Менторство · LLM / AI-инженер
Менторство по LLM и AI engineering
Учимся строить LLM-системы, которые можно измерить и выпустить: от собственноручно написанного трансформера до RAG с проверяемыми источниками, оценки перед релизом и локального сервинга.
Кому подойдёт
- ML-инженерам и data scientist, которые переходят в LLM и AI engineering.
- Бэкенд-разработчикам, которые делают продукты на языковых моделях.
- Инженерам, которым мало промптов: нужны дообучение, оценка и сервинг.
Что построим
Трек LLM & AI Engineering — 8 спринтов. Он опирается на этап Deep Learning, где ты сам пишешь маленький GPT и предобучаешь языковую модель.
- От трансформера к управляемой генерации.
- SFT и LoRA: адаптер с проверкой качества.
- Структурированный ответ и вызов функций.
- RAG: контекст, retrieval и проверяемые источники.
- Оценка LLM и регрессионные тесты перед выпуском.
- Локальный сервинг: GGUF, квантизация и vLLM.
- Агентный процесс с ограничениями и безопасными инструментами.
- Наблюдаемость, сбои и воспроизводимый выпуск.
Как проходит менторство
- Бесплатный созвон; проверяем, нужен ли сначала этап Deep Learning.
- Еженедельные созвоны 1:1 и личное ревью кода каждого спринта.
- Портфолио-проекты и mock-интервью на позиции AI-инженера.
Вопросы
Нужен ли опыт в deep learning?
Желателен. Если его нет, сначала проходим этап Deep Learning: реализуем трансформер и обучаем маленькую модель.
Это про промпт-инжиниринг?
Отчасти, но основная работа инженерная: дообучение, retrieval, оценка, сервинг и мониторинг.
С какими моделями работаем?
С открытыми моделями, которые запускаются на бесплатных GPU в Colab или Kaggle, чтобы каждый результат был воспроизводим.
Читать дальше
Как стать LLM-инженером: роадмап AI-инженераРоадмап LLM-инженера: трансформеры, дообучение с LoRA, RAG, вызов функций, агенты, оценка качества, сервинг и стоимость — с проектами, которые доказывают навыки.Как стать ML-инженером: роадмап от Python до продакшенаРоадмап ML-инженера: Python и данные, математика, классический ML, deep learning, специализация и MLOps, проекты для портфолио и реалистичные сроки.Подготовка к собеседованию ML-инженера: вопросы и планПодготовка к собеседованию по машинному обучению: вопросы по теории ML с ответами, код, ML system design на примере и план подготовки на шесть недель.
Направления менторства
Quant ResearchМенторство по quant research от практикующего квант-исследователя: статистика, поиск альфы, бэктест, портфель и риск, подготовка к собеседованиям.ML-инженерМенторство по ML 1:1: Python, математика, классический ML на Kaggle, deep learning, специализация и ML system design с личным ревью кода.GPU & ML PerformanceМенторство 1:1 по GPU-программированию и производительности ML: ядра на CUDA и Triton, fused softmax, блочный matmul, автотюнинг и свои операторы PyTorch.Quant DeveloperМенторство 1:1 для квант-разработчиков на современном C++: производительность, конкурентность, сеть, FIX-шлюз, matching, replay рыночных данных и QuantLib.Подготовка к собеседованиямПодготовка к собеседованиям ML-инженера и quant researcher: mock-интервью, разбор резюме и тренажёр на 2 000 вопросов с интервальным повторением.