Программы курсов

Подробное содержание каждого курса — от первого урока до финального проекта

Флагман

ML Course

От основ Python до продвинутых алгоритмов, нейросетей и продакшна. Математика, sklearn, PyTorch, деплой моделей.

30 уроков 6 модулей 880 мин видео

01 Основы Python для ML

  • Типы данных, переменные, операторы
  • Функции, декораторы, генераторы
  • Работа с файлами и библиотеками
  • ООП: классы, наследование, полиморфизм

02 Математика и статистика

  • Линейная алгебра: векторы, матрицы, разложения
  • Математический анализ: производные, градиенты
  • Теория вероятностей и статистика
  • Оптимизация: градиентный спуск и его модификации

03 Machine Learning

  • Линейная и логистическая регрессия
  • Деревья решений, случайный лес, XGBoost
  • Кластеризация: K-Means, DBSCAN, иерархические методы
  • PCA, t-SNE, UMAP — снижение размерности

04 Нейросети

  • Полносвязные сети, backpropagation
  • Свёрточные сети (CNN) для компьютерного зрения
  • Рекуррентные сети (RNN, LSTM) для последовательностей
  • Attention и Transformer-архитектура

05 Продвинутый PyTorch

  • Автоматическое дифференцирование (autograd)
  • Создание кастомных датасетов и загрузчиков
  • Transfer learning и предобученные модели
  • Оптимизация гиперпараметров: Optuna, Ray Tune

06 Продакшн ML-моделей

  • FastAPI: REST API для модели
  • Docker: контейнеризация сервиса
  • Мониторинг качества модели в продакшне
  • Финальный проект: от ноутбука до сервиса
Купить ML Course — 4 990 ₽
Хит

Python + AI

LLM API, RAG-системы, AI-агенты, Telegram-бот. От async до продакшна — весь стек AI-разработки.

25 уроков 5 модулей 685 мин видео

01 Python для AI-разработки

  • async/await: асинхронное программирование
  • HTTP-клиенты: aiohttp, httpx
  • Работа с JSON, валидация: Pydantic
  • Структура проекта и зависимости

02 LLM API

  • OpenAI / Anthropic / Google Gemini API
  • Промпт-инжиниринг: системные сообщения, few-shot
  • Стриминг ответов и обработка ошибок
  • Стоимость, rate limits, оптимизация токенов

03 RAG-системы

  • Векторные базы данных: ChromaDB, Qdrant, Pinecone
  • Эмбеддинги: выбор модели, разбиение документов
  • Гибридный поиск: ключевые слова + семантика
  • Оценка качества RAG: precision, recall, faithfulness

04 AI-агенты

  • ReAct-паттерн: рассуждение + действие
  • Функциональные вызовы (tool calling)
  • Память: короткая и долгосрочная
  • LangChain / LangGraph: оркестрация агентов

05 Telegram-бот с AI

  • aiogram / python-telegram-bot
  • Интеграция LLM с диалогами
  • Управление контекстом сессии
  • Деплой: VPS, Docker, systemd
Купить Python + AI — 3 900 ₽
Доступен

Python PRO

Полный курс по Python-разработке: синтаксис, SQL и базы данных, backend на FastAPI и Django, автоматизация и проект-портфолио. От нуля до разработчика.

50 уроков 10 модулей 1400 мин видео

01 Основы Python

  • Синтаксис, переменные, типы данных
  • Условия и циклы
  • Списки и кортежи
  • Установка среды и первый запуск

02 Функции и области видимости

  • def, аргументы: *args и **kwargs
  • Лямбда-функции и функциональный стиль
  • Области видимости, LEGB и замыкания
  • Декораторы, global и nonlocal

03 Объектно-ориентированное программирование

  • Классы: атрибуты и методы
  • Наследование и полиморфизм
  • Магические методы
  • property и dataclasses

04 Инструменты разработчика

  • Терминал и Git: первый день
  • Git Workflow: ветки и GitHub
  • Виртуальные окружения и pip
  • Тестирование с pytest

05 Продвинутый Python

  • Продвинутые декораторы
  • Генераторы и итераторы
  • Многопоточность и GIL
  • async/await и asyncio, контекст-менеджеры

06 SQL и базы данных

  • SQL: SELECT, WHERE, ORDER BY
  • JOIN и отношения между таблицами
  • PostgreSQL: типы, индексы, транзакции
  • SQLAlchemy: ORM и проектирование схемы

07 Backend: FastAPI

  • REST API: основы HTTP
  • FastAPI: маршруты и Pydantic
  • Авторизация и безопасность
  • FastAPI + PostgreSQL, деплой

08 Backend: Django

  • Django: структура проекта
  • Модели и ORM
  • Views и маршрутизация
  • Шаблоны, формы и админка

09 Автоматизация и боты

  • Скрипты для автоматизации
  • Парсинг и сбор данных
  • Telegram-боты
  • Планировщики задач и интеграции API

10 Финальный проект

  • Старт проекта: идея и план
  • Разработка проекта
  • Тесты и отладка
  • Деплой, документация и карьера
Купить Python PRO — 5 000 ₽
Скоро

AI Agents Pro

MCP-протокол, LangGraph, mem0, Browser Use. Продвинутые паттерны создания AI-агентов.

