Прикладной LLM для инженеров [Rebrain] [Василий Озеров]

Складчина: Прикладной LLM для инженеров [Rebrain] [Василий Озеров]

Разберись с LLM на практике: от запуска моделей на собственном железе с дообучением до RAG и написания собственных агентов и MCP серверов.
Rebrain — большое сообщество IT-специалистов, создаём практикумы по инфраструктуре с 2018 года.

Темы, которые вы освоите:

• Фундаментальный цикл LLM-инженерии
  От инференса и квантования моделей на своём железе до продвинутых RAG-пайплайнов, тонкой настройки и создания агентов. Освойте весь стек технологий для создания AI-приложений.
  
  
• Практическая оптимизация и экономика
  Научитесь рассчитывать VRAM, выбирать между API и self-hosting, применять LoRA и квантизацию. Принимайте взвешенные инженерные и финансовые решения для развёртывания моделей.

• RAG и агенты — новый стандарт
  Создавайте умные ассистенты по своим данным и автоматизируйте задачи. Без этих технологий современные LLM не имеют доступа к актуальной информации и не могут действовать.

Немного отехнологиях практикума

• Агенты: Автоматизация вместо генерации
  Это переход от чат-бота к автономному сотруднику. Агенты с Function Calling сами выполняют задачи в CRM, ERP и других системах, экономя сотни человеко-часов.

• RAG: «Память» для LLM
  Любая модель без доступа к вашим данным бесполезна для бизнеса. RAG — основной способ заставить LLM работать с вашей документацией, базами знаний и актуальной информацией.

• Fine-Tuning: Уникальное поведение модели
  Никакие промпты не заставят модель говорить именно так, как нужно вам. Только LoRA/QLoRA позволяют адаптировать стиль, тон и структуру ответов под ваши продукты и процессы.

• Квантизация: Запуск на железе потребителя
  Без квантизации 7B-модель не запустить даже на RTX 4090. Эта технология позволяет развернуть мощный ИИ на ноутбуке или сервере без дорогих A100, радикально снижая стоимость владения.

• N8N: Визуальная оркестрация LLM
  N8N позволяет быстро создавать сложные LLM-пайплайны без переписывания кода. Вы визуально соединяете RAG, API-вызовы и базы данных, превращая идеи в работающие прототипы за часы, а не дни. Это мост между быстрым прототипированием и продакшен-решением.

Кому подойдёт:

• DevOps и SRE
  Специалисты, которым нужно развертывать и масштабировать LLM-инфраструктуру. Получите практические навыки работы с vLLM, мониторингом и оптимизацией для production-сред
  
  
• Data Scientist-исследователи
  Аналитики данных, стремящиеся перейти от экспериментов к production-решениям. Курс научит инженерным аспектам: тонкой настройке, развертыванию моделей и построению RAG-систем.

• Backend-разработчики
  Программисты, желающие интегрировать LLM в свои приложения. Освоите создание AI-агентов, работу с векторными базами и облачными API для сложных продуктовых задач.
  
  
• Продуктовые IT-архитекторы
  Архитекторы, проектирующие системы с ИИ. Курс даст глубокое понимание всего стека LLM-технологий для принятия взвешенных решений о выборе инструментов и архитектуры.

Программа практикума

1. Введение
2. Введение в LLM: Ландшафт, Архитектура и Инференс
3. Серверы Инференса
4. Запуск LLM на ноутбуке
5. Облачные модели
6. Fine-Tuning: Адаптация модели под себя
7. Работа с промптами: Инженерия запросов
8. Безопасность и Этика LLM: Защита и «Галлюцинации»
9. Векторные базы: Память для LLM
10. RAG: Создаём ассистента по своим данным
11. Продвинутые RAG-пайплайны: Повышаем качество
12. LlamaIndex: Фреймворк для RAG
13. Агенты и Function Calling
14. MCP (Model Context Protocol)
15. LangChain: Фреймворк-оркестратор
16. N8N: Low-code
17. Заключение

Эксперт практикума: Василий Озеров
Сооснователь Rebrain. - Участвовал в 50+ проектах — от технологических стартапов до крупных госпроектов. - Построил карьеру до позиции SVP of Infrastructur

Цена 50000 руб.
Скрытая ссылка