Курс присвячений створенню систем на основі LLM, які можна використовувати в реальних продуктах. Ви розберетеся, чим AI Engineering відрізняється від класичного Machine Learning, і навчитеся будувати рішення, у яких важливі не лише якість відповіді моделі, а й вартість, швидкість, безпека та стабільність роботи.

Програма побудована навколо практичних проєктів. Ви створите RAG-систему для роботи з корпоративними даними, агентів із tool calling і memory, а також пайплайни з evals для контролю якості. Пройдете шлях від embeddings і векторного пошуку до context engineering та проєктування повноцінних GenAI-систем.

Окремий фокус курсу — робота з такими системами в production. Ви навчитеся визначати, коли використання LLM справді виправдане, тестувати промпти, оцінювати результати за допомогою LLM-as-a-judge, контролювати витрати та затримки, налаштовувати observability і враховувати ризики безпеки.

Курс розрахований на розробників із практичним досвідом. Для виконання завдань достатньо володіти Python на базовому рівні. У програмі також використовуються основні концепції ML: self-supervised learning, embeddings, KNN та evals. Після курсу у вас залишаться практичні проєкти для портфоліо та системне розуміння того, як проєктувати, оцінювати й запускати GenAI-рішення. Кейси курсу базуються на продакшн-досвіді викладача з реальних проєктів у Netflix.