🤖 Python for AI

Практический курс по разработке ИИ-приложений на Python: от NLP и трансформеров до больших языковых моделей (LLM), промпт-инжиниринга, токенизации и работы с API, эмбеддингов и векторного поиска, LangChain, агентов, мультимодальных моделей, RAG и fine-tuning.

📚 Что нужно знать заранее

  • Базовый Python: функции, списки/словари, виртуальное окружение (venv), pip
  • Работа с HTTP-запросами и JSON (желательно — курс «Python Advanced»)
  • Аккаунты/ключи API: Google Gemini, Hugging Face (понадобятся с урока 03)

🧠 Блок 1: Основы AI и LLM (Уроки 1–6)

NLP и трансформеры, большие языковые модели и промпт-инжиниринг, токенизация и API LLM, эмбеддинги и векторы, LangChain и PromptHub, агентный подход.

Урок 01 — Введение в NLP и трансформеры

История NLP, RNN/CNN, архитектура трансформеров, механизм внимания, позиционные эмбеддинги

🎯 Начальная⏱️ ~55 мин

Урок 02 — LLM и промпт-инжиниринг

Большие языковые модели, GPT vs BERT, формула хорошего промпта, практика промптинга

🎯 Начальная⏱️ ~60 мин

Урок 03 — Токенизация и работа с API LLM

Токены и лимиты, экономия токенов, Gemini API (google-genai), безопасное хранение ключей (.env)

🎯 Средняя⏱️ ~65 мин

Урок 04 — Обработка запросов и таймаутов. Эмбеддинги

Rate limits, таймауты, автоповтор (tenacity); эмбеддинги, семантический поиск, FAISS

🎯 Средняя⏱️ ~70 мин

Урок 05 — Экосистема LangChain и PromptHub

Цепочки (chains), компоненты LangChain, LCEL, Document Loaders и Vector Stores, вопрос-ответ по документам, PromptHub

🎯 Средняя⏱️ ~70 мин

Урок 06 — Агентный подход с LLM

Интеллектуальные агенты, компоненты (LLM/Tools/Memory/Planning), паттерн ReAct, LangGraph create_react_agent, свои инструменты

🎯 Средняя⏱️ ~70 мин

🚀 Блок 2: Мультимодальность, RAG, Fine-tuning (Уроки 7–10)

Изображения, звук и видео, Retrieval-Augmented Generation (RAG), fine-tuning моделей и лучшие практики разработки ИИ-приложений.

Урок 07 — Мультимодальные модели и изображения

Мультимодальность, CLIP для связи текста и изображений, zero-shot классификация, Stable Diffusion и prompt engineering для генерации картинок

🎯 Средняя⏱️ ~75 мин

Урок 08 — Звук, видео и интеграция мультимодальности

Whisper для Speech-to-Text, задачи анализа видео, ffmpeg, запись аудио и мультимодальный pipeline аудио → текст → изображение → CLIP

🎯 Средняя⏱️ ~80 мин

Урок 09 — Retrieval-Augmented Generation (RAG)

Архитектура RAG, чанки, эмбеддинги, векторные базы данных, FAISS, LangChain LCEL и генерация ответа по найденному контексту

🎯 Средняя⏱️ ~80 мин

Урок 10 — Fine-tuning и лучшие практики ИИ-приложений

Когда нужен fine-tuning, подготовка данных, Hugging Face Trainer + PEFT/LoRA, приватность, безопасность, evals, мониторинг и масштабирование

🎯 Средняя+⏱️ ~90 мин