Просмотр кода страницы Современный NLP и большие языковые модели 26

== О курсе ==

Расскажем, как от теории с курса по NLP перейти к практическому применению больших языковых моделей, научимся обсуждать требования к разного уровня решениям и соберём собственный проект по ходу курса.

1. Современные LLM (тюнинг, квантизация)

2. RAG и пререквизиты (методы поиска, выбор энкодеров)

3. Агентные системы (простые и мультиагентные)

4. Инфраструктура вокруг LLM (хостинг LLM, эмбеддингов, observing)

5. Системный дизайн LLM-based продукта

== Расписание ==

'''Лекция:''' Понедельник 19:40. Ссылка на [https://x5group.ktalk.ru/modern_llm занятие].

'''Семинары:''' Четверг 18:10. Ссылка на [https://x5group.ktalk.ru/modern_llm занятие].

== Полезные ссылки ==

* Общий чат курса в telegram: https://t.me/+VLmYI24BJ9hjNTg6

* Github курса: https://github.com/xufana/modern_nlp_llm

* Диск с записями: https://drive.google.com/drive/folders/1sXN69MOfDn40iYmLSkzC06waiSuK64KO?usp=sharing

* Таблица с оценками: TBA

== Темы курса ==

1. Развитие моделей. Записи: [https://drive.google.com/file/d/1jWsz6IThA9jfPngZ-BdlrsqNrqBXqtYG/view?usp=share_link лекция], [https://drive.google.com/file/d/1lTWipiR3vY1gdhUgh5FhDlZ8NOK_My6T/view?usp=share_link семинар]

2. Эмбеддеры и энкодеры. Записи: [https://drive.google.com/file/d/1BpucsJsMsNslI-D7LKs6cYEllKvgI4Mb/view?usp=share_link лекция],[https://drive.google.com/file/d/1XO4wnfKEBwhvoJt_QMoV6iBL_0LwOZ4a/view?usp=share_link семинар]

3. RAG. Записи: [https://drive.google.com/file/d/1kXVwgVFUAnoVN8e1t5SZXtBLRqpr526Y/view?usp=share_link лекция], [https://drive.google.com/file/d/1Ta1NPiFXwm47lr6h4-IqFy_1vpStJjia/view?usp=share_link семинар]

4. Мультимодальные модели и MultimodalRAG: лекция (запись не смогла), [https://drive.google.com/file/d/1m0uQs_QlyxWd76cXGt79DRhm7obH-6an/view?usp=share_link семинар]

5. Агенты (начало): [https://drive.google.com/file/d/1JKv4gNDfIQtjli_sBWg0S6X8LdMiG_1m/view?usp=sharing лекция]

== Домашние задания ==

Домашние задания выполняются в командах по 2-4 человека. Записаться как команда можно здесь: https://forms.gle/2HpdGvXWHJdmhLA88

Форма будет закрыта 1 марта и заявки перестанут приниматься.

Общая идея домашних заданий: в рамках четырёх домашних заданий вам предлагается собрать LLM-based проект (будь то RAG, агент, etc) и защитить его в конце курса для получения итоговой оценки.

=== Задание 1: выбор темы проекта ===

В рамках первого задания вам предлагается: определиться с темой проекта, заполнить [https://github.com/xufana/modern_nlp_llm/blob/main/hw/hw_01.md дизайн-документ] о проекте и найти данные, необходимые для реализации проекта.

Решение оформите в виде ссылки на PR, содержащий дизайн-док и readme файл с кратким описанием проекта, команды и данных.

'''Выдано: 18.02.2026'''

'''Дедлайн: 02.03.2026'''

=== Задание 2: MVP проекта ===

В рамках второго задания предлагаем воспроизвести кор-функционал проекта (закодить MVP-версию). В качестве артефакта по выполнению ДЗ ожидаем получить:
* Код проекта
* readme.md файл с описанием проекта: пару слов о чем проект, структура проекта, как его запустить, ключевые фичи
* Отчёт по результатам выполнения этапа: почему вами были приняты те или иные решения, чем обусловлен выбор технического стека, с какими сложностями столкнулись, и как решили их (или планируете решить).

Разрешается использовать в работе LLM и кодовые ассистенты, однако мы очень просим: оценить количество времени, затраченное на проект, при использовании генеративных моделей и примерную стоимость данного этапа проекта (подписка / количество токенов / непосредственно деньги / другое), укажите эту информацию в своём отчёте.

Решение оформите в виде ссылки на PR, содержащий код, отчёт и обновлённый readme файл с добавлением новых вводных.

'''Выдано: 9.03.2026'''

'''Дедлайн: 23.03.2026'''

=== Задание 3: инфраструктура проекта ===

В рамках третьего задания предлагаем добавить необходимую для деплоя проекта обвязку + другие сервисы, инфраструктурно необходимые для проекта (мониторинги, хранилища, etc). В качестве артефакта по выполнению ДЗ ожидаем получить:
* Код проекта
* readme.md файл с обновлениями проекта на новой стадии
* Отчёт по результатам выполнения этапа: почему вами были приняты те или иные решения, чем обусловлен выбор технического стека, с какими сложностями столкнулись, и как решили их (или планируете решить).

Разрешается использовать в работе LLM и кодовые ассистенты, однако мы очень просим: оценить количество времени, затраченное на проект, при использовании генеративных моделей и примерную стоимость данного этапа проекта (подписка / количество токенов / непосредственно деньги / другое), укажите эту информацию в своём отчёте.

Решение оформите в виде ссылки на PR, содержащий код, отчёт и обновлённый readme файл с добавлением новых вводных.

'''Выдано: 9.03.2026'''

'''Дедлайн: 23.03.2026'''

== Преподаватели ==

{| class="wikitable"
|-
! Преподаватели
|-
| [https://t.me/Xufana Дарья Андреева]
|-
| [https://t.me/SamoedR Роман Соломатин]
|-
| [https://t.me/al_potekhin Александр Потехин]
|-
|}

== Формула оценок ==

''Итог'' = SUM(О_ДЗ_i) *0.125 + О_проект * 0.5

* ДЗ — оценка за домашнее задание
* Проект — оценка за проект

'''Формат экзамена''': защита проекта.