LLM Driven Development

В июне

3 месяца

Онлайн

Для кого этот курс?

Этот курс для вас, если вы хотите внедрить AI на основе LLM в свой проект или сервис, но не знаете, как это сделать.
 
  • Python-разработчики, желающие выйти за рамки классического программирования и освоить прикладное AI.
  • DevOps-инженеры, которым важно понять, как разворачивать и поддерживать крупные AI-системы.
  • Data-инженеры, аналитики данных и специалисты по Data Science, стремящиеся глубже интегрировать языковые модели в пайплайны и сервисы.

Необходимые знания

Хотя бы базовое знание Python. Многие темы курса на курсе не требуют знания языков программирования, но отдельные примеры работы будут именно на Python

Что даст вам этот курс

Курс охватывает полный цикл разработки и внедрения больших языковых моделей — от основ архитектуры AI и подготовки данных до тонкостей MLOps, мониторинга и оптимизации. Программа основана на реальных кейсах и инструментах, которые уже сейчас востребованы в индустрии.
 

На курсе вы

  • Изучите фундаментальные принципы AI-архитектуры и трансформеров.
  • Освоите практики LLMOps: от развёртывания и автоматизации до мониторинга и обновления крупных моделей.
  • Разберётесь в токенизации, контекстных окнах и научитесь эффективно управлять памятью для больших LLM.
  • Освоите фреймворки для интеграции LLM (LangChain, LlamaIndex, vllm и другие) и научитесь работать с мультиагентными системами.
  • Научитесь применять retrieval-augmented generation (RAG) вместе с векторными базами данных и внедрять AI-функциональность в классические backend-проекты.
  • Поймёте, как проводить fine-tuning и оптимизацию LLM, включая вызов внешних функций.
  • Узнаете о когнитивных архитектурах, принципах мультимодальных моделей и методах тестирования AI-решений.
 
После курса вы будете готовы внедрять LLM-сервисы в реальные продукты: разрабатывать, тестировать, поддерживать и оптимизировать AI-приложения на продвинутом уровне.
LLM-driven development — это разработка и оптимизация AI систем с использованием LLM и современных фреймворков.
 
Курс фокусируется на прикладных знаниях архитектуры LLM и их интеграции с современными фреймворками, такими как LangChain и LlamaIndex, обеспечивая практическое применение через проектную работу и лабораторные занятия.

Процесс обучения

Обучение проходит онлайн: вебинары, общение с преподавателями и вашей группой в Telegram, сдача домашних работ и получение обратной связи от преподавателя.

Вебинары проводятся 2 раза в неделю по 2 ак. часа и сохраняются в записи в личном кабинете. Вы можете посмотреть их в любое удобное для вас время.

В ходе обучения вы будете выполнять домашние задания. Каждое из них посвящено одному из компонентов вашего выпускного проекта.

После выполнения всех домашних заданий вы получите готовый выпускной проект.

Оптимальная нагрузка

Возможность совмещать учебу с работой

Портфолио

Индивидуальная разработка итоговой проектной работы 

Перспективы

 

Получите знания, которые помогут повысить вашу востребованность и доход

Партнеры

Многие студенты еще во время прохождения первой части программы находят или меняют работу, а к концу обучения могут претендовать на повышение в должности.

  • Получите помощь с оформлением резюме, портфолио и сопроводительного письма
  • Разместите свое резюме в базе OTUS и сможете получать приглашения на собеседования от партнеров
Формат обучения

Интерактивные вебинары


2 занятия по 2 ак.часа в неделю. Доступ к записям и материалам остается навсегда

Обратная связь


Домашние задания с поддержкой и обратной связью наших преподавателей помогут освоить изучаемые технологии

Активное комьюнити


Чат в Telegram для общения преподавателей и студентов

Программа

Архитектура трансформеров

Тема 1: Базовые принципы трансформеров (от RNN к Self-Attention)

Тема 2: Token Embedding, позиционные вектора и QKV

Тема 3: Визуализация Attention и эволюция (BERT, GPT, T5)

Введение в AI Engineering

Тема 1: Эволюция AI и фундаментальные модели (ChatGPT, Mistral, Llama, Deepseek)

Тема 2: Подходы к локализации (SberGPT, YandexLLM, ruGPT-3)

Тема 3: Работа с данными в Python и подготовка данных для LLM

Основы LLMOps

Тема 1: Принципы LLMOps, автоматизация развертывания

Тема 2: Оптимизация и поддержка LLM (балансировка, мониторинг)

Тема 3: CI/CD для LLM и инструменты (Triton, MLflow, vLLM)

Оценка, токенизация и контекст

Тема 1: 11. Специализированные бенчмарки и метрики (GLUE, SQuAD и др.)