30 уроков 6 модулей 875 мин видео

01 Архитектура AI-агентов

  • Типы агентов: reflex, model-based, utility
  • Проектирование агентных систем
  • Обзор фреймворков: LangGraph, CrewAI, AutoGen
  • Паттерны: ReAct, Plan-and-Execute, LATS

02 LangGraph глубокое погружение

  • Графы состояний, узлы и рёбра
  • Циклические графы и ветвление
  • Human-in-the-loop
  • Персистентность и checkpointing

03 MCP-протокол

  • Model Context Protocol: концепция и архитектура
  • Создание MCP-серверов
  • Интеграция MCP-клиентов с агентами
  • Безопасность и sandboxing

04 Память и контекст

  • mem0: управление долгосрочной памятью
  • Резюмирование и компактность контекста
  • Эпизодическая vs семантическая память
  • Кэширование результатов вызовов

05 Browser Use и автономные агенты

  • Playwright + LLM: автоматизация браузера
  • Browser Use: навигация, форма, парсинг
  • Безопасность: песочница, ограничения
  • Мониторинг и логирование действий

06 Продакшн агентов

  • Тестирование агентов: unit, integration, eval
  • Обработка ошибок и retry-политики
  • Масштабирование: очередь, rate limiting
  • Финальный проект: многоагентная система
Купить AI Agents Pro — 5 900 ₽
Скоро

RAG Engineer

Гибридный поиск, реранкеры, RAGAS, multimodal RAG. Инженерия систем поиска по документам.

30 уроков 6 модулей 880 мин видео

01 Основы RAG

  • Что такое RAG и зачем он нужен
  • Пайплайн: ingestion → retrieval → generation
  • Эмбеддинги: выбор модели, бенчмарки
  • Векторные хранилища: ChromaDB, Qdrant, Milvus

02 Инжиниринг документов

  • Разбиение текста: chunking стратегии
  • Обработка PDF, DOCX, HTML, Markdown
  • Метаданные: теги, даты, авторы
  • Инкрементальное обновление базы

03 Гибридный поиск

  • Ключевой поиск: BM25, TF-IDF
  • Семантический поиск: dense retrieval
  • Комбинирование: reciprocal rank fusion
  • Реранкеры: Cohere, cross-encoders

04 Multimodal RAG

  • Поиск по изображениям: CLIP, SigLIP
  • Таблицы и графики: извлечение структуры
  • Аудио и видео: транскрипция + RAG
  • Мультимодальная генерация ответов

05 Оценка и тестирование

  • RAGAS: context precision, faithfulness
  • Тестовые датасеты и бенчмарки
  • A/B тестирование пайплайнов
  • Мониторинг качества в продакшне

06 Продакшн RAG

  • Масштабирование: sharding, репликация
  • Кэширование: semantic cache
  • Безопасность: access control, PII
  • Финальный проект: enterprise RAG
Купить RAG Engineer — 4 900 ₽
Скоро

Local LLM Fine-tune

Квантизация, LoRA/QLoRA, Ollama, llama.cpp. Дообучение и деплой моделей на своём железе.

30 уроков 6 модулей 895 мин видео

01 Локальные LLM

  • Обзор моделей: Llama, Mistral, Phi, Gemma
  • Архитектура Transformer: подробный разбор
  • Ограничения: контекст, память, скорость
  • Выбор модели под задачу

02 Квантизация

  • INT8, INT4, GGUF форматы
  • GPTQ, AWQ, SqueezeLLM
  • Влияние квантизации на качество
  • Бенчмарки: скорость vs качество

03 LoRA и QLoRA

  • Теория: низкоранговые аппроксимации
  • PEFT библиотека от HuggingFace
  • QLoRA: дообучение на Consumer GPU
  • Подбор гиперпараметров: rank, alpha, target modules

04 Подготовка данных

  • Форматы: Alpaca, ShareGPT, ChatML
  • Генерация синтетических данных с LLM
  • Очистка и дедупликация
  • Балансировка классов и длина последовательностей

05 Дообучение

  • Fine-tuning полной модели vs LoRA
  • Обучение: loss curves, переобучение
  • Оценка качества: автоматическая + human eval
  • Merging адаптеров и экспорт

06 Деплой локальных моделей

  • Ollama: установка, API, модификация моделей
  • llama.cpp: сборка, оптимизация под железо
  • vLLM: высокопроизводительный инференс
  • Финальный проект: fine-tuned модель в продакшне
Купить Local LLM Fine-tune — 5 400 ₽
Новый

Computer Vision + AI

OpenCV, YOLO, сегментация, Vision Transformers, GPT-4V, Stable Diffusion, ComfyUI. Полный курс по компьютерному зрению и мультимодальному AI.

