Проверяем сведения о курсе и предложения площадок…
Проверяем сведения о курсе и предложения площадок…

Текст площадки «Нетология». Упомянутые цены и обещанные результаты могут быть неактуальны; условия покупки проверяйте у продавца.
«Специалист по искусственному интеллекту» от Нетологии: эксперты из Amazon, Microsoft и Яндекса, 5 проектов, 3 личных консультации, помощь с поиском работы.
Сравните цену и то, как будете заниматься.
Уроки, текст и помощь — в одном месте
Эти данные взяты из программы и описания площадки. Пустое поле означает, что на странице курса ответа не было.
Продавцы могут по-разному указать название, автора и программу. Ниже приведены отдельные описания источников.
Указаны на площадке: Михаил Меркушов
Указаны на площадке: Олег Булыгин, Тимур Анвартдинов, Александр Немальцев, Михаил Меркушов
Изучите один из самых востребованных и простых в освоении языков программирования. Сможете описывать алгоритмы для решения повседневных задач и работы с данными. 12 часов теории 22 часа практики Python. Знакомство с консолью Условные конструкции. Операции сравнения Введение в типы данных Циклы Коллекции данных: множества Коллекции данных: словари Функции — использование встроенных и создание собственных Разбор вопросов
Научитесь работать с системой Git (стандарт по управлению исходным кодом) и с сервисом GitHub. Опубликуете свои домашние работы и уже в процессе обучения сформируете первое портфолио. 4 часа теории 3 часа практики Внедрение системы контроля версий История работы и ветки Командная работа
Научитесь объектно-ориентированному программированию и изучите подход создания аккуратного и многоразового кода вместо избыточного. 11 часов теории 51 час практики Объектно-ориентированное программирование — Объекты и классы. Взаимодействие между ними — Наследование, инкапсуляция и полиморфизм Работа с файловой системой в Python — Открытие и чтение файла, запись в файл — Работа с разными форматами данных Работа с внешним API — Работа с библиотекой Requests, http-запросы — Работа с классами на примере API VK — Разбор вопросов Курсовой проект Резервное копирование
Похожие курсы и совпадения…
Материалы по теме…
Получаете поддержку от наставников Наставники помогут разобраться в сложной теме, получить ответы и выполнить задания. Координаторы отвечают на организационные вопросы, напоминают о дедлайнах и мотивируют двигаться к цели.
Учитесь в удобном для вас темпе На курсах есть расписание, но если вы понимаете, что не успеваете, то можно двигать дедлайны по заданиям, смотреть вебинары в записи и приостанавливать обучение на срок до 6 месяцев.
Онлайн-занятия проходят по расписанию до 2 раз в неделю после 19:00 мск
В среднем на учёбу нужно до 10 часов в неделю, но вы можете ускорить или замедлить курс
Если нужно — есть возможность приостановить курс на срок до 6 месяцев на любом этапе курса
Обучение на площадке
«В Курсе» — наш основной вариант для перехода. В таблице — возможности сервисов; состав конкретного курса уточняйте перед оплатой.
Звёзды — наша оценка, не отзывы покупателей. Удобство: 2 базовых балла, по одному за занятия без обязательного скачивания, навигацию по курсу и встроенного помощника. Оценка описывает формат сервиса, а не проверку каждого урока.
Цена сравнивается только при подтверждённых одинаковых тарифе, сроке и виде оплаты. Разница с минимальной ценой до 10% — 5 звёзд, до 30% — 4, до 60% — 3, до 100% — 2, больше — 1. Устаревшие и неизвестные цены не оцениваются. Прочерк означает, что данных недостаточно, а не что функции нет.
