Большие языковые модели. Экспертный уровень / LLM
О чём курс
Преподаватели Otus разбирают архитектуру больших языковых моделей и работу с трансформерами, чтобы вы могли адаптировать модели под задачи с текстовыми данными. Практическая часть включает дообучение, оценку моделей, работу с фреймворками и интеграцию LLM в бота.
Кому подойдёт
Курс рассчитан на практикующих специалистов Data Science, которым нужны углублённые знания о трансформерах и LLM. Он также адресован ИТ-специалистам, работающим с текстовыми данными, и выпускникам программ по машинному обучению и NLP, которые хотят освоить методы работы с языковыми моделями.
Для занятий нужны базовая высшая математика, включая матрицы, векторы, статистику, теорию вероятностей и математический анализ. Потребуются знание классического машинного обучения, основы Deep Learning, начальное знакомство с PyTorch и умение писать на Python для задач машинного обучения.
Что внутри
Сначала вы изучите задачу языкового моделирования, архитектуру трансформера, механизм внимания, энкодерные и декодерные модели. Отдельная часть охватывает современные LLM, оптимизацию их архитектуры, промптинг, LoRA, доменную адаптацию, мультиязычные модели и работу с длинным контекстом. Практические занятия сопровождаются домашними заданиями.
Далее преподаватели разбирают эффективные трансформеры, Sentence-transformers, LangChain и генерацию на основе базы знаний. В программе есть оценка LLM, распределённое обучение, интеграция модели в телеграм-бота и занятия с вопросами и дискуссией. Вы также познакомитесь с мультимодальными и Vision трансформерами, AI-агентами и применением трансформеров к временным рядам и табличным данным.
Практика и проект
В заданиях вы будете дообучать трансформеры и адаптировать языковые модели под свои задачи. Программа завершается проектной работой на основе изученных методов. Среди заявленных результатов курса — умение применять архитектуры LLM к бизнес-задачам и запускать модель в телеграм-боте.
Преподаватели
В списке преподавателей указаны Андрей Носов, Никита Овчинников, Алексей Клочков, Анна Козлова, Раиль Сулейманов, Мария Тихонова и Дмитрий Гайнуллин. Их профессиональные роли охватывают архитектуру ИИ, исследования, Data Science и машинное обучение.
Программа обучения
Базовые понятия трансформерных моделей В данном модуле вы познакомитесь с фундаментальным понятием NLP и трансформерных моделей. Рассмотрите архитектуру трансформера, механизм внимания и применение трансформеров в задачах машинного перевода и языкового моделирования. Тема 1: Задача языкового моделирования и понятие языковой модели Тема 2: Архитектура трансформер и задача машинного перевода // ДЗ Тема 3: BERT и другие трансформерные энкодеры // ДЗ Тема 4: GPT и другие декодерные модели для генерации текста Тема 5: Seq2seq модели. Дообучение трансформеров на практическом примере // ДЗ Тема 6: Методы за ChatGPT + Q&A сессия Новая эра LLM: базовые методы В этом модуле вы изучите современные подходы к большим языковым моделям (LLM) и их оптимизации. Вы освоите мультиязычные трансформеры, работу с длинным контекстом и практические техники промптинга. Тема 1: Современные LLM и оптимизация архитектуры Тема 2: Практическое занятие: теория промптинга LLM // ДЗ Тема 3: Методы за моделью DeepSeek - на пути к современному ризонингу Тема 4: LoRA и доменная адаптация (Domain adaptation) // ДЗ Тема 5: Мультиязычные трансформеры Тема 6: Работа с длинным контекстом Тема 7: Q&A сессия и дискуссионный клуб Продвинутые методы работы с LLM В этом модуле вы изучите углубленные подходы к работе с трансформерами. Тема 1: Sentence-transformers // ДЗ Тема 2: Эффективные трансформеры Тема 3: Практическое занятие: фреймворки для эффективной работы с LLM // ДЗ Тема 4: LangChain Тема 5: RAG - генерация на основе базы знаний Доп. главы работы с LLM В данном модуле вы узнаете о дополнительных аспектах работы с LLM, которые выходят за рамки стандартной программы. Тема 1: Оценка LLM Тема 2: Распределенное обучение Тема 3: Практическое занятие: интеграция LLM в тг-бота // ДЗ Тема 4: Q&A сессия и дискуссионный клуб Трансформеры для других модальностей В данном модуле вы ознакомитесь с применением трансформеров в мультимодальных задачах. Тема 1: Мультимодальные и Vision трансформеры Тема 2: Практическое занятие по работе с мультимодальными моделями Тема 3: Введение в AI агентов // ДЗ Тема 4: Трансформеры для временных рядов Тема 5: Трансформеры для табличных данных Тема 6: Q&A сессия и дискуссионный клуб Проектная работа Проектный модуль, во время которого студенты выполняют финальную работу на основе методов, изученных на курсе.
Теги курса
Отзывов пока нет. Будьте первым!
Это не розничная цена — это ваш взнос в складчину. Мы собираем группу участников и делим между ними стоимость официального доступа: каждый платит только свою долю, а получает весь материал. Чем больше участников, тем меньше взнос. После того как сумма собрана, мы оформляем официальный доступ и раздаём материалы всем, кто участвовал.
Нажмите кнопку «Получить доступ» на этой странице и следуйте инструкциям. Вас переведёт на форму оплаты — доступны все современные способы (карта, СБП, электронные кошельки). После оплаты на почту придёт письмо со ссылкой и инструкциями для доступа к материалам. Если ссылка не открывается, загляните в раздел «Помощь» или напишите в поддержку.
Да, конечно. Все материалы — видео, PDF, дополнительные файлы — можно скачать к себе на компьютер и пользоваться ими сколько угодно, без ограничений по времени. Ссылки остаются активными в вашей библиотеке «Мои складчины».