Главная / Курсы / Нейросети с нуля / ИИ-инженер

Нейросети с нуля Диплом о профпереподготовке Рассрочка 4 мес Онлайн

ИИ-инженер

Яндекс Практикум
онлайн-школа · 13 курсов

Компании всё чаще требуют от сотрудников не просто пользоваться нейросетями в чате, а встраивать ИИ в рабочие процессы: отвечать клиентам по внутренним регламентам, обрабатывать заявки, сокращать ручной разбор документов.

▴ 4.0оценка редакции
Стоимостьот 90 000 ₽
Рассрочкаот 5 795 ₽/мес× 36 мес
Длительность4 мес
ФорматОнлайн
ДокументДиплом о профпереподготовке
НаправленияНейросети с нуля

Оценка редакции ▴ 4.0

Считается по программе, практике, преподавателям и отзывам.

✓Плюсы

  • 6 проектов в портфолио с экспертным ревью
  • 3 воркшопа с наставниками
  • 71 час теории и 184 часа практики

–Минусы

  • Помощь с трудоустройством не предусмотрена
  • Программа требует опыта работы с нейросетями, для новичков не подходит
Для кого

Для специалистов по нейросетям, которые хотят перейти от запросов к развёртыванию ИИ-сервисов в продакшн

Бонусы и преимущества

Налоговый вычет 13%Можно вернуть до 13% стоимости через налоговый вычет.
Поддержка наставникаКуратор или ментор на протяжении всего обучения.
Дополнительные преимуществаДиплом «о профессиональной переподготовке» установленного образца, образовательная лицензия Л035-01298-77/00185314; при неполном прохождении выдаётся справка с перечнем модулей. Оплата также через Яндекс Сплит и кредит от Т-Банка, возможна оплата работодателем.

Чему учит курс

  • Продумывать устройство сервисов на больших языковых моделях (LLM) и настраивать параметры генерации
  • Строить системы генерации с дополненной выборкой (RAG) на векторном поиске и измерять релевантность
  • Создавать ИИ-агентов, которые обращаются к внешним инструментам, и выстраивать оркестрацию вызовов
  • Разворачивать в продакшене сервисы на языковых моделях (LLM), обеспечивая мониторинг и оптимизируя расходы
  • Измерять качество работы ИИ-систем и понимать, в каких случаях требуется дообучение
  • Встраивать большие языковые модели (LLM) в уже работающие продукты и бизнес-процессы

Программа курса (6 модулей)

За четыре месяца курс учит разрабатывать сервисы на основе больших языковых моделей (LLM): системы генерации с дополненной выборкой (RAG), агентов, а также развёртывать и сопровождать решения на базе ИИ. Обучение разбито на шесть спринтов, в конце каждого выполняется проект, а финальной работой становится ИИ-ассистент службы поддержки. Программа рассчитана на специалистов, которые владеют машинным обучением, Python и глубоким обучением (Deep Learning).

  1. 1
    Большие языковые модели и генерация текста
    изучается устройство больших языковых моделей, от которого зависит качество ответов, и принципы инференса, то есть порождения текста моделью, что помогает подбирать модель под задачу, оценивать её ответы и понимать, из чего состоят затраты на обработку запросов.
  2. 2
    Генерация с дополненной выборкой (RAG)
    показано, как подготовить данные, разбить тексты на фрагменты, перевести их в эмбеддинги и проиндексировать в векторной базе для быстрого извлечения нужных сведений, а затем оценить точность поиска, чтобы строить ассистентов по корпоративной базе знаний без переобучения модели.
  3. 3
    Системы на основе агентов
    рассматриваются вызов внешних функций и инструментов (function calling), паттерн ReAct с чередованием рассуждений и действий, защитные ограничения поведения агента (guardrails) и распределение задач между несколькими агентами, что позволяет создавать системы для многошаговых задач, а не только для ответов на вопросы.
  4. 4
    Развёртывание систем ИИ
    разбираются развёртывание сервиса на базе большой языковой модели (LLM), асинхронная обработка запросов и мониторинг, чтобы превратить прототип в рабочий сервис, который справляется с параллельными запросами, а его задержки и сбои отслеживаются и вовремя устраняются.
  5. 5
    Сопровождение систем ИИ
    освещаются безопасность систем ИИ, контроль качества в ходе работы и дообучение модели, что защищает сервис от злоупотреблений и сохраняет качество ответов по мере того, как меняются данные и требования пользователей.
  6. 6
    Финальный проект
    генерация с дополненной выборкой (RAG) для поиска по базе знаний и агент для выполнения действий объединяются в единого ИИ-ассистента службы поддержки, что закрепляет навыки всего курса на практической задаче и даёт готовое решение для портфолио.

Навыки после курса

Построение конвейеров генерации с дополненной выборкой (RAG)Создание систем из ИИ-агентовИспользование векторных баз данныхРазвёртывание сервисов на языковых моделях (LLM)Мониторинг работы ИИ-системПроверка качества сгенерированных ответовДообучение больших языковых моделей (LLM)Оркестрация в LangChain и LangGraph

Покрытие навыков направления Низкое покрытие

Из ключевых навыков подборки «Нейросети с нуля» курс закрывает 2 из 13.

Закрывает

Настройка персональных ИИ-ассистентов на своих данныхВнедрение ИИ в личные и рабочие процессы

Не входит в программу

Подбор нейросети под задачу и ориентация в экосистеме ИИ-сервисов; Составление промптов по структуре и итеративная доработка ответа; Создание и редактирование текстов с помощью ИИ; Генерация и редактирование изображений по текстовому описанию; Работа с файлами и данными через ИИ; Поиск и проверка информации с ИИ-поисковиками и режимами глубоких исследований; Сборка презентаций и визуальных материалов с ИИ-сервисами; Генерация видео, аудио и озвучки; Автоматизация рутины связками сервисов и ИИ-агентами без кода; Решение задач с кодом через ИИ в режиме vibe coding; Соблюдение правил безопасности и права при работе с ИИ.

Описание курса

Яндекс Практикум · 90 000 ₽ · 4 мес · рассрочка

Компании всё чаще требуют от сотрудников не просто пользоваться нейросетями в чате, а встраивать ИИ в рабочие процессы: отвечать клиентам по внутренним регламентам, обрабатывать заявки, сокращать ручной разбор документов. Для такой задачи недостаточно разовых запросов к модели. Нужны сервисы, которые получают данные компании, находят в них нужное и выполняют действия без участия человека на каждом шаге. Специалист, который умеет довести прототип до рабочего сервиса, закрывает этот разрыв между экспериментом и результатом для бизнеса.

Практический результат

После программы специалист самостоятельно собирает ассистента службы поддержки: он отвечает на вопросы по базе знаний компании, передаёт обращения в нужные системы и фиксирует результат. Готовый сервис запускается на собственной инфраструктуре, а сбои и задержки видны в мониторинге до того, как их заметят клиенты. Финальный проект становится рабочим образцом для портфолио. Для отдела это означает меньше часов на типовые обращения, меньше ошибок в ответах и возможность масштабировать поддержку без найма новых сотрудников под каждый пик нагрузки в течение рабочего дня.

Отзывы о курсе

Что рассказывают студенты, прошедшие курс.

Отзывов пока нет. Первый отзыв можно оставить через форму ниже.

Оставить отзыв о курсе

Как прошло обучение

Отзыв поможет тем, кто выбирает программу.