Этот сайт использует cookies. Продолжая, вы даёте согласие на их обработку. Политика использования.
Научитесь создавать AI-инструменты, которые помогают в работе: находят нужную информацию, отвечают на вопросы и получают данные из внешних сервисов — от no-code прототипа до простого Python-бота
RAG-боты и автоматизация LLM
длительность
2 недели
2 недели
уровень
для начинающих
для начинающих
старт обучения
26 января
26 января
Курс от практика
из индустрии
из индустрии
Регистрация на образовательной платформе
Для оплаты курса вам необходимо зарегистрироваться на нашей образовательной платформе, указав ваши имя, фамилию и электронную почту.
Если у вас уже есть учётная запись, можно использовать её.
Если у вас уже есть учётная запись, можно использовать её.
о курсе //
Это практический интенсив, на котором вы шаг за шагом пройдёте путь от простой no-code сборки до локального приложения с поиском по документам, подключением сервисов и Telegram-интерфейсом
За 4 вебинара вы получите необходимые навыки LLM-инженера и соберёте основу ассистента: настроите поиск и обработку ваших данных, подключите инструменты, добавите свою логику и запустите Telegram-бота с фоллбэком на GPT-4o
Программа выстроена так, чтобы вы понимали не только шаги, но и общую логику работы AI-ассистентов: подготовку данных, механизм поиска, подключение инструментов через MCP и выполнение запросов
кому подойдёт этот курс >>
Вы освоите архитектурный паттерн RAG и научитесь работать с ключевыми компонентами современного AI-стека: сервером локальных моделей (Ollama), векторной базой данных (pgvector) и MCP-сервером для интеграции инструментов
Хотите использовать LLM для работы с технической документацией, кодовой базой и тест-кейсами?
Разработчикам и QA-инженерам
Вы научитесь проектировать и собирать прототипы AI-сервисов, интегрировать внешние инструменты через MCP-сервер и работать с векторными базами данных для поиска по документации
Работаете с требованиями, отчётами и базами знаний?
Аналитикам
Вы научитесь интегрировать LLM-компоненты в IT-ландшафт компании: разворачивать локальные модели через Ollama, работать с векторными базами и подключать внешние сервисы для создания безопасных и масштабируемых AI-ассистентов
Нужно автоматизировать поиск по логам, отчётам об инцидентах и внутренней документации?
IT-специалистам, DevOps и архитекторам
Как проходит обучение //
Как проходит обучение
Записи, код, примеры пайплайнов, инструкции по установке инструментов — всё останется у вас навсегда
Постоянный доступ к материалам
Все занятия — онлайн с преподавателем. Можно задавать вопросы и разбирать кейсы прямо во время урока
Удобное время занятий
Вы делаете всё своими руками: от Flowise-сборки до Telegram-бота
Фокус на практику
Во время занятий можно уточнять детали, разбирать ошибки и получать рекомендации по улучшению вашего ассистента
Поддержка преподавателя
чему вы научитесь /?/
Соберёте ассистента, который понимает ваши файлы, отвечает на вопросы и помогает быстрее находить нужные данные
Быстро находить нужную информацию в документах и базе знаний
Настроите подключение API через MCP, чтобы ассистент сам подгружал свежие данные — например, погоду, курсы или внутренние метрики
Автоматически получать данные из внешних сервисов
Освоите low-code: сможете управлять поиском, обрабатывать ошибки и переключать модели для более точных ответов
Настраивать поведение ассистента под ваши задачи
Разберётесь, как работает цепочка поиска и генерации, как подключаются инструменты и как тестировать функции при создании LLM
Создавать собственные прототипы на базе LLM
Освоите разбиение текста, базу pgvector и FastAPI endpoint /query для семантического поиска по своим документам
Работать с локальной векторной базой и API
Соберёте бота на python-telegram-bot v21, настроите webhook, команды /ask и /upload и авторизацию по chat-id. Бот будет работать на локальной модели через Ollama
Собирать и запускать Telegram-ассистента
преподаватель курса >>
Ярослав Шуваев
> 20+ лет опыта в цифровой разработке
> 10+ лет опыта внедрения и запуска инновационных цифровых продуктов в корпорациях Альфа-Банк, Ак Барс Банк, МТС, Viasat и других
> 10+ лет опыта в корпоративном обучении
> 10+ лет опыта внедрения и запуска инновационных цифровых продуктов в корпорациях Альфа-Банк, Ак Барс Банк, МТС, Viasat и других
> 10+ лет опыта в корпоративном обучении
программа курса //
Разберём, как загрузить документ, обработать текст так, чтобы ассистент мог по нему искать, и подключить модель в удобном визуальном интерфейсе
Покажем, как организовать последовательность работы ассистента: поиск данных, обработка моделью и выполнение инструментов. Подключим OpenAI functions и Ollama
Покажем, как добавить готовые инструменты (например, получение погоды или других данных через API) и объясним, как работает Model Context Protocol
Разберём, как разбивать документы, хранить их в pgvector и обрабатывать запросы через FastAPI при помощи инструмента вайб-кодинга (Cursor)
Разберём, как добавить небольшие фрагменты JS или Python, чтобы управлять поиском, обрабатывать ошибки и переключать модели
Покажем, как настроить команды, webhook, авторизацию и работу через Ollama
Разберём, как загрузить документ, обработать текст так, чтобы ассистент мог по нему искать, и подключить модель в удобном визуальном интерфейсе
Покажем, как добавить готовые инструменты (например, получение погоды или других данных через API) и объясним, как работает Model Context Protocol
Разберём, как добавить небольшие фрагменты JS или Python, чтобы управлять поиском, обрабатывать ошибки и переключать модели
Покажем, как организовать последовательность работы ассистента: поиск данных, обработка моделью и выполнение инструментов. Подключим OpenAI functions и Ollama
Разберём, как разбивать документы, хранить их в pgvector и обрабатывать запросы через FastAPI при помощи инструмента вайб-кодинга (Cursor)
Покажем, как настроить команды, webhook, авторизацию и работу через Ollama
стоимость обучения >>
FAQ >>
Для начала — нет. Первые занятия проходят полностью в no-code/low-code. Во второй части курса будут небольшие фрагменты JS и Python в готовых шаблонах. Базовое понимание синтаксиса поможет, но не является обязательным
Ноутбук и возможность установить Flowise, Python, Ollama и Postgres. Все инструкции дадим на курсе
Да, все записи и материалы остаются у вас навсегда
Да. Итогом курса станет рабочий прототип AI-ассистента, который можно адаптировать под задачи вашей команды