Настройте свой «ChatGPT» у себя на сервере: документы и переписка не уходят в облако, подписки и ВПНы не нужны. Пошагово развернём рабочий ИИ-сервер для себя и всей команды — Ollama + Open WebUI, доступ по локальной сети через браузер с авторизацией для пользователей, работа с PDF/Word/Excel и изображениями, свой OpenAI-совместимый API. От выбора видеокарты и Windows 11 до продакшн-сервера на Linux. Для компаний доступна оплата по счёту. Чему вы научитесь: Подбирать видеокарту и сервер под задачи и бюджет — от офисного ПК до промышленных решений, не переплачивая за лишние гигабайты видеопамяти. Выбирать локальную модель под задачу: понимать квантизацию, размер контекста и реальный расход VRAM — почему одним хватает 8 ГБ, а другим мало 24. Устанавливать Ollama на Windows 11 и Linux (Ubuntu Server) и запускать модели на видеокарте — конкретными командами, по шагам, с чек-листами. Управлять моделями: загрузка, запуск, обновление, удаление, контроль места на диске и замер скорости в токенах/сек. Создавать свою «персону» модели через Modelfile: системный промпт, температура, длина контекста — под задачи вашей команды. Разворачивать веб-интерфейс Open WebUI с доступом по локальной сети и автозапуском как службы Windows — сервер переживает перезагрузку без вашего участия. Организовывать работу сотрудников с документами (PDF, Word, Excel) через локальную модель — и понимать, где хранятся данные и где проходят границы возможностей. Подключать vision-модели для распознавания изображений и планировать память при одновременной работе нескольких пользователей. Поднимать свой OpenAI-совместимый API и маршрутизацию на несколько серверов — чтобы встраивать приватный ИИ в собственные сервисы и скрипты. Большие языковые модели уже стали рабочим инструментом — но что, если не отправлять свои документы и переписку в чужое облако, не платить за подписки и полностью контролировать данные? В этом курсе вы с нуля развернёте собственную локальную ИИ-модель на своём компьютере и сервере: ваш приватный аналог ChatGPT, который работает на вашем железе и не передаёт данные наружу. Курс построен как пошаговый практикум. Мы пройдём весь путь: от подбора видеокарты и выбора модели под ваши задачи — к установке движка Ollama на Windows, запуску моделей на видеокарте, созданию своей «персоны» модели и замеру скорости. Затем поднимем удобный веб-интерфейс Open WebUI с доступом по локальной сети (с компьютеров и телефонов), настроим работу с PDF, Word и Excel, подключим распознавание изображений и поднимем свой API для интеграции с другими программами. В финале перенесём всё на боевой Linux-сервер (Ubuntu Server) и познакомимся с vLLM. Каждый урок — это конкретные команды по шагам, разбор типичных ошибок и чек-лист. Вы не просто слушаете теорию, а параллельно повторяете действия на своём оборудовании и в конце получаете работающий локальный ИИ-сервер, готовый к реальным задачам компании или личным проектам. Опыт в машинном обучении не требуется — нужен лишь базовый уровень работы с компьютером и желание разобраться. Курс подходит для корпоративного обучения: оплата от юридического лица по счёту через Stepik, по итогам обучения — сертификат. Для кого этот курс: Системные администраторы и ИТ-специалисты, которым нужно развернуть локальный ИИ в компании: многопользовательский доступ по сети, автозапуск службами, контроль ресурсов. Разработчики, которым нужен приватный OpenAI-совместимый API на своём железе: подменили base_url — и ваш код работает с локальной моделью без счетов за токены. Руководители и владельцы бизнеса, для которых критичны данные клиентов и коммерческая тайна: один сервер вместо десятков подписок, ничего не уходит в чужое облако. Курс можно оплатить от юрлица по счёту. Энтузиасты и любители технологий, которые