Большие языковые модели стали обычным инструментом разработчика, но между «поговорить с чат-ботом» и «встроить LLM в продукт» — большая дистанция. Этот курс проводит вас по ней шаг за шагом: от первого запроса к API до ассистента по базе знаний, развёрнутого как веб-сервис.Мы пишем код на Python в провайдеро-независимом стиле: через OpenAI-совместимый клиент, который работает с многими облачными провайдерами и с локальными моделями в Ollama и vLLM. Каждый урок — это теория без воды, рабочие примеры кода и практическое задание.Курс завершается итоговым проектом: бот-ассистент, который отвечает на вопросы по документам со ссылками на источники, защищён от типовых атак и покрыт автоматическими проверками качества.Чему вы научитесь: работать с LLM через API — параметры генерации, стриминг, учёт токенов и стоимости, обработка ошибок и ретраи;получать структурированный вывод по JSON-схемам и валидировать его через pydantic;подключать модели к своим функциям через tool calling;строить RAG: эмбеддинги, чанкинг, векторные базы (Chroma, pgvector, Qdrant), гибридный поиск и реранкинг;измерять качество поиска и ответов, писать evals;создавать агентов с инструментами и памятью, защищать их от prompt injection, логировать и разворачивать в Docker.Требования: базовый Python — функции, классы, работа с пакетами через pip. Опыт с машинным обучением не нужен.
Know More