Course · ИИ и технологии

ИИ для профессионалов: нейросети в ежедневной работе

Практический курс о том, как уверенно и безопасно использовать большие языковые модели в работе: как они устроены и почему галлюцинируют, промптинг (роль, контекст, задача, формат, примеры, рассуждение, структурированный вывод), итерация и проверка ответов, RAG и агенты, приватность данных и AI-грамотность (EU AI Act). Инструмент-нейтрально.

0 / 18 lessons done

New lesson →

Юнит 1. Как на самом деле работает LLM

Урок 1.1. Машина предсказания: как модель выбирает следующее слово

6 exercises · Объяснить своими словами, что LLM генерирует ответ как статистически правдоподобное продолжение текста (предсказание следующего токена), а не извлекает «правду» из базы и не ищет в интернете по умолчанию.

Урок 1.2. Почему модель уверенно врёт: галлюцинации

6 exercises · Понять, почему LLM может уверенно выдумывать факты, ссылки и цифры (галлюцинации) — потому что обучение оптимизирует правдоподобие, а не истинность, — и где это особенно опасно.

Урок 1.3. Память на один разговор: токены и контекстное окно. Что модель умеет и не умеет

6 exercises · Понять, что текст обрабатывается токенами в ограниченном контекстном окне (длинный контекст вытесняет раннее, прошлые сессии не помнятся), и составить честную карту сильных и слабых сторон LLM.

Юнит 2. Анатомия хорошего промпта

Урок 2.1. Четыре опоры: роль, контекст, задача, формат

6 exercises · Освоить базовую структуру сильного промпта (роль/аудитория + контекст и входные данные + явная задача + желаемый формат) и понимать, зачем нужна каждая опора.

Урок 2.2. Почему общий запрос даёт общий ответ: разбор плохих и хороших промптов

5 exercises · Научиться диагностировать частые ошибки промптов (слишком общо, нет контекста, нет аудитории/цели/формата, «напиши статью» вслепую) и видеть, чем сильный промпт отличается от слабого на одном и том же примере.

Урок 2.3. Практика: переписать слабый промпт

4 exercises · Самостоятельно переписать слабый промпт в сильный, добавив роль, контекст, задачу, формат и ограничения, и проверить себя по чек-листу.

Юнит 3. Продвинутый промптинг

Урок 3.1. Учим на примерах: few-shot и заданный образец

6 exercises · Научиться задавать модели образец через примеры (few-shot), чтобы получить ответ нужного вида, стиля и структуры.

Урок 3.2. Думай по шагам и держи рамки: пошаговое рассуждение, ограничения и стиль

6 exercises · Научиться просить пошаговое рассуждение (chain-of-thought) для сложных задач и задавать ограничения (длина, стиль, источники, тон), а также разбивать большую задачу на части.

Урок 3.3. Структурированный вывод и практика сильного промпта

5 exercises · Научиться запрашивать структурированный вывод (список, таблица, JSON) и собрать промпт, объединяющий структуру, few-shot и ограничения, под рабочую задачу.

Юнит 4. Итерация и проверка

Урок 4.1. Диалог как процесс: покритикуй, переделай, сократи

6 exercises · Освоить итеративную работу с моделью (уточняющие шаги «покритикуй свой ответ», «переделай короче», «учти вот это»), а не одну попытку, и повторить базовые понятия из юнитов 1-3 в новой задаче.

Урок 4.2. Ловим галлюцинации: проверка фактов, цифр и кода

6 exercises · Научиться замечать признаки галлюцинаций и проверять факты, цифры, ссылки и код, понимая, что ответственность за результат лежит на человеке.

Урок 4.3. Практика: найти и обезвредить галлюцинацию

4 exercises · Самостоятельно разобрать ответ модели: найти сомнительные места, описать, как их проверить, и переписать запрос так, чтобы снизить риск ошибки.

Юнит 5. RAG, агенты и инструменты

Урок 5.1. Ответы по вашим данным: идея RAG и цитирование источников

6 exercises · Понять, что такое RAG (подключение модели к внешней базе знаний/документам с цитированием) и почему опора на свои данные снижает галлюцинации.

Урок 5.2. Агенты и вызов инструментов: модель, которая действует по шагам

6 exercises · Понять, что такое агент и вызов инструментов (поиск, код, API): модель выдаёт структурированный вызов, внешний код исполняет его, результат возвращается модели — и так по шагам.

Урок 5.3. Практика: спроектировать сценарий с RAG или агентом для своей работы

5 exercises · Самостоятельно описать реалистичный рабочий сценарий, где помог бы RAG или агент, указав источники данных/инструменты, шаги и где всё равно нужна проверка человеком.

Юнит 6. Безопасность, приватность и этика; сборка

Урок 6.1. Что нельзя отдавать в публичные сервисы: приватность и политики данных

6 exercises · Научиться безопасно работать с данными: не передавать в публичные сервисы секреты, персональные данные и коммерческую тайну без разрешения, помнить про использование данных для обучения и политику компании; повторить чек-лист проверки фактов из U4.

Урок 6.2. AI-грамотность, этика и прозрачность: предвзятость, авторство, EU AI Act

6 exercises · Понять обязанность AI-грамотности (EU AI Act, ст. 4 как мировой ориентир), а также этические вопросы: предвзятость данных, прозрачность раскрытия использования ИИ, авторские права и достоверность.

Урок 6.3. Сквозной практикум: промпт под свою задачу с самопроверкой по чек-листу

4 exercises · Собрать всё вместе: построить и улучшить промпт под собственную рабочую задачу, применив структуру, продвинутые приёмы, проверку фактов и правила безопасности, и оценить себя по итоговому чек-листу.