Бесплатный двухмесячный курс по ИИ с созданием собственных проектов

На GitHub появился интенсивный курс для новичков, который за два месяца проводит от основ до продвинутых тем: устройство моделей, агенты, обучение, RAG — 24 модуля. Всё на TypeScript и Python, примеры из реальных проектов OpenAI, NVIDIA и Anthropic. В финале — разработка и обучение собственной нейросети и нескольких агентов. Забрать курс - здесь

learn-ai — это практический, проектно-ориентированный курс по LLM, RAG и агентам. Он создан не для чтения, а для работы: каждый модуль содержит код, который вы запускаете, ломаете и дорабатываете.

Курс построен на трёх уровнях глубины:

Вы можете выбрать свой уровень сложности для каждого модуля или пройти все три. Deep-задачи опциональны, но именно в них — настоящее понимание.

Полный курс по ИИ - тут

Курс разделён на несколько треков, которые сходятся в финальном проекте:

Foundations (00–01f) → Building with LLMs (02–03) → Retrieval track (04–12)

→ Agents track (06–18)

→ Training (13–15)

→ Production (07–22)

→ Capstone (23)

Модули покрывают все ключевые темы:

· Настройка и провайдеры: «Hello LLM» через OpenAI, Anthropic, Ollama, NVIDIA

· Фундаментальные концепции: токенизатор BPE, cosine similarity, attention, сэмплеры

· Интеграция: стриминг, JSON-вывод, вызов инструментов

· Промптинг: few-shot, chain-of-thought, self-consistency

· Эмбеддинги и векторы: индекс с нуля, Chroma, Qdrant, гибридный поиск

· RAG: полный пайплайн с цитированием, faithfulness, HyDE

· Document Ingestion: PDF/HTML, структурированная нарезка

· Text-to-SQL: NL→SQL с безопасностью

· Агенты: ReAct с нуля, затем с LangGraph

· MCP: Model Context Protocol

· Computer Use: браузерный агент с vision

· Fine-tuning: SFT, LoRA/QLoRA, дистилляция

· Локальный инференс: квантизация, KV cache

· Reasoning: self-consistency, best-of-N

· Доставка: контейнеризированный сервис с аутентификацией

· Безопасность: атака и защита собственного RAG-агента

· Eval: версионированные тесты, CI-шлюзы

· UX: стриминг, источники, human-in-the-loop

Capstone (23)

· Финальный проект: RAG-агент, объединяющий всё, что вы изучили

1. Два языка — TypeScript и Python

Курс написан на обоих языках одновременно. Вы можете выбрать тот, который вам ближе, или учиться сразу на двух.

2. Провайдер-независимость

Код работает с OpenAI, Anthropic, Ollama, NVIDIA и LM Studio. Вы не привязаны к одному вендору.

3. Advanced RAG и LangGraph

Отдельные deep-dive модули по продвинутым RAG-архитектурам: Contextual Retrieval, Corrective RAG (CRAG), Self-RAG, GraphRAG. И полный модуль по LangGraph с state, conditional edges, persistence, human-in-the-loop и time travel.

4. Реальные кейсы

Курс использует примеры из реальных проектов OpenAI, NVIDIA и Anthropic, а не абстрактные задачи.

5. Готовый проект для портфолио

После прохождения у вас будет рабочий RAG-агент, который можно показать работодателю.

learn-ai — это не просто курс, а полноценная образовательная платформа для самостоятельного изучения ИИ. 24 модуля, два языка, три уровня сложности и финальный проект — всё это делает его одним из самых полных бесплатных курсов по LLM, RAG и агентам на сегодняшний день.

Курс подойдёт как новичкам, которые хотят войти в AI-разработку, так и опытным разработчикам, которые хотят систематизировать знания и получить практические навыки работы с современными ИИ-инструментами.

Полный курс - здесь