Тема 2: Токенизация, контекстные окна, test time scaling

Интеграция и практика

Тема 1: Работа с фреймворками и агентами (LangChain, LlamaIndex, Ollama, Haystack)

Тема 2: Мониторинг моделей с LangChain Observability, LangSmith, Langfuse

Тема 3: Векторные БД и Retrieval Augmented Generation (Pinecone, Chroma, Milvus, Clickhouse)

Тема 4: Промпт-инжиниринг (Chain-of-thought, защита от некорректных промптов)

Разработка и оптимизация LLM

Тема 1: Fine-tuning (LoRA, PEFT) и вызов внешних функций из LLM

Тема 2: Локальное использование LLM (CPU/GPU), оптимизация

Тема 3: Извлечение данных из текста (NER, IE), разработка приложений

Тема 4: Автоматизация тестирования LLM, CI/CD жизненного цикла

Когнитивные архитектуры и RAG

Тема 1: Основы RAG, онтологические графы, LangGraph

Тема 2: Проектирование когнитивных архитектур (QA, чат-боты, документооборот)

Тема 3: Архитектуры AI-приложений, профилирование inference

Тема 4: Тестирование AI-приложений (мониторинг, оптимизация задержек)

Продвинутые архитектуры и паттерны

Тема 1: Сжатие моделей: квантование (GGUF, AWQ), дистилляция, pruning

Тема 2: Семантический поиск и мультимодальность (текст + изображение/аудио)

Тема 3: Продвинутое обучение (contrastive fine-tuning, in-context learning), интерпретируемость (SHAP, LIME)

Проектная работа

Тема 1: Выбор темы и организация проектной работы

Тема 2: Консультация по проектам и домашним заданиям

Тема 3: Защита проектных работ

Тема 4: Подведение итогов курса

Также вы можете получить полную программу, чтобы убедиться, что обучение вам подходит

Выпускной проект

 

Каждый семестр завершается финальным проектом, который предстоит защитить перед преподавателями и командой. Вам будет, что обсудить на собеседовании!

 

В качестве проекта вам будет предложено разработать свой сервис с интеграцией AI и LLM. Например, разработать интеллектуального чат-бота для поддержки клиентов или систему семантического поиска для корпоративных данных.

 

Вы можете выбрать одну из предложенных преподавателем тем или реализовать свою идею.

Корпоративное обучение для ваших сотрудников

OTUS помогает развивать высокотехнологичные команды. Почему нам удаётся это делать успешно:
  • Курсы OTUS верифицированы крупными игроками ИТ-рынка и предлагают инструменты и практики, актуальные на данный момент
  • Студенты работают в группах, могут получить консультации не только преподавателей, но и профессионального сообщества
  • OTUS проверяет знания студентов перед стартом обучения и после его завершения
  • Простой и удобный личный кабинет компании, в котором можно видеть статистику по обучению сотрудников
  • Сертификат нашего выпускника за 5 лет стал гарантом качества знаний в обществе
  • OTUS создал в IT более 120 курсов по 7 направлениям, линейка которых расширяется по 40-50 курсов в год

Подтверждение знаний и навыков

OTUS осуществляет лицензированную образовательную деятельность. В конце обучения вы получите сертификат OTUS о прохождении курса и удостоверение о повышении квалификации.

После обучения вы:

  • Получите материалы по пройденным занятиям (видеозаписи курса и дoполнительные материалы)
  • Создадите свой проект, который поможет при прохождении собеседований
  • Повысите свою ценность и конкурентоспособность как IT-специалист
  • Получите сертификат об окончании курса

Частые вопросы

Почему OTUS?
Мы обучаем IT-сотрудников уже 6 лет, через OTUS прошли 20 000 студентов. Специализируемся на программах для людей с опытом, а ещё – быстро переформатируем учебные программы под изменения в сфере информационных технологий.
Обязательно ли выполнять и защищать выпускной проект?
Для получения сертификата OTUS и УПК (удостоверение повышения квалификации государственного образца) необходимо сдать проект. Кроме того, проект необязательно защищать перед аудиторией, а можно сдать в чате с преподавателем. Для получения УПК также понадобится предъявить документ об образовании.
Обязательно ли выполнять все домашние задания?
Да, если хотите хорошо отточить навыки. На курсе будут практические домашние задания, их выполнение занимает примерно 2-3 часа.
Помогаете ли вы с трудоустройством после курса?
В Otus Club проводятся вебинары на тему трудоустройства, разбор резюме, прохождения собеседований, особенности реферальных программ при найме. Также обратим ваше внимание, что преподаватели курса занимают ведущие позиции в разных компаниях. Будьте активны, выполняйте домашние задания, стройте network с сокурсниками и преподавателями, и вам будет проще найти работу, расширив свои контакты.
Смогу ли я совмещать учебу с работой?
Да. Программа курса рассчитана на студентов, у которых мало времени. Лекции проводим дважды в неделю, домашние задания — не чаще 1 раза в неделю.
Что, если в середине курса я не смогу продолжать обучение?
Вы можете бесплатно перейти в другую группу. Но только один раз.
Я могу вернуть деньги?
Да, мы можем вернуть деньги за то время курса, которое вы ещё не успели отучиться. Например, если курс длится пять месяцев, а вы отучились один, мы вернём деньги за оставшиеся четыре месяца.
Может ли мой работодатель оплатить курс?
Да. Когда свяжетесь с нашим менеджером, уточните, что оплачивать курс будет ваш работодатель.
Остались вопросы?
Оставляйте заявку и задавайте вопросы менеджеру, команда курса с ним на связи и постарается дать вам исчерпывающую информацию.