🎓

Создание AI‑ассистентов для ИТ инфраструктуры (LLM, RAG, agents)

Информационные технологии

Уроков: 12
Сложность: normal
Аудитория: Администраторы сети, инфраструктуры, сетевые инженеры, DevNetOps и IT специалисты, которые хотят автоматизировать рутинные задачи с помощью современных AI-инструментов.

Информационные технологии Платный

Мы научимся использовать современные языковые модели для администрирования на примере сетей: анализировать логи, подключать базы знаний (RAG), создавать AI агентов для управления оборудованием. Курс поможет инженерам и DevOps-специалистам встроить LLM в привычные процессы автоматизации. Мы шаг за шагом подключим OpenAI и локальные модели, сделаем AI-агентов, чтобы получить AI-ассистента, который ускорит решение рутинных задач.

В этом курсе мы научимся применять современные LLM для автоматизации, разбирая практические кейсы из администрирования сетевой инфраструктуры.

Мы шаг за шагом встроим LLM в традиционную автоматизацию с помощью фреймворка LangChain.

В результате мы создадим готовое решение в виде AI‑ассистента, который:

общается как ChatGPT, но с учетом вашей внутренней документации,
помогает с настройкой сетевого оборудования для рутинных задач,
анализирует логи и ускоряет диагностику инцидентов.

Так привычное взаимодействие человек‑машина превращается в удобный чат человек‑человек, где инфраструктура отвечает как живой помощник.

Курс ориентирован на решение практических задач из жизни сетевого/системного администратора.

Требования:

LLM. Достаточно понимать, что LLM генерирует текст в ответ на prompt
Python. Базовые знания: умение писать простые скрипты
Сети. Понимание понятий: IP-адрес, VLAN, коммутатор
Администрирование. Достаточно понимать что такое API, логи, CMDB (Configuration Management Database)
Linux. Важно уметь подключаться по SSH, использовать bash, запускать скрипты
Docker Compose. Понимание базовых команд (docker compose up -d, docker ps)
Доступ к platform.openai.com и 0.5 USD на балансе