Побудова LLM-застосунків: RAG та агенти
Будуйте production AI-застосунки на основі великих мовних моделей. Vector databases, RAG, автономні агенти, виклик інструментів, оцінка та патерни деплою.
Навчальний план
Вісім модулів для побудови та запуску production LLM-застосунків:
- Модуль 1: Внутрішня будова LLM — токенізація, контекстні вікна, температура
- Модуль 2: Векторні бази даних — embeddings, семантичний пошук, Qdrant, Pinecone
- Модуль 3: RAG-пайплайни — завантаження документів, стратегії chunking, оцінка retrieval
- Модуль 4: Розширений RAG — гібридний пошук, re-ranking, переформулювання запитів
- Модуль 5: AI агенти — патерн ReAct, інструменти, пам'ять, багатокрокове планування
- Модуль 6: Мульти-агентні системи — оркестрація, передача управління, спільний стан
- Модуль 7: Оцінка і observability — LLM evals, трейсинг, LangSmith, моніторинг витрат
- Модуль 8: Production деплой — стрімінг API, кешування, балансування навантаження
Available Languages
What You Need Before Starting
Python (курс 15) або C# (курси 1–2). Курс 20 настійно рекомендується.
Передумови
Потрібен досвід Python або C#/.NET. Знайомство з REST API та базовими концепціями AI.
Ваш інструктор
Oleksii Anzhiiak
Софтвер-архітектор, Senior .NET інженер та співзасновник
Олексій Анжіяк — софтвер-архітектор, Senior .NET інженер та співзасновник ToyCRM.com і ProfectusLab. Має понад 15 років досвіду у розподілених системах, хмарній інфраструктурі, high-load backend-розробці та identity-платформах. Проєктує складні архітектури, створює безпечні системи автентифікації та розробляє сучасні освітні програми, які допомагають студентам досягати реальних кар'єрних результатів.
Усі нові студенти отримують безкоштовний пробний урок при першому відвідуванні нашого навчального центру.
Доступні пропозиції
Перевірте поточні знижки та спеціальні умови для цього курсу.
Переглянути пропозиції →