Курс подходит
- Специалистам, внедряющим ИИ в ежедневную работу
- Предпринимателям и руководителям
- Разработчикам AI-сценариев и ассистентов
Искусственный интеллект
Онлайн-курс «Локальные нейросети»
Освоить направление «Локальные нейросети» через последовательность предметных задач и самостоятельную итоговую работу. Обучение построено вокруг практики и завершается проектом, который можно показать в портфолио.
Итоговый результат: Production-контур локального ИИ — законченная работа с инструкцией, проверками и демонстрацией результата.
16 модулейот основ до проекта
48–64 часовв удобном темпе
Автопроверкаобратная связь сразу
Сертификатс проверкой подлинности
О программе
Кому подойдёт курс и чему вы научитесь
Практические навыки
- Применять тему «Архитектура локального ИИ» на практике и проверять результат по критериям
- Применять тему «Оборудование и VRAM» на практике и проверять результат по критериям
- Применять тему «Форматы GGUF» на практике и проверять результат по критериям
- Применять тему «Выбор и сравнение моделей» на практике и проверять результат по критериям
- Применять тему «Инференс и параметры» на практике и проверять результат по критериям
- Применять тему «Локальный web-интерфейс» на практике и проверять результат по критериям
Программа обученияМодуль 1 Модуль 2 Модуль 3 Модуль 4 Модуль 5 Модуль 6 Модуль 7 Модуль 8 Модуль 9 Модуль 10 Модуль 11 Модуль 12 Модуль 13 Модуль 14 Модуль 15 Модуль 16
Что вы изучите
Архитектура локального ИИ
Результат требует проверки фактов, защиты исходных данных, тестового набора запросов и описанных границ применения. На этом этапе важно освоить базовую модель и научиться узнавать её в простых ситуациях. В курсе «Локальные нейросети» тема «Архитектура локального ИИ» считается освоенной только после создания предметного результата и его независимой проверки. Качество определяется стабильностью на тестовом наборе, корректным отказом и возможностью проверить использованные факты.
Оборудование и VRAM
Результат требует проверки фактов, защиты исходных данных, тестового набора запросов и описанных границ применения. На этом этапе важно освоить базовую модель и научиться узнавать её в простых ситуациях. В курсе «Локальные нейросети» тема «Оборудование и VRAM» считается освоенной только после создания предметного результата и его независимой проверки. Качество определяется стабильностью на тестовом наборе, корректным отказом и возможностью проверить использованные факты.
Форматы GGUF
Форма должна иметь подписи, серверную проверку, понятные ошибки и защиту изменяющего запроса. На этом этапе важно освоить базовую модель и научиться узнавать её в простых ситуациях. В курсе «Локальные нейросети» тема «Форматы GGUF» считается освоенной только после создания предметного результата и его независимой проверки. Качество определяется стабильностью на тестовом наборе, корректным отказом и возможностью проверить использованные факты.
Выбор и сравнение моделей
Результат требует проверки фактов, защиты исходных данных, тестового набора запросов и описанных границ применения. Модуль переводит базовые знания в рабочий сценарий с ограничениями, ошибками и самостоятельным выбором инструмента. В курсе «Локальные нейросети» тема «Выбор и сравнение моделей» считается освоенной только после создания предметного результата и его независимой проверки. Качество определяется стабильностью на тестовом наборе, корректным отказом и возможностью проверить использованные факты.
Инференс и параметры
Результат требует проверки фактов, защиты исходных данных, тестового набора запросов и описанных границ применения. Модуль переводит базовые знания в рабочий сценарий с ограничениями, ошибками и самостоятельным выбором инструмента. В курсе «Локальные нейросети» тема «Инференс и параметры» считается освоенной только после создания предметного результата и его независимой проверки. Качество определяется стабильностью на тестовом наборе, корректным отказом и возможностью проверить использованные факты.
Локальный web-интерфейс
Результат требует проверки фактов, защиты исходных данных, тестового набора запросов и описанных границ применения. Модуль переводит базовые знания в рабочий сценарий с ограничениями, ошибками и самостоятельным выбором инструмента. В курсе «Локальные нейросети» тема «Локальный web-интерфейс» считается освоенной только после создания предметного результата и его независимой проверки. Качество определяется стабильностью на тестовом наборе, корректным отказом и возможностью проверить использованные факты.
Embeddings
Результат требует проверки фактов, защиты исходных данных, тестового набора запросов и описанных границ применения. Модуль переводит базовые знания в рабочий сценарий с ограничениями, ошибками и самостоятельным выбором инструмента. В курсе «Локальные нейросети» тема «Embeddings» считается освоенной только после создания предметного результата и его независимой проверки. Качество определяется стабильностью на тестовом наборе, корректным отказом и возможностью проверить использованные факты.
