EN

Generative AI for Developers

Тримісячна програма для технічних спеціалістів, присвячена використанню Generative AI в розробці

Дізнатись більше про програму

Generative AI for Developers

Старт програми: 29 квітня
Тривалість: 12 тижнів
Вартість: 13 500₴ / місяць

ПРО ПРОГРАМУ

Сьогодні GenAI — це вікно можливостей для розробників та інженерів, адже бізнес переживає трансформаційні часи, й попит на використання ШІ саме в розробці дедалі зростає. 

 

Ми розробили цю мікромагістратуру для інженерів, архітекторів та дата-сайентистів, які розуміють імпакт AI для розробки та бізнесу і хочуть посилити свій скілсет. Протягом 3-х місяців ви step-by-step пройдете шлях від ML-моделей як POC до розробки рішень на базі LLM.

ЩО ВИ ВИВЧИТЕ

GenAI інструменти та платформи
основи розробки та тестування ML-моделей
можливості хмарної інфраструктури AWS (Lambda, SageMaker, Bedrock)
фреймворки у розробці LLM-додатків
інструменти для розробки власного LLM-рішення (Streamlit, Gradio)

ВИМОГИ ДО УЧАСНИКІВ

Знання англійської не нижче за B2

2+ роки досвіду в IT

загальні знання про cloud (обчислення та інфраструктура хмар)

знання Python (або іншої мови програмування) на середньому рівні

досвід роботи з бібліотеками перетворення даних (Pandas) — буде перевагою

ОСВІТНІ МОДУЛІ

Модуль 1. Основи ML та MLOps

Цей модуль присвячено структуризації знань з принципів роботи GenAI, ML, MLOps та LLMOps:

  • основи ML-технологій — від основних GenAI-інструментів та платформ до специфіки MLOps та LLMOps
  • підготовка даних для ML-моделей
  • основні принципи тестування для LLMOps

Модуль 2: Від ML-моделі до AWS-cloud deployment

У цьому модулі ви сфокусуєтеся на деплойменті моделі у хмарне середовище:

  • переваги та специфіка Amazon Web Services
  • безпекові аспекти AWS
  • хмарна інфраструктура та сервіси AWS для роботи з даними: Lambda, Kinesis, Glue, SageMaker, Bedrock
  • основні принципи керування систем баз даних: ACID, CAP, BASE, PIE

Модуль 3: Розробка рішення на базі LLM

Цей модуль присвячений розробці власного рішення на базі LLM:

  • бізнес-кейси, які вирішує NLP/NLG
  • фреймворки для різноманітних LLM-додатків (промпти, ланцюги послідовностей, відповіді на запитання, агенти)
  • створення GenAI-додатків для аналізу та генерації контенту на базі Streamlit та Gradio

КУРАТОРИ ТА ВИКЛАДАЧІ

Артем Кобрін

Артем – досвідчений керівник хмарної практики в Neurons Lab, який має десятирічний успішний міжнародний досвід у сфері DevOps, безпеки та мережевого ШІ, IoT та аналізу даних. Артем використовує свій досвід у трансформаційній міграції в хмару, розмовному ШІ, побудові платформ даних та рішеннях Digital Twin, щоб тісно співпрацювати з клієнтами для надання безпечних та масштабованих рішень та додатків у хмарі.

Ростислав Мироненко

Solutions architect (Cloud) у компанії Booking.com (Амстердам, Нідерланди) з 12-річним досвідом роботи в сфері Software Engineering на різних посадах.

Працює на позиції Solutions Architect з 2018 року. Родом з Харкова, Україна.

Основні напрямки: Solutions Architecture, AWS, Kubernetes, SDLC, Менеджмент, Наставництво, Розвиток Команди.

Full AWS Certified (13 active AWS certifications), holder of the legendary AWS Golden Jacket.

Олексій Попов

CTO з 15+ роками досвіду в інженерному лідерстві та архітектурі рішень. Має досвід управління глобальними командами та масштабними проєктами, пройшов шлях від розробника програмного забезпечення до керівника інженерного напрямку. Понад 8 років працює в архітектурі рішень у EPAM, Ciklum та Customertimes, займаючись розробкою масштабованих хмарних рішень і впровадженням інноваційних технологій.

Ігор Таненков

Консультант з машинного навчання у GlobalLogic, засновник EntroPi AI — компанії з розробки сервісів та продуктів у сфері штучного інтелекту. Ігор має понад 10 років комерційного досвіду в галузі комп’ютерного зору, машинного навчання та систем штучного інтелекту.

ПЕРЕВАГИ ПРОГРАМИ

програма присвячена найактуальнішому технологічному домену, попит на який тільки формується, і надалі буде лише зростати

гнучкий формат навчання, який можна поєднувати з full-time роботою

навчання у експертів-практиків з постійним фідбеком та підтримкою

фінальний проєкт — власне унікальне LLM-рішення

ДЛЯ КОГО

ML Engineers, які мають досвід у створенні моделей

Data Scientists, яким вже потрібно посилити скілсет

Middle+ розробники та архітектори 

Cloud Engineers

технічні спеціалісти, які хочуть перейти в позиції, пов’язані з MLOps або AI-розробкою

Відгуки

Олексій Попов

CTO у CHI Software

Радий поділитися, що успішно завершив курс Generative AI for Developers!

