Russian Courses
Бесплатно

Быстрое прототипирование GenAI-приложений с помощью Streamlit

Превью: 1. Беседа с Chanин Nantasenamat и Andrew Ng

Зарегистрируйтесь для доступа ко всем 45 урокам курса.

Регистрация Войти

Выберите урок для просмотра

Содержание курса

Хотите смотреть этот курс?

Зарегистрируйтесь бесплатно, чтобы получить доступ ко всем урокам этого курса.

Регистрация Уже есть аккаунт? Войти

  • 1. 1. Беседа с Chanин Nantasenamat и Andrew Ng

  • 2. 2. Введение в прототипирование Gen AI приложений

  • 3. 03. Преимущества прототипирования

  • 4. 4. Как ИИ новой генерации совершил революцию в прототипировании

  • 5. 5. Цикл разработки прототипов для Gen Ai

  • 6. 06. Избегаем частых ошибок

  • 7. 7. Введение в проект курса и набор данных

  • 8. 9. Определение объема MVP

  • 9. 10. Обзор репозитория курса на GitHub

  • 10. 11. Лабораторная 01 Создание плана MVP с Gen AI

  • 11. 13. Выбор правильных инструментов

  • 12. 14. Настройка вашего окружения

  • 13. 15. Начало работы с Streamlit

  • 14. 16. Создание вашего первого интерактивного приложения на Streamlit

  • 15. 18. Интеграция Gen AI для обработки данных

  • 16. 20. Визуализация данных

  • 17. 21. Опубликовать приложение онлайн

  • 18. 23. Лабораторная 2. Дашборд анализа настроений с Gen Ai

  • 19. 24. Создание прототипов в Snowflake

  • 20. 26. Введение в Snowflake

  • 21. 28. Среда разработки Snowsight

  • 22. 31. От CSV в облако: использование ноутбуков для сбора данных о лавинах

  • 23. 33. Загрузка нескольких файлов

  • 24. 34. От сцены к столу с Cortex

  • 25. 35. Извлечение информации из контента

  • 26. 37. Лабораторная 1: Аналитика перевозок Avalanche

  • 27. 38. Одна таблица, чтобы управлять всем

  • 28. 39. Анализ настроений с Cortex

  • 29. 40. Визуализация данных в Snowflake

  • 30. 41. Создание AI-поддерживаемого Streamlit приложения внутри Snowflake

  • 31. 43. Лабораторная работа 2 Обзор использования Copilot для анализа настроений

  • 32. 46. Выбор стратегии развертывания

  • 33. 47. Развертывание вашего прототипа внутри Snowflake

  • 34. 48. Развёртывание в Streamlit Community Cloud

  • 35. 51. Лабораторная 1 Развертывание вашего прототипа

  • 36. 52. Итерация по-быстрому

  • 37. 53. Быстрый отзыв

  • 38. 54. Реакция на отзывы

  • 39. 55. Итерация, улучшение, повторение: быстрый фидбэк для вашего Avalanche приложения

  • 40. 56. Улучшаем запросы

  • 41. 58. Улучшаем прототип с помощью Data Augmentation

  • 42. 59. Использование Rag для улучшения производительности модели

  • 43. 60. Настройка Rag Pipeline с помощью Cortex Search

  • 44. 62. Лабораторная 2. Интеграция Rag в ваш чат-бот

  • 45. 63. Что дальше

Скачать курс по LLM. Быстрое прототипирование GenAI-приложений с помощью Streamlit

Нужен архив курса целиком?

Мы отправим ссылку на полный архив с оригиналом, переводом и материалами. Просто напишите администратору info@russiancourses.net и укажите, что именно нужно (можем поделиться вариантами отдельно).

Пропущены номера уроков?

Если в нумерации есть паузы, значит часть занятий текстовые или в виде файлов. Их можно найти в разделе «Материалы курса»: скачайте архив, чтобы получить все конспекты и дополнительные задания.

Категория

LLM

Длительность

3 ч 27 мин

Уроки

45 уроков

О курсе

Создавайте, тестируйте и улучшайте GenAI-приложения за считанные часы ⚡

Fast Prototyping of GenAI Apps with Streamlit — это практический курс о том, как превращать идеи в работающие прототипы на основе генеративного ИИ. Вы научитесь быстро планировать, собирать и запускать интерактивные приложения, используя Streamlit и Snowflake.
Вы узнаете, как:

  • 🚀 Планировать и создавать прототипы с помощью фреймворка быстрого прототипирования — от замысла до MVP
  • 🧩 Работать в среде Snowflake: разрабатывать в безопасной инфраструктуре, использовать встроенные LLM-инструменты и публиковать приложения прямо в Streamlit Community Cloud
  • 🔄 Итерировать и улучшать свои проекты с помощью обратной связи, инженерии промптов и подхода Retrieval-Augmented Generation (RAG)
Почему стоит пройти этот курс:

В компаниях идеи часто теряют импульс из-за долгих обсуждений, планов и медленных согласований. В быстро меняющемся мире генеративного ИИ умение создавать работающие прототипы за считанные дни — это ключевое конкурентное преимущество. Команды, которые могут быстро показать демо и получить фидбек, выигрывают внимание, ресурсы и определяют направления развития продукта.
Этот курс даст вам именно такую скорость. Вы узнаете, как использовать GenAI для ускорения всего цикла — от идеи до тестирования product-market fit. Даже без глубоких знаний в программировании вы сможете собрать рабочее приложение с помощью нескольких строк Python и Streamlit.
Практическая часть курса включает:

  • 💬 Создание простого чатбота и добавление к нему промпт-инженерии и RAG
  • ☁️ Публикацию готового приложения в Snowflake или Streamlit Community Cloud для получения обратной связи в реальном времени
  • 🧠 Оптимизацию производительности с помощью Cortex AI (включён 120-дневный бесплатный доступ)
Что вы получите:

  • 🛠️ Рабочий прототип GenAI-приложения
  • 📋 Повторяемую структуру создания MVP для любых будущих идей
  • ⚙️ Навыки внедрения и тестирования генеративных функций в реальных сценариях
Что такое Streamlit?

Streamlit — это открытая библиотека Python, превращающая несколько строк кода в интерактивные веб-приложения без знания фронтенда. Благодаря простоте и скорости Streamlit стал незаменимым инструментом для разработчиков, которым нужно быстро делиться результатами, визуализировать данные или создавать AI-демо.
После прохождения курса вы сможете разрабатывать и публиковать собственные GenAI-приложения, сокращая время от идеи до запуска с недель до часов. Это практический инструмент для тех, кто хочет научиться превращать концепции в реальные работающие продукты.

Источник

Открыть источник
Назад к бесплатным курсам