Берикурс · ИИ, Технологии и Инженерия · Генеративный ИИ и Глубокое Обучение

Разработка приложений с LLM

Научитесь создавать приложения на базе больших языковых моделей (LLM), используя такие фреймворки, как LangChain и LlamaIndex. Разрабатывайте чат-ботов, системы ответов на вопросы и агентов с помощью Retrieval-Augmented Generation (RAG).

162 courses

Разработка приложений с LLM

Основы LangChain: Создание приложений с генерацией, дополненной поиском (RAG)

Создание AI-воркфлоу с помощью LangChain и Open-Source LLM

Создание ИИ-приложений от концепции до развертывания

Подключение AI к собственным данным с помощью RAG

AI для разработчиков: интеграция LLM с API и промптами

Создание Generative AI приложений без кода с помощью Dify

Введение в RAG: ответы ИИ на основе ваших документов

Разработка приложений с использованием API DeepSeek и Tongyi

LLM приложений для данных: построить RAG аналитика помощник

Наблюдаемость AI-агентов: LangSmith и Langfuse

Основы наблюдаемости AI-агентов с Langfuse

Основы оценки AI-агентов с помощью LangSmith

Создание GraphRAG-приложений с помощью LlamaIndex

Основы Agentic RAG: Создание AI-агентов с помощью LangGraph

Создание AI-агентов с помощью LlamaIndex и RAG

LangGraph Studio: создание и отладка рабочих процессов AI-агентов

LangChain и LangGraph: Создание AI-агентов с сохранением состояния

Основы RAG-конвейеров и LLMOps

Build a Local Private AI Stack: Self-Hosted LLMs and RAG

Создание LLM-приложений с использованием TypeScript и LangChain.js

Java AI разработка: LangChain4j и Spring AI

Структурированные выходные данные LLM: JSON, Pydantic и валидация

LLM Function Calling: Подключение AI к API и базам данных

Основы LlamaIndex: Создание AI агентов и RAG приложений