Russian Courses
Logo

🎙️ Курсы на английском — смотрите с русской или оригинальной озвучкой и субтитрами

🎓

Единая подписка на два сервиса

Оформите PRO подписку на сайте Learn Free Courses и получите доступ ко всем премиум курсам здесь + безлимитный перевод видео на Udemy через расширение Udemy Translator.

Оформить подписку

✨ Что вы получаете:

  • ✓ Все премиум курсы с русской озвучкой
  • ✓ Материалы, субтитры, конспекты
  • ✓ Безлимитный перевод видео (Udemy Translator PRO)
  • ✓ Одна подписка — два сервиса

📋 Как активировать:

  1. Оформите подписку на сайте Learn Free Courses
  2. Скопируйте API ключ из профиля на том сайте
  3. Вставьте ключ в настройках профиля здесь
Бесплатно

Быстрое прототипирование GenAI-приложений с помощью Streamlit

Оригинал: Fast Prototyping of GenAI Apps with Streamlit

3 ч 27 мин LLM 45 уроков Уроки на русском языке 🎤 Новый перевод
Оригинальный источник

Скачать курс по LLM. Быстрое прототипирование GenAI-приложений с помощью Streamlit

Нужен архив курса целиком?

Мы отправим ссылку на полный архив с оригиналом, переводом и материалами. Просто напишите администратору info@russiancourses.net и укажите, что именно нужно (можем поделиться вариантами отдельно).

Пропущены номера уроков?

Если в нумерации есть паузы, значит часть занятий текстовые или в виде файлов. Их можно найти в разделе «Материалы курса»: скачайте архив, чтобы получить все конспекты и дополнительные задания.

Превью: 1. Беседа с Chanин Nantasenamat и Andrew Ng

Превью: 1. Беседа с Chanин Nantasenamat и Andrew Ng

Это первый урок бесплатного курса "Быстрое прототипирование GenAI-приложений с помощью Streamlit". Зарегистрируйтесь для доступа ко всем 45 урокам курса.

Регистрация Войти

Раздел

О курсе

3 ч 27 мин 45 уроков LLM
Создавайте, тестируйте и улучшайте GenAI-приложения за считанные часы ⚡

Fast Prototyping of GenAI Apps with Streamlit — это практический курс о том, как превращать идеи в работающие прототипы на основе генеративного ИИ. Вы научитесь быстро планировать, собирать и запускать интерактивные приложения, используя Streamlit и Snowflake.
Вы узнаете, как:

  • 🚀 Планировать и создавать прототипы с помощью фреймворка быстрого прототипирования — от замысла до MVP
  • 🧩 Работать в среде Snowflake: разрабатывать в безопасной инфраструктуре, использовать встроенные LLM-инструменты и публиковать приложения прямо в Streamlit Community Cloud
  • 🔄 Итерировать и улучшать свои проекты с помощью обратной связи, инженерии промптов и подхода Retrieval-Augmented Generation (RAG)
Почему стоит пройти этот курс:

В компаниях идеи часто теряют импульс из-за долгих обсуждений, планов и медленных согласований. В быстро меняющемся мире генеративного ИИ умение создавать работающие прототипы за считанные дни — это ключевое конкурентное преимущество. Команды, которые могут быстро показать демо и получить фидбек, выигрывают внимание, ресурсы и определяют направления развития продукта.
Этот курс даст вам именно такую скорость. Вы узнаете, как использовать GenAI для ускорения всего цикла — от идеи до тестирования product-market fit. Даже без глубоких знаний в программировании вы сможете собрать рабочее приложение с помощью нескольких строк Python и Streamlit.
Практическая часть курса включает:

  • 💬 Создание простого чатбота и добавление к нему промпт-инженерии и RAG
  • ☁️ Публикацию готового приложения в Snowflake или Streamlit Community Cloud для получения обратной связи в реальном времени
  • 🧠 Оптимизацию производительности с помощью Cortex AI (включён 120-дневный бесплатный доступ)
Что вы получите:

  • 🛠️ Рабочий прототип GenAI-приложения
  • 📋 Повторяемую структуру создания MVP для любых будущих идей
  • ⚙️ Навыки внедрения и тестирования генеративных функций в реальных сценариях
Что такое Streamlit?

Streamlit — это открытая библиотека Python, превращающая несколько строк кода в интерактивные веб-приложения без знания фронтенда. Благодаря простоте и скорости Streamlit стал незаменимым инструментом для разработчиков, которым нужно быстро делиться результатами, визуализировать данные или создавать AI-демо.
После прохождения курса вы сможете разрабатывать и публиковать собственные GenAI-приложения, сокращая время от идеи до запуска с недель до часов. Это практический инструмент для тех, кто хочет научиться превращать концепции в реальные работающие продукты.

