ИИ-агенты и рабочие процессы — практическое руководство - курс перевод
Logo

🎙️ Курсы на английском — смотрите с русской или оригинальной озвучкой и субтитрами

🎓

Единая подписка на два сервиса

Оформите PRO подписку на сайте Learn Free Courses и получите доступ ко всем премиум курсам здесь + безлимитный перевод видео на Udemy через расширение Udemy Translator.

Оформить подписку

✨ Что вы получаете:

  • ✓ Все премиум курсы с русской озвучкой
  • ✓ Материалы, субтитры, конспекты
  • ✓ Безлимитный перевод видео (Udemy Translator PRO)
  • ✓ Одна подписка — два сервиса

📋 Как активировать:

  1. Оформите подписку на сайте Learn Free Courses
  2. Скопируйте API ключ из профиля на том сайте
  3. Вставьте ключ в настройках профиля здесь
Курс перевод на русский

ИИ-агенты и рабочие процессы — практическое руководство

Оригинал: AI Agents & Workflows - The Practical Guide

4 ч 2 мин LLM 49 уроков Уроки на русском языке 🎤 Новый перевод
Оригинальный источник

Скачать курс по LLM. ИИ-агенты и рабочие процессы — практическое руководство

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.

Превью: 1. Добро пожаловать на курс

Превью: 1. Добро пожаловать на курс

Это первый урок курса "ИИ-агенты и рабочие процессы — практическое руководство". Зарегистрируйтесь и оформите подписку для доступа ко всем 49 урокам.

Регистрация Войти Оформить подписку

Раздел

О курсе на русском языке

4 ч 2 мин 49 уроков LLM
Практический курс по созданию систем на основе ИИ-агентов и автоматизированных рабочих процессов 🤖

Термин «AI Agents» часто звучит как модный тренд, но за ним скрываются реальные инструменты, способные кардинально изменить способы работы — от обработки данных и генерации контента до поддержки пользователей и автоматического исследования информации. Этот курс объясняет, как на практике объединяются большие языковые модели, обычный код и данные, чтобы создавать полноценные ИИ-приложения.
Вы узнаете, как:

  • 🧠 Понимать различие между AI Workflows и AI Agents и создавать их с нуля
  • ⚙️ Автоматизировать задачи и обрабатывать данные с помощью ИИ
  • 🧩 Подключать внешние сервисы и API (например, Slack)
  • 🧠 Реализовывать память агентов и механизмы самооценки
  • 🤝 Строить мультиагентные системы с распределением ролей
Что входит в программу:

  • 💻 Практические примеры на Python с использованием API и SDK моделей
  • 📊 Сценарии генерации контента, поддержки пользователей и автоматических исследований
  • 🧠 Управление краткосрочной и долгосрочной памятью агентов
  • 🔗 Интеграции «человек-в-контуре» и взаимодействие между агентами
  • 📚 Подробные объяснения концепций, применимых к любому языку программирования
Вы не просто повторите код — вы поймёте принципы проектирования интеллектуальных систем, чтобы применять их в собственных проектах независимо от выбранной модели или технологического стека.
Подходит разработчикам, энтузиастам ИИ и специалистам по автоматизации, которые хотят создавать реальные интеллектуальные приложения, а не только изучать теорию.

Сводка

Информация о курсе

Категория

LLM

Длительность

242 мин

Уроки

49 уроков

Материалы

1 файл

Назад к курсам

  • 1. 1. Добро пожаловать на курс

    RU

  • 2. 10. Создание нового Python проекта с помощью UV

  • 3. 11. Настройка Open AI Цены

  • 4. 12. Начало работы с первым примером рабочего процесса

  • 5. 13. Подготовка HTTP-запросов для OpenAI API

  • 6. 14. Выбор и использование модели

  • 7. 15. Инжиниринг промптов

  • 8. 16. Извлечение с помощью ответа LLM

  • 9. 17. Используем эти документы

  • 10. 18. Использование Open AI Python SDK

  • 11. 19. Использование Few Shot Prompting

  • 12. 2. Что такое AI-агенты и рабочие процессы

  • 13. 20. Динамическое создание подсказок с использованием динамического контента

  • 14. 21. Создание многозадачных мульти-модельных рабочих процессов

  • 15. 22. Workflows против Агентных систем

  • 16. 23. Использование локально работающих открытых моделей через Ollama

  • 17. 24. Применение структурированных выводов

  • 18. 25. Структурированные выводы через SDK Pydantic

  • 19. 26. Переходим к другому примеру

  • 20. 27. Генерация изображений в рабочем процессе

  • 21. 28. Управление выполнением задач с помощью корректировки потока управления

  • 22. 29. Управление потоком на практике

  • 23. 3. AI агент, которого вы все знаете

  • 24. 30. Добавление человека в процесс

  • 25. 31. Интеграция внешних сервисов на примере Slack

  • 26. 32. Введение в модуль

  • 27. 33. Как LL Ms не используют инструменты

  • 28. 34. Реализация использования инструментов с нуля

  • 29. 35. Использование функции вызова AI от OpenAI

  • 30. 36. Создание универсального мульти-инструмента

  • 31. 37. Построение многократно используемых элементов с классами

  • 32. 38. Введение в мультиагентную систему

  • 33. 39. Создание подключения специализированных агентов

  • 34. 4. О курсе и чего ожидать

  • 35. 40. Универсальные и специализированные агенты

  • 36. 41. Память агента краткосрочная и долгосрочная

  • 37. 42. Завершение

  • 38. 43. Введение в модуль

  • 39. 44. Начало работы с Crew Ai

  • 40. 45. Понимание агентов Crew AI

  • 41. 46. Использование задач Crew Ai

  • 42. 47. Добавление инструментов агентам

  • 43. 48. Управление командой

  • 44. 49. Итоги курса

  • 45. 5. Введение в модуль

  • 46. 06. No Code против кода

  • 47. 7. Создание AI приложений программно

  • 48. 08. Проприетарные и открытые локальные LLMs

  • 49. 9. Понимание нашей среды разработки