FI.USER.AI

Курс по нейросетям для пользователей - Работа с локальными и облачными моделями

Данный курс, это практическое руководство по эффективной работе с нейросетями: от запуска на собственном оборудовании до использования мощных облачных решений. Программа адаптирована для обычных пользователей и сфокусирована на современном стеке инструментов (LLM и Diffusion), который позволяет превратить ваш компьютер в интеллектуальный центр. Особое внимание уделено прикладному обучению: мы будем работать как в привычных графических интерфейсах (GUI/Web), так и напрямую через консоль (CLI). Разберем, как работают нейросети «под капотом», и научим вас выбирать оптимальные инструменты под конкретные задачи. Программа объединяет накопленный автором опыт работы с открытыми и коммерческими моделями, помогая вам выстроить собственную экосистему ИИ.

 Мы разберем, как использовать нейросети для решения реальных повседневных задач:

 Обучение ИИ-помощника: Настройте ассистента «под себя», чтобы он понимал ваш стиль и специфику.

Работа с документами: Создание текстов, отчетов и презентаций по заданным параметрам за пару минут.

Аналитика: Мгновенная выжимка сути из огромных PDF-файлов и длинных переписок.

Рутинные операции: Быстрый поиск и устранение ошибок в данных, коде или текстах (Excel, Word, PowerPoint и т.д).

Визуальный контент: Редактирование частей фото, генерирование картинок, создание логотипов, уникальных изображений и водяных знаков.

Медиа: Основы монтажа видео и работа с мультимедийными нейросетями.

Для админов и разработчиков: Создание скриптов автоматизации, разработка сценариев и помощь в отладке приложений.

 

Преподаватель: Керимов Георгий

Автор, разработчик и преподаватель курса. Эксперт по LLM-технологиям и локальному развертыванию нейросетей.

Практик в области дообучения (Fine-tuning) моделей семейств Llama, Qwen и Mistral.

 

Необходимая предварительная подготовка:

Владение персональным компьютером на уровне уверенного пользователя.

Общее представление о работе в сети Интернет

Желательно наличие опыта работы в терминале (командной строке) в любой операционной системе

Для практических работ мы предоставим инструкции по подключению к серверу с GPU, что позволит вам пройти курс даже на обычном ноутбуке!!!

36 000₽

Длительность

2 дня (16ч в неделю)

Доступ к курсу

Навсегда в личном кабинете

Документы

Удостоверение о повышении квалификации

Получаемые навыки:

Фундаментальная база: Понимание механизмов Attention, RoPE и KV-кэширования. Это поможет понять, почему модель выдает конкретный результат и как оптимизировать её память.

Локальный инференс: Уверенная работа с Ollama, LM Studio и Open WebUI.

Создание локального аналога ChatGPT с историей чатов и доступом к документам (RAG).

Оптимизация ресурсов: Использование технологий квантования (GGUF, EXL2) для запуска тяжелых моделей на домашнем железе.

Работа с графикой: Генерация в Stable-diffusion/SD Forge (модели Flux) и освоение техник Inpaint (редактирование частей фото).

Гибридный стек: Навыки работы с внешними API (GPT, Gemini, Claude) и их интеграция с локальными решениями.

Продвинутый промптинг: Применение техник Chain-of-Thought и системных инструкций для получения качественных ответов.

 

Откройте дверь в новую эру ИИ вместе с нами!

Программа курса

2 модуля
Модуль 1. Математическое сердце и архитектура

Основы LLM: Что такое трансформеры, токены, контекстное окно и веса. Разница между базовыми и Chat-моделями.

 

Механизмы внимания (Self-Attention) и почему GQA (Grouped Query Attention) сделал современные модели такими быстрыми.

Геометрия смыслов: Ротационные эмбеддинги (RoPE) и KV-кэширование.

Математика весов: Как модель «предсказывает» следующее слово и что такое температура (Temperature) и Top-P.

