Учебный цикл · Шаг за шагом
AI и автоматизация в цифровых продуктах: от данных до работающей системы
Практический учебный цикл о том, как построить AI-систему: подготовить данные, обучить и проверить модель, подключить LLM и RAG, автоматизировать процесс и поддерживать качество после запуска. Все этапы разбираем на сквозном примере обработки обращений клиентов.
Начать циклВаш маршрут
Программа цикла
Отметки сохраняются только в этом браузере.
-
8 мин
Введение в машинное обучение: что это такое и какие задачи оно решает
Понятное введение в машинное обучение: отличие от обычной программы, данные, модели, обучение, классификация, регрессия, кластеризация и связь с data mining.
-
17 мин
Подготовка данных для ML: разметка, признаки и утечка данных
Как собрать данные для обучения модели: определить правильный ответ, подготовить признаки, избежать утечки и проверить выборку.
-
16 мин
Как обучается ML-модель: функция потерь, градиент и переобучение
Как модель превращает примеры в параметры: признаки, прогноз, функция потерь, градиент, оптимизация и регуляризация на примере обращений клиентов.
-
19 мин
Как проверить качество ML-модели: выборка, метрики и цена ошибок
Разбираем проверку ML-модели на примере обращений клиентов: разделение данных, матрица ошибок, precision и recall, выбор порога, калибровка и контроль после запуска.
-
16 мин
Как устроены языковые модели: токены, attention, контекст и генерация
Как языковая модель превращает текст в токены, связывает части контекста через attention, обучается предсказывать продолжение и формирует ответ.
-
15 мин
Как встроить LLM в приложение: запрос, проверка ответа и обработка ошибок
Как превратить вызов LLM в надёжную функцию приложения: подготовить данные, задать схему ответа, проверить факты и обработать сбои.
-
34 мин
RAG-системы: как языковая модель отвечает на основе внешних данных
Подробно разбираем, что такое RAG-система, из каких компонентов она состоит, как документы превращаются в индекс, как работает поиск и как LLM формирует ответ на основе найденного…
-
16 мин
Инструменты и AI-агенты: вызов API, управление и безопасность
Как языковая модель вызывает инструменты, как приложение управляет действиями AI-агента и какие ограничения нужны для безопасной работы.
-
16 мин
Инструменты и AI-агенты: вызов API, управление и безопасность
Как языковая модель вызывает инструменты, как приложение управляет действиями AI-агента и какие ограничения нужны для безопасной работы.
-
15 мин
AI-система в эксплуатации: качество, стоимость, задержка и мониторинг
Как измерять качество AI-системы после запуска, находить причины ошибок, контролировать стоимость и задержку и безопасно обновлять её компоненты.