Це була неймовірна навчальна подорож, яка поглибила мої знання в галузі Generative AI, застосувань LLM та AI-орієнтованих процесів розробки. У рамках курсу ми розглядали основні концепції й виконували практичні проєкти, завдяки чому мали змогу працювати з найсучаснішими AI-фреймворками та вивчити найкращі практики розробки рішень для реальних задач.

💡 Ключові теми та технології, які я опанував:

– Розробка застосунків на основі Generative AI (RAG, Fine-tuning, API)
– Розгортання AI-моделей та кращі підходи в MLOps
– Хмарна інфраструктура для AI та Data Engineering
– Автоматизоване тестування для LLMOps
– Розширене промпт-інжиніринг та оцінювання моделей
– AWS і хмарні AI-сервіси

Окрім навчання, я мав честь долучитися в ролі запрошеного лектора на одному з воркшопів курсу, де поділився власними інсайтами та досвідом з іншими учасниками! 🎤💡

Велике спасибі SET University, Артему Кобріну, Ростиславу Мироненку, Георгію Калайчеву та іншим викладачам за створення такої чудової програми! З нетерпінням чекаю можливості застосувати ці знання у майбутніх проєктах, пов’язаних зі штучним інтелектом.

Вадим Ємельянов

Курсом я задоволений, було достатньо пізнавально, можна було спитати вчителів на багато тем, що цікавили, що насправді чи не найважливіше було для мене. Теоретичні курси хороші, але початкові теми – дуже для початківців, як на мене. Ближче до кінця – вже насправді складні цікаві теми.

З порад можу тільки сказати, що перед уроком краще самому пройти, погуглити, прочитати про тему, яка буде йти під час уроку. Так матеріал буде сильно простіше запам’ятовувати, особливо це важливо на останніх уроках.

Людмила Поветкіна

Dr. SOLUTIONS

Розпочну трохи про себе. Я працюю на позиції Data engineer (5+ років). Працювала у тому числі з командою ML engineers & DS . Але, на цьому все, це весь “мій досвід” з ML. Після того, як з’явились LLM , компанія вирішила розвивати експертизу у напрямку AI. Спробували знайти AI engineer, але стикнулись з проблемою, що не зрозуміло якими знаннями та скілами має володіти такий фахівець. Але вже стало зрозуміло, що є “класичний” ML-щік, та фахівець з LLM. Власне з цього розпочалось занурення до області ML, у тому числі LLM. Інформації дуже багато, але її треба було якось консолідувати, отримати приклади застосування різноманітних технологій. Для цього було знайдено саме ваш курс.

Загальні враження від програми:
У цілому, курс класний та, однозначно, дуже користний. Звісно були різні моменти, коли не всім все вдавалось (як слухачам та і викладачам). Але, таки моменти показали як можна швидко знаходити та вирішувати проблеми. Для мене особисто, як для людини не пов’язаної дуже тісно з AI, було дуже багато всього нового, були сумніви що то взагалі буде зрозуміло. Але матеріал та вокшопи, які проводили спікери з досвідом роботи на реальних проектах, дозволили з всім розібратись. Окремо хочу сказати про фінальні проекти. Де які вразили дуже сильно.

Головні інсайти, які я отримала під час навчання
До навчання, проекти, пов’язані з LLM, здавались надскладними. Після проходження курсу не можу сказати, що все легко, але все стало зрозуміло. AI проекти перестали бути ‘black box’.
Фінальні проекти показали дуже широкий, а іноді не очікуваний спектр можливостей для використання LLM.

Поради майбутнім студентам курсу.
Не бійтесь задавати питання. Саме погане питання – не задане питання. Презентуйте власні ідеї, власні проекти, навіть, якщо вони не досконалі. Думка експертів допоможе обрати вектор покращення ідеї, варіанту розвитку вашого власного проекту. Вірте в себе, у вас все вийде !

FAQ

Чи потрібно вміти кодити?

Так, навички програмування необхідні, інакше цей курс буде для вас нерелевантним. Основне завдання курсу — навчитися використовувати технології GenAI для розробки. Впевнене володіння Python (або впевнені навички в іншій мові програмування) дозволять студентам ефективно працювати над програмою та створювати власні рішення в межах практичного модуля. Якщо у вас немає навичок розробки, слідкуйте за нашими оновленнями, оскільки ми регулярно запускаємо програми, що підходять для нетехнічних спеціалістів.

Чи буде курсовий проєкт в межах курсу?

Так, кожне домашнє завдання буде частиною фінального проєкту — власного LLM-рішення (наприклад, AI-агента для чат-бота).

Якщо я вже працюю в ролі ML-інженера чи MLOps — чи буде ця програма для мене корисна?

Так, програма дозволить систематизувати ваші знання в роботі з генеративними моделями ШІ та хмарними технологіями при розгортанні власних рішень.

Дізнайтесь детальніше про програму SET University

Я маю промокод
Дякуємо! Ми зв'яжемося з вами найближчим часом.
Ми використовуємо файли cookie, щоб покращити ваш досвід.