Обучение и «воспитание»: Путь от Pre-training до RLHF и DPO.

Кратко о функциях потерь (Loss) и оптимизаторах (AdamW/Lion) — как модель исправляет свои ошибки.

Экономия ресурсов: Почему модели весят меньше (GGUF, EXL2) и как это влияет на качество.

Как уместить гиганта в домашнюю видеокарту без потери «мозгов».

Вероятностное распределение токенов, понимание квантования и MoE.

Мир Diffusion: Как шум превращается в картинку. Понятие чекпоинтов (Checkpoints), LoRA и VAE.

Жизненный цикл модели: От Pre-training до RLHF/DPO. Как обучаются гиганты (GPT-5, Llama-4).


Модуль 2. Практика и интерфейсы

Подготовка инфраструктуры стенда:

Запуск и настройка wsl2.

Анализ и мониторинг доступных ресурсов.

 

Текстовые интерфейсы (Local AI):

 

LM Studio: Вводный интерфейс, работа с Hugging Face.

Поиск и запуск лучших моделей в два клика (Qwen, Gemma, Mistral, Llama).

Ollama/llama.cpp: Установка и управление моделями через CLI.

Open WebUI: Создание интерфейса, аналогичного ChatGPT, локально.

Развертывание полноценного аналога ChatGPT с историей чатов и RAG.

Мгновенная выжимка сути (summary) из огромных PDF-файлов и длинных переписок.

Быстрый поиск и устранение ошибок в данных, коде или текстах (Excel, Word, PowerPoint и т.д).

Генерация отчетов, файлов и презентаций по вашим параметрам.

Обзор vLLM и TGI для продакшена.

 

Работа с графикой (Generation):

 

Stable-diffusion - Automatic1111.

SD Forge: Генерация картинок и Inpaint (редактирование частей фото).

Forge vs Automatic1111: Почему Forge быстрее и эффективнее для локального запуска.

Запуск моделей flux на базе Forge.

Создание логотипов, водяных знаков и уникальных изображений.

 

Мастерская инференса:

Промпт-инжиниринг: Системные инструкции, Few-shot prompting и техники Chain-of-Thought (цепочка рассуждений).

Промптинг, негативные промпты.

Написание скриптов автоматизации, разработка сценариев и отладка приложений.

 

Внешние API: 

Сравнение локальных решений с GPT/Gemini/Claude. Преимущества и недостатки разных подходов.

Когда локальной модели мало и как связать всё в единую экосистему.

Обзор видео-генерации и мультимодальных моделей (Vision).

Основы монтажа видео и работа с мультимедийными нейросетями.

Обзор ИИ/AI-агентов и их фреймворков (Function Calling).


Как проходит обучение на платформе ФОРС

[ 01 ]

Знакомство с платформой

Платформа учебного центра ФОРС предназначена для удобного и комфортного обучения. Доступ к материалам будет открыт сразу после приобретения курса, а также навсегда доступен в личном кабинете.

[ 02 ]

Обучение

Каждый раздел содержит уроки с теоретическими материалами в видео и текстовых форматах, а так же демонстрацию практических примеров от преподавателей. Самостоятельная работа поможет закрепить полученные знания.

[ 03 ]

Обратная связь и поддержка

Мы поддерживаем онлайн-ресурс, где слушатели всегда могут задать вопрос преподавателю или коллективно обсудить возможные проблемы с другими студентами. Вы всегда сможете получить необходимую информацию в личном кабинете.

[ 04 ]

Дипломы и сертификаты

Все документы об окончании курсов собраны в одном месте в электронном формате — вы всегда можете посмотретьи скачать их в личном кабинете.

Остались вопросы?

Оставьте свои контактные данные — мы с вами свяжемся и все расскажем

Нажимая на кнопку «Отправить», я принимаю условия Политики конфиденциальности, и даю согласие на обработку персональных данных

WhatsApp
Telegram