Сводка

Информация о курсе

Категория

LLM

Длительность

207 мин

Назад к бесплатным курсам

  • 1. 1. Беседа с Chanин Nantasenamat и Andrew Ng

    Оригинал: 1. Conversation Between Chanin Nantasenamat And Andrew Ng

    RU

  • 2. 2. Введение в прототипирование Gen AI приложений

    Оригинал: 2. Introduction to Prototyping Gen AI Applications

    RU

  • 3. 03. Преимущества прототипирования

    Оригинал: 03. The Benefits Of Prototyping

    RU

  • 4. 4. Как ИИ новой генерации совершил революцию в прототипировании

    Оригинал: 4. How Gen Ai Revolutionized Prototyping

    RU

  • 5. 5. Цикл разработки прототипов для Gen Ai

    Оригинал: 5. The Prototyping Development Cycle for Gen Ai

    RU

  • 6. 06. Избегаем частых ошибок

    Оригинал: 06. Avoiding Common Pitfalls

    RU

  • 7. 7. Введение в проект курса и набор данных

    Оригинал: 7. Introducing the Course Project and Dataset

    RU

  • 8. 9. Определение объема MVP

    Оригинал: 9. Scoping an MVP

    RU

  • 9. 10. Обзор репозитория курса на GitHub

    Оригинал: 10. Overview of the Course GitHub Repo

    RU

  • 10. 11. Лабораторная 01 Создание плана MVP с Gen AI

    Оригинал: 11. Lab 01 Co Creating An MVP Plan With Gen AI

    RU

  • 11. 13. Выбор правильных инструментов

    Оригинал: 13. Choosing The Right Tools

    RU

  • 12. 14. Настройка вашего окружения

    Оригинал: 14. Setting Up Your Environment

    RU

  • 13. 15. Начало работы с Streamlit

    Оригинал: 15. Getting Started With Streamlit

    RU

  • 14. 16. Создание вашего первого интерактивного приложения на Streamlit

    Оригинал: 16. Making Your First Interactive Streamlit App

    RU

  • 15. 18. Интеграция Gen AI для обработки данных

    Оригинал: 18. Integrating Gen AI for Data Handling

    RU

  • 16. 20. Визуализация данных

    Оригинал: 20. Data Visualization

    RU

  • 17. 21. Опубликовать приложение онлайн

    Оригинал: 21. Publish Your App Online

    RU

  • 18. 23. Лабораторная 2. Дашборд анализа настроений с Gen Ai

    Оригинал: 23. Lab 2 Sentiment Analysis Dashboard With Gen Ai

    RU

  • 19. 24. Создание прототипов в Snowflake

    Оригинал: 24. Building Prototypes In Snowflake

    RU

  • 20. 26. Введение в Snowflake

    Оригинал: 26. Introducing Snowflake

    RU

  • 21. 28. Среда разработки Snowsight

    Оригинал: 28. Snowsight Development Environment

    RU

  • 22. 31. От CSV в облако: использование ноутбуков для сбора данных о лавинах

    Оригинал: 31. From CSV to Cloud Using Notebooks to Ingest Avalanche Data

    RU

  • 23. 33. Загрузка нескольких файлов

    Оригинал: 33. Uploading A Batch Of Files

    RU

  • 24. 34. От сцены к столу с Cortex

    Оригинал: 34. From Stage To Table With Cortex

    RU

  • 25. 35. Извлечение информации из контента

    Оригинал: 35. Extracting Information From The Content

    RU

  • 26. 37. Лабораторная 1: Аналитика перевозок Avalanche

    Оригинал: 37. Lab 1 Avalanche Shipping Analytics

    RU

  • 27. 38. Одна таблица, чтобы управлять всем

    Оригинал: 38. One Table To Rule Them All

    RU

  • 28. 39. Анализ настроений с Cortex

    Оригинал: 39. Sentiment Analysis With Cortex

    RU

  • 29. 40. Визуализация данных в Snowflake

    Оригинал: 40. Data Visualization In Snowflake

    RU

  • 30. 41. Создание AI-поддерживаемого Streamlit приложения внутри Snowflake

    Оригинал: 41. Building Your AI Powered Streamlit App Inside Snowflake

    RU

  • 31. 43. Лабораторная работа 2 Обзор использования Copilot для анализа настроений

    Оригинал: 43. Lab 2 Overview Using Copilot For Sentiment Analysis

    RU

  • 32. 46. Выбор стратегии развертывания

    Оригинал: 46. Choosing The Right Deployment Strategy

    RU

  • 33. 47. Развертывание вашего прототипа внутри Snowflake

    Оригинал: 47. Deploying Your Prototype Internally On Snowflake

    RU

  • 34. 48. Развёртывание в Streamlit Community Cloud

    Оригинал: 48. Deploying to Streamlit Community Cloud

    RU

  • 35. 51. Лабораторная 1 Развертывание вашего прототипа

    Оригинал: 51. Lab 1 Deploying Your Prototype

    RU

  • 36. 52. Итерация по-быстрому

    Оригинал: 52. Iterate Quickly

    RU

  • 37. 53. Быстрый отзыв

    Оригинал: 53. Fast Feedback

    RU

  • 38. 54. Реакция на отзывы

    Оригинал: 54. Acting On Feedback

    RU

  • 39. 55. Итерация, улучшение, повторение: быстрый фидбэк для вашего Avalanche приложения

    Оригинал: 55. Iterate Improve Repeat Fast Feedback For You Avalanche App

    RU

  • 40. 56. Улучшаем запросы

    Оригинал: 56. Improving Prompts

    RU

  • 41. 58. Улучшаем прототип с помощью Data Augmentation

    Оригинал: 58. Upgrading Your Prototype with Data Augmentation

    RU

  • 42. 59. Использование Rag для улучшения производительности модели

    Оригинал: 59. Using Rag To Improve Model Performance

    RU

  • 43. 60. Настройка Rag Pipeline с помощью Cortex Search

    Оригинал: 60. Setting Up A Rag Pipeline Using Cortex Search

    RU

  • 44. 62. Лабораторная 2. Интеграция Rag в ваш чат-бот

    Оригинал: 62. Lab 2 Integrating Rag Into Your Chatbot

    RU

  • 45. 63. Что дальше

    Оригинал: 63. What Comes Next

    RU