Базовый курс обучения работе с генеративным ИИ

Разбираем, почему ИИ становится базовым рабочим навыком и как он меняет подход к профессиям, задачам и информации.

• роль ИИ в повседневной работе;
• как ИИ меняет профессии;
• краткая история развития ИИ;
• возможности и базовые ограничения нейросетей.

Чтобы нормально работать с ИИ, нужно понимать не только «что писать в промпте», но и почему модель отвечает именно так.

• большие языковые модели;
• вероятностная логика;
• токены и токенизация;
• контекстное окно;
• температура и top-p;
• сильные и слабые стороны LLM.

Самый недооценённый блок. ИИ может быть полезным, но его ответы нужно проверять и использовать с учётом рисков.

• галлюцинации и когнитивные искажения;
• где ИИ ошибается чаще всего;
• потеря контекста;
• alignment и ограничения модели;
• конфиденциальность;
• корпоративная безопасность;
• анонимизация данных.

Учимся превращать расплывчатый запрос в нормальную постановку задачи.

• формула качественного промпта;
• роль, контекст, задача, ограничения;
• декомпозиция работы;
• управление контекстом;
• системный промпт;
• типовые ошибки новичков.

Переходим от одиночных запросов к управляемым сценариям работы с моделью.

• Ask Before Answer;
• Chain of Thought;
• zero-shot, one-shot и few-shot;
• constraint prompting;
• ролевой промптинг;
• шаблоны с переменными;
• self-consistency;
• prompt chaining.

ИИ полезен не только для генерации. Его можно использовать как инструмент анализа, сравнения, обобщения и структурирования.

• декомпозиция задач;
• анализ и синтез;
• сравнение;
• обобщение;
• конкретизация;
• абстракция;
• суммаризация;
• работа с большими текстами.

Разбираем задачи, где ИИ выходит за рамки обычного чата.

• Deep Research;
• ИИ как поисковый инструмент;
• отличие чата от исследовательского режима;
• основы вайб-кодинга;
• работа с графическими моделями;
• image-to-image;
• типовые ошибки при генерации изображений.