О курсе

Курс адресован разработчикам, которые уже работают с Java и Spring и хотят разобраться во встраивании ИИ в приложение с использованием Spring AI. В описании подчёркивается ориентация на локальные LLM-модели и архитектурный подход, а не на формальное следование учебным шаблонам.

Программа построена вокруг практической работы с кодом: от запуска локальной модели до настройки кастомного RAG. Среди заявленных этапов — создание микросервиса, который взаимодействует с локальной LLM и сохраняет историю переписки, а также подготовка данных, разбиение их на чанки и подключение к модели.

Отдельный блок посвящён оптимизации качества ответов. В материалах рассматриваются кастомный Advisor, Query Extensions, retrieval-стратегии и ранкеры. Автор также заявляет темы кастомных retrieval-стратегий, оптимизации промптов для слабых моделей и настройки баланса между историей диалога и знаниями из RAG.

По описанию, в ходе курса даются рекомендации по настройке инструментов, выбору архитектурных решений и улучшению качества взаимодействия с моделью. Конкретные форматы материалов, длительность и условия прохождения во входных данных не уточняются.

Что рассматривается в программе

  • Рассматривается создание микросервиса для работы с локальной LLM и хранения истории переписки.
  • Разбирается подготовка данных, разбиение на чанки и подключение к модели в рамках RAG.
  • Изучаются кастомные retrieval-стратегии и ранкеры.
  • Рассматривается написание кастомного Advisor и внедрение Query Extensions.
  • Разбирается оптимизация промптов для слабых моделей.
  • Рассматривается настройка баланса между историей диалога и знаниями из RAG.
  • Обсуждаются рекомендации по настройке инструментов и выбору архитектурных решений.

Кому может быть полезен курс

  • Разработчикам, знакомым с Java и Spring и интересующимся встраиванием ИИ в приложения.
  • Тем, кто хочет ознакомиться с работой локальных LLM-моделей и архитектурой приложений на Spring AI.
  • Специалистам, которым нужно рассмотреть подходы к RAG и оптимизации качества ответов модели.
  • Разработчикам, интересующимся настройкой истории диалога и подготовкой данных для модели.

Вопросы о программе

Какие предварительные знания нужны для курса?

В описании указано, что курс предназначен для разработчиков, знакомых с Java и Spring.

Какие темы рассматриваются в программе?

Среди заявленных тем — создание микросервиса с локальной LLM и историей переписки, подготовка данных и подключение RAG, а также оптимизация качества ответов через кастомный Advisor, Query Extensions, retrieval-стратегии и ранкеры.

На какие модели ориентирован курс?

В материалах речь идёт о работе с локальными LLM-моделями; отдельно упоминается оптимизация промптов для слабых моделей.

Как построено обучение?

По описанию, теоретические сведения сразу закрепляются в коде: шаг за шагом от запуска локальной модели до настройки кастомного RAG.