Нейросети Скрытый фундамент генеративного ИИ - Kretz (2025)

[Zero]

Автор: Andreas Kretz
Курс: Скрытый фундамент генеративного ИИ

О чём курс:

Курс посвящён эмбеддингам — векторным представлениям, которые помогают моделям работать со смыслом текста, находить сходства и сравнивать содержание, а не только отдельные слова. В программе рассматриваются преобразование текста в числа, сходство и расстояния между текстами, связь эмбеддингов с LLM, семантическим поиском и RAG, а также ограничения, связанные со стоимостью токенов, задержкой и производительностью. Практическая часть включает работу с Python и пайплайнами, вычисление сходства текстов, анализ качества поиска и эксперименты с моделями в интерактивном Embedding Playground. Материал предназначен для специалистов по данным и разработчиков, работающих с LLM и GenAI; курс проходит на английском языке.

Этот курс раскрывает ключевую «невидимую» часть GenAI — эмбеддинги. Именно они позволяют моделям понимать смысл, находить сходства и работать с текстом на уровне семантики, а не просто слов.

Без сложной математики — только практическое понимание и применение.

Что даёт курс:

• понимание, как LLM «видят» текст
• основа для работы с RAG и поиском
• навык работы с векторными представлениями
• понимание архитектуры GenAI-систем

Почему эмбеддинги важны:

• лежат в основе семантического поиска
• используются в RAG-системах
• позволяют сравнивать смысл, а не слова
• улучшают качество генерации

Что вы изучите:

• Векторные представления
  Как текст превращается в числа и как это используется в AI.
• Сходство и расстояния
  Как модели понимают, что тексты «похожи».
• Связь LLM и embeddings
  Как генерация и поиск работают вместе.
• Практика с Python
  Реальные примеры работы с эмбеддингами и пайплайнами.
• Embedding Playground
  Интерактивные эксперименты со смыслом и расстояниями.
• Ограничения
  Стоимость токенов, latency и влияние моделей на производительность.

Практика:

• вычисление сходства текстов
• простые векторные пайплайны
• анализ качества поиска
• эксперименты с моделями

Что вы освоите:

• понимание работы embeddings «под капотом»
• применение в семантическом поиске
• подготовку к RAG-системам
• работу с LLM API на более глубоком уровне

Результат после курса:

• уверенная работа с эмбеддингами
• понимание архитектуры GenAI
• готовность к работе с векторными БД
• база для построения AI-продуктов

Кому подойдёт:

• data-инженерам
• ML/AI-разработчикам
• backend-разработчикам
• всем, кто работает с LLM и GenAI

Язык: английский

Подробнее:

Скачать:

Для просмотра скрытого содержимого вы должны войти или зарегистрироваться.