OTUS, Мария Тихонова и др. | Большие языковые модели. Экспертный уровень / LLM (2026) PCRec [RU]

• Практикующим Data Science-специалистам, которые хотят глубже разобраться в трансформерных архитектурах и современных подходах к NLP.
  
• Выпускникам курсов по Machine Learning, Advanced ML и NLP, которые хотят перейти к более сложным и актуальным инструментам работы с LLM.
  
• ИТ-специалистам, которым необходимо работать с текстовыми данными, внедрять генеративный ИИ и использовать большие языковые модели в продуктах.
  
• Разработчикам и ML-инженерам, которые хотят научиться дообучать, интегрировать и разворачивать модели для прикладных задач.

• Базовая высшая математика: матрицы, векторы, элементы математической статистики, теории вероятностей и математического анализа.
  
• Понимание классических методов машинного обучения и опыт работы с ML-моделями.
  
• Основы Deep Learning и базовое представление о PyTorch.
  
• Программирование на Python для задач анализа данных и машинного обучения.
  
• Общее понимание задач NLP и обработки текстовых данных.

• Понимать архитектуру трансформеров и принципы работы больших языковых моделей.
  
• Использовать продвинутые методы работы с LLM и современными NLP-моделями.
  
• Адаптировать языковые модели под широкий круг бизнес-задач.
  
• Дообучать LLM под собственные данные и предметные области.
  
• Работать с актуальными фреймворками и инструментами для генеративного ИИ.
  
• Интегрировать модели в прикладные решения, включая Telegram-ботов.
  
• Выбирать подходящие архитектуры и подходы для задач генерации, классификации, суммаризации и анализа текста.

Большие языковые модели стали стандартом в задачах обработки текста, генерации контента, анализа данных, построения интеллектуальных ассистентов и автоматизации бизнес-процессов. Компании всё чаще ищут специалистов, которые понимают LLM не только на уровне использования готовых API, но и на уровне архитектуры, обучения, дообучения и внедрения моделей.

На курсе рассматриваются актуальные методы работы с трансформерными моделями, современные фреймворки и практические сценарии применения генеративного ИИ. Особое внимание уделяется тому, как использовать LLM для решения прикладных задач и адаптировать языковые модели под требования конкретного проекта.

• Введение в большие языковые модели и трансформеры
  
  • Обзор эволюции NLP: от RNN до Transformer
    
  • Архитектура Transformer: внимание,多头, энкодер-декодер
  
  
• Обучение и дообучение LLM
  
  • Pretraining и Fine-tuning
    
  • Методы эффективного дообучения: LoRA, Adapters, P-tuning
    
  • Работа с большими датасетами и этика данных
  
  
• Современные фреймворки и инструменты
  
  • Hugging Face Transformers, Datasets, Tokenizers
    
  • PyTorch и оптимизация для GPU
    
  • Использование API OpenAI, Anthropic и локальных моделей
  
  
• Прикладные задачи NLP с LLM
  
  • Генерация текста, суммаризация, вопросно-ответные системы
    
  • Классификация, извлечение сущностей (NER)
    
  • Создание чат-ботов и интеллектуальных ассистентов
  
  
• Оценка качества моделей
  
  • Метрики: BLEU, ROUGE, Perplexity, человеческая оценка
    
  • Анализ предвзятости и безопасность LLM
  
  
• Внедрение и масштабирование
  
  • Развертывание моделей в облаке и on-premise
    
  • Оптимизация инференса: quantization, pruning, distillation
    
  • Интеграция с бизнес-приложениями и Telegram-ботами

Курс делает акцент на прикладной работе с LLM. Вы не только изучите теорию трансформерных моделей, но и разберёте практические сценарии: от выбора модели и подготовки данных до дообучения, тестирования и внедрения решения.

Студенты познакомятся с современными state-of-the-art подходами в NLP и научатся применять их для создания интеллектуальных сервисов, автоматизации обработки текстов и разработки решений на базе генеративного искусственного интеллекта.

• Углубите экспертизу в области LLM, NLP и генеративного ИИ.
  
• Получите практический опыт работы с трансформерными моделями.
  
• Научитесь дообучать и адаптировать модели под бизнес-кейсы.
  
• Сможете использовать LLM в реальных проектах и продуктовых решениях.
  
• Усилите профессиональный профиль для работы в Data Science, ML Engineering и AI-разработке.

Большие языковые модели сегодня используются в чат-ботах, поисковых системах, аналитических инструментах, рекомендательных сервисах, системах поддержки пользователей и корпоративных AI-ассистентах. Это одно из самых быстрорастущих направлений генеративного ИИ, поэтому специалисты, умеющие работать с LLM на продвинутом уровне, востребованы на рынке IT.

Освоив технологии больших языковых моделей, вы сможете создавать решения, которые помогают бизнесу автоматизировать коммуникации, анализировать большие объёмы текстовой информации и повышать эффективность внутренних процессов.