Зарегистрируйтесь, чтобы уточнить возможность доступа к этому материалу
Научитесь получать данные из БД через SQL, фильтровать, агрегировать, импортировать и экспортировать — и не тратить время разработчиков или администраторов на поиск информации. Научитесь загружать данные в базу и самостоятельно развёртывать базу данных PostgreSQL. 35 часов теории 27 часов практики Установка и настройка SQL-окружения Введение в SQL и реляционные базы данных Работа с базами данных SELECT, WHERE, ORDER BY Агрегации и группировки JOIN и объединения таблиц Подзапросы и представления SQL в задачах AI-разработки NoSQL и MongoDB (обзор)
Познакомитесь со статистическими показателями, научитесь проводить статистический анализ данных и проверять гипотезы с помощью различных инструментов. Этот модуль асинхронный и проходит в записи. Вы можете пройти его в любое удобное время: во время основного обучения или после него. 8 часов теории 14 часов практики Введение в статистику. Что это такое и для чего она нужна Основные статистические показатели, виды распределений данных, корреляция Взаимосвязи данных и формулирование гипотез по SMART Статистические критерии в Google-таблицах. Проверка гипотез и формулирование выводов
Сформируете понимание классических ML-алгоритмов и базовых архитектур нейросетей для дальнейшей работы с LLM и fine-tuning. 11 часов теории 27 часов практики Предобработка данных для ML/DL EDA и визуализация данных Классический ML (scikit-learn) Метрики и валидация моделей ML-pipeline и эксперименты Нейросети в PyTorch (MLP, CNN)
Научитесь использовать большие языковые модели в разработке: формулировать промпты, вызывать модели через API и обрабатывать ответы. Изучите промпт-инжиниринг, подключение российских и локальных LLM, обработку результатов и ошибки моделей. Разберёте безопасность в работе с ИИ: приватность данных, ограничения токенов, риск-менеджмент. 8 часов теории 25 часов практики Большие языковые модели Промпт-инжиниринг Работа с локальными LLM Работа с LLM через API Постобработка и валидация ответов Безопасность в работе с ИИ
Научитесь строить RAG-системы: от подготовки данных до интеграции с LLM. Разберёте чанкинг (деление на блоки) документов и очистку данных. Рассмотрите российские и локальные эмбеддинги (векторные представления объектов), а также векторные хранилища Chroma и Qdrant. 9 часов теории 28 часов практики Подготовка текстовых данных для RAG Chunking документов Embeddings и векторизация Векторные базы данных RAG-пайплайн Оценка и оптимизация качества RAG
Поймёте, как проектировать и реализовывать полноценных ИИ-агентов, а также выполнять fine-tuning моделей. Сможете собирать MVP-агента от API до деплоя, отвечать за стабильность и качество решений. 13 часов теории 34 часа практики Архитектура ИИ-агентов Tools, functions и memory Реализация MVP-агента Подготовка данных для fine-tuning Fine-tuning: LoRA / QLoRA Деплой ИИ-агента (Docker, Yandex Cloud)
Изучите основные операции с векторами, матричными операциями. Рассмотрите генетические алгоритмы, алгоритм дифференциальной эволюции. Узнаете, что такое математическое ожидание, дисперсия и моменты старших порядков. Изучите закон больших чисел. Линейная алгебра. Матрицы Линейная алгебра. Векторы Продвинутая линейная алгебра Производная функции нескольких аргументов Теория вероятностей. Дискретные и непрерывные случайные величины Математический анализ. Производная Теория оптимизации Центральная предельная теорема и закон больших чисел
Подробно разберётесь, зачем нужен мониторинг и какие параметры нужно контролировать. Узнаете, как организовать систему оповещения о различных событиях. Научитесь организовывать логирование всех действий приложений и анализировать эти логи. Овладеете навыками работы с Logstash, Kibana и Graylog. Научитесь настраивать связку Prometehus + Grafana + Alertmanager. Познакомитесь с Zabbix для мониторинга физических и виртуальных машин. 5 часов теории 19 часов практики Системы для мониторинга Средство визуализации Grafana Система сбора логов Elastic Stack Платформа мониторинга Sentry Инцидент-менеджмент
Изучите основы облачных технологий и их безопасность, научитесь работать с виртуальными машинами и настраивать среду разработки Основы облачных технологий Виртуальные машины: принципы работы Обеспечение безопасности облака Создание среды разработки
Узнаете различия видов виртуализации и контейнеризации. Научитесь управлять виртуальными машинами с помощью libvirtd. Напишете несколько Dockerfile, которые можно будет использовать в дальнейших проектах как примеры. Научитесь запускать несколько контейнеров одновременно и объединять их в виртуальную сеть. 10 часов теории 22 часа практики Виртуализация и облачные решения. AWS, GCP, Openstack, Yandex Cloud Типы виртуализаций KVM, QEMU Docker Kubernetes
Распознавание рисков и выбор безопасных действий с данными и ИИ-артефактами (текст, код, изображения, видео) Отработка запросов с персональными данными и оценка риска утечки Основы авторского права для ИИ-контента и навыки легального использования Составление мини-политики ответственного использования ИИ Шпаргалка «5 красных флагов при работе с ИИ» Разбор ситуации: «Утечка ПДн через ИИ» Чек-лист безопасного внедрения ИИ: черновик политики ответственного использования Итоговый тест по модулю
Изучите основы написания эффективных промптов: от структуры до ограничений Получите полноценную библиотеку из 60+ рабочих промптов на русском и английском языках Изучите примеры и пояснения, чтобы лучше адаптировать готовые решения к своим задачам
Похожие курсы и совпадения: данные сейчас недоступны. Повторить загрузку