LLM System Design. Научитесь создавать LLM-системы [Deep School] [Денис Солдатов, Артём Бардаков]

Научитесь создавать LLM-системы: от поиска по базе знаний и саппорт-агентов до речевой аналитики и мультиагентных систем. Курс для тех, кто планирует или уже строит LLM-системы DL-инженеры Научитесь строить системы целиком от распределения входной нагрузки до мониторинга ключевых метрик. Сможете говорить с разработчиками на одном языке и строить дорожную карту развития ваших сервисов. ML-инженеры и аналитики Научитесь строить LLM-приложения, которые решают востребованные задачи: поиск по базе знаний, чат-бот, автономные ИИ-сотрудники — поймёте, как устроены системы изнутри, чтобы с пониманием дела улучшать их работу. Backend-разработчики Разберётесь в специфике LLM-приложений: когда какую модель использовать и что есть кроме LLM, векторный поиск, метрики, трейсинг, агентские системы — сможете говорить с ML/DL командой на одном языке и строить дорожную карту развития ваших сервисов. После курса вы сможете: Вайбкодить. Использовать кодинг-агентов Настроите окружение для эффективной работы кодинг-агентов над проектом. Узнаете, как сэкономить время на разработке. Решать задачу customer support Разберёте архитектуру решения: балансировка нагрузки, классификация интента, генерация ответа, трейсинг, агентский подход — и реализуете каждый шаг в проекте. Создавать мультиагентные системы Соберёте мультиагентную систему, используя современные подходы и инструменты как в популярных Hermes, OpenClaw, Claude Code, etc. Поднимать self-host LLM Развернёте свою LLM на vLLM / SGLang с квантованием и автоскейлом. Соберёте офлайн-пайплайн анализа голосовых записей. Строить поиск по базе знаний Соберёте RAG-сервис: от ванильной версии до гибридного поиска, способного держать нагрузку. Настраивать observability Чтобы сделать систему прозрачной: следить за ключевыми метриками и прицельно улучшать приложение.

​ Научитесь создавать LLM-системы: от поиска по базе знаний и саппорт-агентов до речевой аналитики и мультиагентных систем. Курс для тех, кто планирует или уже строит LLM-системы DL-инженеры Научитесь строить системы целиком от распределения входной нагрузки до мониторинга ключевых метрик. Сможете говорить с разработчиками на одном языке и строить дорожную карту развития ваших сервисов. ML-инженеры и аналитики Научитесь строить LLM-приложения, которые решают востребованные задачи: поиск по базе знаний, чат-бот, автономные ИИ-сотрудники — поймёте, как устроены системы изнутри, чтобы с пониманием дела улучшать их работу. Backend-разработчики Разберётесь в специфике LLM-приложений: когда какую модель использовать и что есть кроме LLM, векторный поиск, метрики, трейсинг, агентские системы — сможете говорить с ML/DL командой на одном языке и строить дорожную карту развития ваших сервисов. После курса вы сможете: Вайбкодить Использовать кодинг-агентов Настроите окружение для эффективной работы кодинг-агентов над проектом. Узнаете, как сэкономить время на разработке. Решать задачу customer support Разберёте архитектуру решения: балансировка нагрузки, классификация интента, генерация ответа, трейсинг, агентский подход — и реализуете каждый шаг в проекте. Создавать мультиагентные системы Соберёте мультиагентную систему, используя современные подходы и инструменты как в популярных Hermes, OpenClaw, Claude Code, etc. Поднимать self-host LLM Развернёте свою LLM на vLLM / SGLang с квантованием и автоскейлом. Соберёте офлайн-пайплайн анализа голосовых записей. Строить поиск по базе знаний Соберёте RAG-сервис: от ванильной версии до гибридного поиска, способного держать нагрузку. Настраивать observability Чтобы сделать систему прозрачной: следить за ключевыми метриками и прицельно улучшать приложение.