
• Основные паттерны использования и архитектурные решения: где они дают эффект, а где нет
• RAG и дообучение (PEFT/LoRA): узнаете что и для чего применять
• Мультиагентные ИИ системы и их интеграция с бизнес-системами
• Экономика токенов, оценка ROI, риски и безопасность

Финал 1: Защита бизнес-кейса – стратегия внедрения LLM с оценкой рисков и ROI. Формируется рейтинг, лучшие получают призы.

Часть 2: Собираем в продукт (Практика и внедрение)

Эта часть – мастерская по созданию работающих LLM-решений. Делаем RAG, дообучаем модель, собираем мультиагентную систему без глубокого погружения в код

Освоите:

• Запуск локальных моделей (LM Studio, Ollama) и использование облачных
• Чат-боты в ТГ и MAX
• Продвинутые архитектуры RAG для работы со своей базой документов
• Интеграцию с почтой, мессенджерами и другими корпоративными системами
• Создание ИИ агентов и мультиагентных систем
• Использование инструментов моделью и MCP протокол
• Принципы дообучения моделей: LoRA/QLoRA
• no-code, low-code и минимальный код там, где он действительно нужен

Вы будете:

• Собирать приложения в визуальных конструкторах
• Подключать векторные базы и документы
• Настраивать мультиагентные сценарии
• Разбирать продакшен-архитектуру и MLOps для LLM

Финал 2: Создание и развёртывание полноценного LLM-приложения. Баллы суммируются с первой частью – итоговый рейтинг и призы.

Формат участия в проектах

Участие в проекте возможно:

• индивидуально;
• в команде до 3 человек.

В исключительных случаях допускается команда из 4 человек по предварительному согласованию с организаторами. Такое решение принимается только для масштабных проектов и после обсуждения.

Для командных проектов требования к глубине проработки решения выше, чем для индивидуальных, и учитываются жюри при оценке. Окончательная интерпретация требований и оценка остаются на усмотрение жюри.

Кому будет полезен курс?

• Руководителям, владельцам продуктов, топ-менеджерам – чтобы говорить с IT на одном языке и принимать обоснованные стратегические решения в области цифровой трансформации
• Менеджерам и владельцам продуктов – чтобы оценивать проекты, осознанно выстраивать AI-based бизнес-процессы и ставить задачи команде, оценивать стоимость и риски внедрения
• Аналитикам и Citizen Data Scientists – чтобы применять LLM без глубокого погружения в код
• Data- и IT-специалисты – чтобы быстро прототипировать и разворачивать LLM-решения
• Начинающим ML-разработчикам – как структурированный вход в RAG, PEFT и экосистему Hugging Face

Формат курса:

• 2 части, 8 модулей, 2 месяца активного обучения
• 1-2 онлайн занятия в неделю по 1.5 часа  (все записи доступны)
• Тесты, домашки, митапы и приглашённые спикеры
• Сквозной индивидуальный проект: вы развиваете одну идею на протяжении всего курса – от концепции до реализации
• Призы, рейтинг, признание: Лучших участников по итогам каждой части ждут призы, мерч и почетное место в публичном рейтинге. Ваши достижения будут замечены.
• Публичный рейтинг и призы: лучшие участники получают мерч и признание

Для дополнительной мотивации будет вестись публичный рейтинг, лучшие участники получат уникальный мерч от ODS. Участников ждут практические домашние задания, тесты, индивидуальный финальный проект, а так же дополнительные активности и митапы, которые будут предлагаться участникам по ходу курса.

Необходимые навыки:

Для всех участников:

• Базовое понимание цифровых продуктов и работы с данными
• Опыт в IT-проектах – плюс, но не обязательно
• Готовность осваивать новые инструменты и экспериментировать

Для технического трека (модули 5–8):

• Python на уровне «прочитать, запустить, поправить»
• Общее понимание работы с библиотеками и пакетами
• Работа с API – можно освоить по ходу
• Базовое понимание Docker будет плюсом.

Как набрать баллы рейтинга?

• Проходить промежуточные задания по каждому модулю
• Выполнить и представить финальный проект
• Выступить на митапе или провести мастер-класс по теме, связанной с курсом