Научитесь создавать AI-инструменты, которые помогают в работе: Находят нужную информацию Отвечают на вопросы Получают данные из внешних сервисов — от no-code прототипа до простого Python-бота О курсе: Это практический интенсив, на котором вы шаг за шагом пройдёте путь от простой no-code сборки до локального приложения с поиском по документам, подключением сервисов и Telegram-интерфейсом За 4 вебинара вы получите необходимые навыки LLM-инженера и соберёте основу ассистента: настроите поиск и обработку ваших данных, подключите инструменты, добавите свою логику и запустите Telegram-бота с фоллбэком на GPT-4o Программа выстроена так, чтобы вы понимали не только шаги, но и общую логику работы AI-ассистентов: подготовку данных, механизм поиска, подключение инструментов через MCP и выполнение запросов Кому подойдёт этот курс: Аналитикам Проектирование и сборка прототипов AI-сервисов Интеграция внешних инструментов через MCP-сервер Работа с векторными базами данных для поиска по документации Разработчикам и QA-инженерам Архитектурный паттерн RAG и компоненты современного AI-стека Сервер локальных моделей (Ollama) и векторная БД (pgvector) MCP-сервер для интеграции инструментов IT-специалистам, DevOps и архитекторам Интеграция LLM-компонентов в IT-ландшафт компании Развертывание локальных моделей через Ollama и работа с векторными БД Подключение внешних сервисов, создание безопасных и масштабируемых AI-ассистентов Как проходит обучение: Удобное время занятий: все уроки онлайн, можно задавать вопросы и разбирать кейсы в реальном времени. Фокус на практику: вы делаете всё своими руками — от сборки Flowise до Telegram-бота. Постоянный доступ к материалам: записи, код, пайплайны и инструкции остаются у вас навсегда. Поддержка преподавателя: уточнение деталей, разбор ошибок и рекомендации прямо на занятии. Чему вы научитесь: Быстро находить информацию в документах Соберёте ассистента, который понимает файлы и помогает искать данные. Получать данные из внешних сервисов Настроите API через MCP для подгрузки погоды, курсов или метрик. Настраивать поведение (Low-code) Научитесь управлять поиском, обрабатывать ошибки и переключать модели. Создавать прототипы на базе LLM Разберётесь с цепочками поиска, инструментами и тестированием функций. Работать с локальной векторной базой и API Освоите сплиттинг текста, Pgvector и FastAPI для семантического поиска. Собирать Telegram-ассистента Создадите бота на Python, настроите Webhook, авторизацию и работу через Ollama. Программа курса: Тема 1. Сборка первого ассистента в Flowise без кода. Загрузка документов, обработка текста и подключение модели в визуальном интерфейсе. Тема 2. Подключение внешних сервисов через MCP. Добавление инструментов (API) и разбор работы Model Context Protocol. Тема 3. Настройка поведения с помощью Low-code. Внедрение JS/Python фрагментов для управления поиском и обработки ошибок. Тема 4. Цепочка обработки запросов в LangChain. Организация последовательности «поиск — модель — инструменты». OpenAI Functions и Ollama. Тема 5. Локальный поиск по документам и API. Хранение в Pgvector, запросы через FastAPI и вайб-кодинг в Cursor. Тема 6. Сборка Telegram-ассистента. Настройка команд, Webhook, авторизации и работы через Ollama. Преподаватель Ярослав Шуваев: 20+ лет опыта в цифровой разработке. 10+ лет внедрения инноваций в корпорациях (Альфа-Банк, Ак Барс Банк, МТС, Viasat). 10+ лет опыта в корпоративном обучении.
