Подготовьте контрольные вопросы
Для маленькой базы документов запишите вопросы, правильные источники и случаи, где ответа нет. Не меняйте этот набор под красивую демонстрацию. Проверьте ответы до и после изменения поиска.
Эд Доннер · LLM / RAG / QLoRA · курс на английском
Разбор курса Эда Доннера
Научиться выбирать подход к LLM-задаче: изменить запрос, добавить поиск по документам или адаптировать модель. Core Track Эда Доннера даёт инженерную основу на восьми проектах и требует знания Python.
RusUdemyПомогаем оформить выбранный курс в личном аккаунте Udemy — без общих аккаунтов и предоплаты.Подробнее
Бестселлер Udemy · Высокий рейтинг UdemyЭд Доннер · английская озвучка · обновление сентябрь 2026
Разработчикам на Python, которые хотят строить приложения с LLM и понимать, когда менять модель, данные или архитектуру.
Нужно знать Python: основы языка курс не объясняет. Требуются компьютер с интернетом и готовность настраивать окружение; локальные модели зависят от ресурсов компьютера.
Восемь LLM-проектов: генерация брошюр, помощник поддержки, обработка аудио, преобразование кода, поиск по документам и три этапа проекта оценки товаров.
Автор рекомендует около $5 на API, но допускает open-source альтернативы. Это ориентир автора, не фиксированная смета; расходы зависят от моделей и количества экспериментов.
Первый API-вызов легко повторить; сложнее объяснить, почему ответ неверный и что менять дальше. Core Track охватывает модели, мультимодальность, RAG, дообучение и агентные сценарии. Проекты позволяют сравнивать подходы к данным и качеству, а не только узнавать новые библиотеки. Важно начать с правильной подготовки: Python здесь рабочий инструмент, не предмет вводного обучения. Если вы пока не можете изменить функцию и прочитать ошибку, сначала закройте этот пробел. Курс подходит тем, кто хочет связать LLM-приёмы в общий инженерный процесс, прежде чем глубже заниматься агентными фреймворками или облачным развёртыванием.
Эти упражнения предложены редакцией RusUdemy для самостоятельной практики. Они не являются дополнительными уроками преподавателя и не предполагают проверку работ автором.
Для маленькой базы документов запишите вопросы, правильные источники и случаи, где ответа нет. Не меняйте этот набор под красивую демонстрацию. Проверьте ответы до и после изменения поиска.
Запустите один сценарий на двух моделях. Запишите ошибки, время ответа и расходы. Выберите критерий заранее: самая дорогая или самая быстрая модель не обязательно лучше для вашей задачи.
Перед fine-tuning сравните обычный запрос, примеры в контексте и RAG. Опишите, какой именно недостаток не устраняют простые варианты. Для итоговой проверки оставьте данные, которые не использовались при настройке.
Для извлечения данных задайте JSON-схему с обязательными полями и типами. Протестируйте неполный документ, пустой ввод и лишний текст в ответе. Приложение должно распознать ошибку формата и объяснить, что исправить, вместо сохранения неверных данных.
Нарастание сложности идёт через практику: первый LLM-продукт, мультимодальный интерфейс, открытые модели, RAG и адаптация под задачу. В конце подходы соединяются в агентном проекте. Недели — структура авторского маршрута, а не обещание одинакового срока для всех.
На дату проверки в карточке Udemy: 8 разделов, 210 лекций, 33 ч 21 мин видео. На настройку окружения, самостоятельные изменения и разбор ошибок потребуется дополнительное время. Темы ниже сгруппированы редакцией; точное оглавление доступно на Udemy.
Соберите небольшое приложение на своих разрешённых данных и покажите не только удачный ответ, но и набор проверок. Когда качество измеряется, легче решить, нужен ли Agentic Track, production-навыки или улучшение базового поиска.
Модели и первый LLM-продукт
API, интерфейсы и мультимодальный помощник
Открытые модели и обработка аудио
Выбор модели под задачу и преобразование кода
RAG и поиск по собственным документам
Оценка стоимости товаров с frontier-моделями
Дообучение открытой модели с LoRA и QLoRA
Агентная система поиска предложений

Выберите открытый урок с практикой, остановите видео и объясните следующий шаг своими словами. Различайте model, agent, workflow и tool. Если получается повторить действие, но непонятно зачем оно нужно, вернитесь к исходной задаче и проверьте пример с другими данными.
Как проходить курсы Udemy на английскомРусский обзор не означает русскую озвучку. Доступные субтитры и качество автоперевода проверяйте в меню CC на Udemy.
Пришлите ссылку на выбранный курс. Уточним текущую стоимость и поможем оформить его в вашем личном аккаунте Udemy. Материалы и прогресс останутся у вас.
Курс появляется в вашей личной библиотеке на Udemy. Никаких пиратских копий, общих аккаунтов или «серых» схем.
Вы оплачиваете покупку только после того, как курс появился в вашем аккаунте Udemy.
Обычно от первого сообщения до появления курса в аккаунте проходит около 10 минут.
В Telegram отвечает живой человек: можно задать вопрос и получить качественную поддержку по покупке.
Сначала согласуем курс и условия. Оплата после появления курса в аккаунте.
Опыт работы с сервисом