30 уроков 6 модулей 900 мин видео

01 Основы Computer Vision

  • Что такое Computer Vision
  • OpenCV: изображения, цветовые пространства
  • Детекция границ и контуров
  • Детекция特征 и сопоставление

02 Классификация изображений

  • Архитектуры CNN
  • Transfer Learning с PyTorch
  • Аугментация данных
  • Деплой классификационных моделей

03 Детекция объектов

  • YOLO v1–v9, Ultralytics
  • Обучение кастомной YOLO
  • DETR и RT-DETR
  • Real-time детекция

04 Сегментация

  • U-Net, DeepLabV3, Mask R-CNN
  • Segment Anything (SAM)
  • Медицинская сегментация
  • Промышленная сегментация

05 Мультимодальный AI

  • Vision Transformers (ViT)
  • GPT-4V и Claude Vision
  • Gemini, VQA, CLIP
  • Image-Text Retrieval

06 Генеративный AI

  • GANы: теория и практика
  • Stable Diffusion, ControlNet
  • ComfyUI: нодовый воркфлоу
  • Анализ и генерация видео
Купить CV + AI — 5 400 ₽
Новый

LLMOps — AI в продакшне

Деплой и эксплуатация LLM в продакшне: vLLM, TGI, Ollama, квантизация, оптимизация инференса, мониторинг качества и A/B-тестирование моделей.

25 уроков 5 модулей 750 мин видео

01 Введение в LLMOps

  • Жизненный цикл LLM-приложения в проде
  • Выбор модели под задачу: open-source vs API
  • Экономика инференса: стоимость токена
  • Обзор стека: vLLM, TGI, Ollama, Langfuse

02 Инференс и деплой

  • vLLM: PagedAttention и непрерывный батчинг
  • TGI и Ollama: сравнение и выбор сервера
  • OpenAI-совместимый API для своих моделей
  • Docker-деплой и балансировка нагрузки

03 Оптимизация инференса

  • Квантизация INT8/INT4: GPTQ, AWQ, GGUF
  • Спекулятивный декодинг
  • KV-cache и кэширование промптов
  • Латентность vs пропускная способность

04 Мониторинг и качество

  • Langfuse: трейсинг запросов и метрики
  • Дрейф качества и регрессионные тесты
  • A/B-тестирование моделей и промптов
  • Алертинг, SLO и стоимость на запрос

05 Capstone-проект

  • Сквозной пайплайн LLM-сервиса в проде
  • Нагрузочное тестирование инференса
  • Cost-оптимизация под реальный трафик
  • Защита финального проекта
Купить LLMOps — 5 900 ₽
Новинка

Data Engineer — инженерия данных для AI

Сквозной курс по инженерии данных: SQL и PostgreSQL, Python для данных, ClickHouse, Star Schema, оркестрация Airflow и dbt, потоковая обработка Kafka и финальный пайплайн, который готовит данные для RAG и ML.

32 урока 7 модулей 978 мин видео 7 проектов

01 SQL и реляционные базы

  • Роль Data Engineer и архитектура данных
  • PostgreSQL: схемы, JOIN, агрегации
  • Оконные функции и продвинутый SQL
  • Индексы, EXPLAIN и скорость запросов
  • Проект: SQL-анализ продаж

02 Python для данных

  • Python для аналитики и ETL
  • Файловые форматы: CSV, Parquet, JSON
  • Pandas и Polars: сравнение и выбор
  • ETL-пайплайны на Python
  • Проект: ETL-загрузка витрины

03 Хранилища: ClickHouse

  • OLTP vs OLAP: когда и что выбирать
  • ClickHouse и движок MergeTree
  • Партиции, проекции и EXPLAIN

04 Моделирование: Star Schema

  • Факты и измерения, схемы «звезда»
  • Витрины данных и метрики
  • Проект: DWH + дашборд

05 Оркестрация: Airflow + dbt

  • Почему нужна оркестрация данных
  • Airflow: DAG, сенсоры, ретраи
  • dbt: модели, тесты, документация
  • CI/CD для пайплайнов данных
  • Проект: Airflow + dbt прод

06 Streaming: Kafka

  • Streaming vs Batch
  • Kafka: топики, партиции, оффсеты
  • Продюсеры и консьюмеры на Python
  • Kafka → ClickHouse через коннекторы
  • Проект: real-time аналитика

07 Data для AI + проект

  • Качество данных и Data Quality
  • Подготовка данных для RAG и ML
  • Docker и деплой пайплайна
  • Капстоун: сквозной пайплайн данных
  • Капстоун: пайплайн ready для RAG
  • Карьера Data Engineer и портфолио
Купить Data Engineer — 5 900 ₽

Все ещё выбираете?

Пройдите бесплатный урок и почувствуйте формат обучения

Пройти бесплатный урок