хотят собрать свой приватный ИИ дома Все, кто хочет уйти от облаков и полностью контролировать свои данные и расходы. Для практики понадобится: Компьютер с видеокартой NVIDIA (желательно от 8 ГБ видеопамяти). Подбор железа подробно разбирается в первом модуле — можно сначала пройти его, а потом осознанно купить видеокарту под свои задачи и бюджет. Windows 11 для основной части курса; для финального модуля — возможность поставить Ubuntu Server второй системой (по желанию, модуль необязательный). Опыт в программировании и машинном обучении не нужен. Желание разобраться и пройти шаги на практике. Как проходит обучение: Пошаговый практикум. Каждый урок — конкретные действия и команды, которые вы повторяете на своём оборудовании. Видео + текст. Уроки сопровождаются скринкастами и текстовыми инструкциями — команды удобно копировать по шагам. От простого к сложному. Сначала Windows и база, затем сеть и многопользовательская работа, в финале — рабочий Linux-сервер. Разбор ошибок. В каждом уроке блок «если что-то пошло не так» с проблемами и решениями. Чек-листы. В конце уроков — контрольные списки: убедитесь, что всё работает, прежде чем идти дальше. 3 лабораторные работы. Соберёте свою модель через Modelfile, поднимете Open WebUI с доступом по сети и развернёте ИИ-сервер на Linux. Бессрочный доступ: проходите когда удобно и возвращайтесь к урокам как к справочнику. Курс обновляется и дополняется. Что вы получаете: Свой приватный ИИ — как ChatGPT, но на вашем железе и без подписок. К концу курса у вас на руках: Работающий локальный ИИ-сервер — ваши документы и переписка остаются у вас, ничего не уходит в облако. Доступ из браузера по сети — с компьютеров и телефонов, для всей команды. Помощник по документам — выжимки из PDF, отчёты, Word, Excel и распознавание изображений. Свой API — чтобы встроить модель в свои программы и боты. Ноль ежемесячных платежей — никаких подписок на облачный ИИ. Навык повторить и масштабировать всё самому — от Windows до боевого Linux-сервера. Программа: Подбор "железа" и выбор модели: Вводное слово Подбор сервера для разворачивания локальной ИИ модели Готовим Windows 11: установка и пользователь для доступа по сети Как выбрать локальную ИИ-модель под свои задачи (Ollama) Как расходуется видеопамять при работе модели Локальные ИИ-модели для офисных задач (требуемые видеокарты) Глоссарий: термины, сокращения и определения Тест по модулю 1 Ставим движок: Ollama на Windows и запускаем ИИ модель: Подготовка сервера с windows, контрольная точка восстановления Установка Ollama на Windows 11, запуск модели на видеокарте Команды Ollama для работы с моделями (загрузка, запуск, список) Modelfile: системный промпт, параметры и своя «сборка» модели Управление моделями и местом на жестком диске Замер скорости (токены/сек) и выбор рабочей квантизации Лабораторная работа 1 Установка Ollama, сборка своих моделей Тест по модулю 2 Веб-интерфейс по локальной сети к ИИ моделям: Open WebUI: Веб-интерфейс к ollama по локальной сети: Open WebUI Настройка запуска OpenWebUI и Ollama в виде служб Windows Лабораторная работа 2 Веб-интерфейс Open WebUI, доступ по сети Работа пользователей с документами через локальную ИИ модель Работа с изображениями: ставим vision-модель Как расходуется память при работе нескольких пользователей Несколько серверов под разные модели: маршрутизация в Open WebUI Свой API: OpenAI-совместимый эндпоинт Open WebUI Тест по модулю 3 Развёртывание ollama на Linux-сервере (Ubuntu Server 26.04): Подготовка диска и флешка, установка Ubuntu Server как второй ОС Установка Ollama на Ubuntu Server 26.04 и основные команды Установка Open WebUI и доступ по сети с Windows-машин Лабораторная работа 3 Локальный ИИ-сервер на Linux Тест по модулю 4 Итоги курса: Завершение курса