Векторная база
Результат требует проверки фактов, защиты исходных данных, тестового набора запросов и описанных границ применения. Модуль переводит базовые знания в рабочий сценарий с ограничениями, ошибками и самостоятельным выбором инструмента. В курсе «Локальные нейросети» тема «Векторная база» считается освоенной только после создания предметного результата и его независимой проверки. Качество определяется стабильностью на тестовом наборе, корректным отказом и возможностью проверить использованные факты.
RAG
RAG сначала находит релевантные фрагменты базы знаний, затем передаёт их модели как контекст ответа. Тема встраивается в итоговый проект и проверяется вместе с ранее созданными частями. В курсе «Локальные нейросети» тема «RAG» считается освоенной только после создания предметного результата и его независимой проверки. Качество определяется стабильностью на тестовом наборе, корректным отказом и возможностью проверить использованные факты.
Оценка ответов
Результат требует проверки фактов, защиты исходных данных, тестового набора запросов и описанных границ применения. Тема встраивается в итоговый проект и проверяется вместе с ранее созданными частями. В курсе «Локальные нейросети» тема «Оценка ответов» считается освоенной только после создания предметного результата и его независимой проверки. Качество определяется стабильностью на тестовом наборе, корректным отказом и возможностью проверить использованные факты.
Защита данных
Результат требует проверки фактов, защиты исходных данных, тестового набора запросов и описанных границ применения. Тема встраивается в итоговый проект и проверяется вместе с ранее созданными частями. В курсе «Локальные нейросети» тема «Защита данных» считается освоенной только после создания предметного результата и его независимой проверки. Качество определяется стабильностью на тестовом наборе, корректным отказом и возможностью проверить использованные факты.
Локальная база знаний
Результат требует проверки фактов, защиты исходных данных, тестового набора запросов и описанных границ применения. Тема встраивается в итоговый проект и проверяется вместе с ранее созданными частями. В курсе «Локальные нейросети» тема «Локальная база знаний» считается освоенной только после создания предметного результата и его независимой проверки. Качество определяется стабильностью на тестовом наборе, корректным отказом и возможностью проверить использованные факты.
Дообучение и адаптеры LoRA
Результат требует проверки фактов, защиты исходных данных, тестового набора запросов и описанных границ применения. Тема встраивается в итоговый проект и проверяется вместе с ранее созданными частями. В курсе «Локальные нейросети» тема «Дообучение и адаптеры LoRA» считается освоенной только после создания предметного результата и его независимой проверки. Качество определяется стабильностью на тестовом наборе, корректным отказом и возможностью проверить использованные факты.
Наблюдаемость локальной модели
Результат требует проверки фактов, защиты исходных данных, тестового набора запросов и описанных границ применения. Тема встраивается в итоговый проект и проверяется вместе с ранее созданными частями. В курсе «Локальные нейросети» тема «Наблюдаемость локальной модели» считается освоенной только после создания предметного результата и его независимой проверки. Качество определяется стабильностью на тестовом наборе, корректным отказом и возможностью проверить использованные факты.
Многопользовательский доступ
Результат требует проверки фактов, защиты исходных данных, тестового набора запросов и описанных границ применения. Тема встраивается в итоговый проект и проверяется вместе с ранее созданными частями. В курсе «Локальные нейросети» тема «Многопользовательский доступ» считается освоенной только после создания предметного результата и его независимой проверки. Качество определяется стабильностью на тестовом наборе, корректным отказом и возможностью проверить использованные факты.
Production-контур локального ИИ
Результат требует проверки фактов, защиты исходных данных, тестового набора запросов и описанных границ применения. Финальный модуль объединяет программу курса в один воспроизводимый результат. В курсе «Локальные нейросети» тема «Production-контур локального ИИ» считается освоенной только после создания предметного результата и его независимой проверки. Качество определяется стабильностью на тестовом наборе, корректным отказом и возможностью проверить использованные факты.
Результат
Production-контур локального ИИ — законченная работа с инструкцией, проверками и демонстрацией результата
В каждом модуле ученик создаёт часть итоговой работы, проходит самопроверку и получает баллы за практику.
Инструменты курса
LLM, промпты, API и локальные инструменты
Формат
Теория, демонстрация, практика, автопроверка и итоговый проект
Ответы на вопросы
Подойдёт ли курс новичку?
Да. Первый модуль определяет уровень, а материал идёт от базовых действий к самостоятельному проекту.
Как проверяются задания?
Система проверяет полноту ответа, ключевые критерии и тест. Результат и рекомендации появляются сразу.
Когда я получу сертификат?
Именной сертификат автоматически выпускается после успешного завершения всех модулей.