Курс подходит
- Специалистам, внедряющим ИИ в ежедневную работу
- Предпринимателям и руководителям
- Разработчикам AI-сценариев и ассистентов
Искусственный интеллект
Онлайн-курс «Ollama»
Освоить направление «Ollama» через последовательность предметных задач и самостоятельную итоговую работу. Обучение построено вокруг практики и завершается проектом, который можно показать в портфолио.
Итоговый результат: Локальный AI-ассистент — законченная работа с инструкцией, проверками и демонстрацией результата.
12 модулейот основ до проекта
36–48 часовв удобном темпе
Автопроверкаобратная связь сразу
Сертификатс проверкой подлинности
О программе
Кому подойдёт курс и чему вы научитесь
Практические навыки
- Применять тему «Локальные LLM и требования» на практике и проверять результат по критериям
- Применять тему «Установка Ollama» на практике и проверять результат по критериям
- Применять тему «Выбор и загрузка модели» на практике и проверять результат по критериям
- Применять тему «CLI и параметры генерации» на практике и проверять результат по критериям
- Применять тему «Modelfile» на практике и проверять результат по критериям
- Применять тему «REST API Ollama» 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
Что вы изучите
Локальные LLM и требования
LLM продолжает последовательность токенов вероятностным образом и может создавать правдоподобные недостоверные утверждения. На этом этапе важно освоить базовую модель и научиться узнавать её в простых ситуациях. В курсе «Ollama» тема «Локальные LLM и требования» считается освоенной только после создания предметного результата и его независимой проверки. Качество определяется стабильностью на тестовом наборе, корректным отказом и возможностью проверить использованные факты.
Установка Ollama
Ollama запускает совместимые языковые модели локально и предоставляет CLI и HTTP API для интеграции. На этом этапе важно освоить базовую модель и научиться узнавать её в простых ситуациях. В курсе «Ollama» тема «Установка Ollama» 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 загрузка модели
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 «Ollama» тема «Выбор и загрузка 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.
CLI и параметры генерации
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 «Ollama» тема «CLI и параметры генерации» считается освоенной только после создания предметного результата и его независимой проверки. Качество определяется стабильностью на тестовом наборе, корректным отказом и возможностью проверить использованные факты.
Modelfile
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 «Ollama» тема «Modelfile» считается освоенной только после создания предметного результата и его независимой проверки. Качество определяется стабильностью на тестовом наборе, корректным отказом и возможностью проверить использованные факты.
REST API Ollama
API задаёт контракт обмена между системами: адрес, метод, параметры, формат ответа и коды ошибок. Ollama запускает совместимые языковые модели локально и предоставляет CLI и HTTP API для интеграции. Модуль переводит базовые знания в рабочий сценарий с ограничениями, ошибками и самостоятельным выбором инструмента. В курсе «Ollama» тема «REST API Ollama» считается освоенной только после создания предметного результата и его независимой проверки. Качество определяется стабильностью на тестовом наборе, корректным отказом и возможностью проверить использованные факты.
Подключение интерфейса
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 «Ollama» тема «Подключение интерфейса» 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 с локальными документами
RAG сначала находит релевантные фрагменты базы знаний, затем передаёт их модели как контекст ответа. Модуль переводит базовые знания в рабочий сценарий с ограничениями, ошибками и самостоятельным выбором инструмента. В курсе «Ollama» тема «RAG с локальными документами» считается освоенной только после создания предметного результата и его независимой проверки. Качество определяется стабильностью на тестовом наборе, корректным отказом и возможностью проверить использованные факты.
Производительность CPU и GPU
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 «Ollama» тема «Производительность CPU и GPU» считается освоенной только после создания предметного результата и его независимой проверки. Качество определяется стабильностью на тестовом наборе, корректным отказом и возможностью проверить использованные факты.
Квантизация и качество
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 «Ollama» тема «Квантизация и качество» считается освоенной только после создания предметного результата и его независимой проверки. Качество определяется стабильностью на тестовом наборе, корректным отказом и возможностью проверить использованные факты.
Безопасность локального контура
Безопасность начинается с минимальных прав, проверки входа, защиты секретов, журналирования и резервного восстановления. Тема встраивается в итоговый проект и проверяется вместе с ранее созданными частями. В курсе «Ollama» тема «Безопасность локального контура» 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 AI-ассистент
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 «Ollama» тема «Локальный AI-ассистент» 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
Локальный AI-ассистент — 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.