Продолжительность курса: 16 ак. ч.

Описание курса:
Этот курс представляет собой концентрированный путь от фундаментальных концепций обучения с подкреплением (Reinforcement Learning, RL) до передовых методов тонкой настройки современных языковых моделей. Программа начинается с перехода от классического ML к RL, разбирает анатомию взаимодействия «Агент-Среда» и погружает в математику ключевых алгоритмов (Q-Learning, Policy Gradient, Actor-Critic). Главная особенность курса — фокус на применении RL в обработке естественного языка (NLP). Слушатели разберут технологию RLHF (Reinforcement Learning from Human Feedback), которая является стандартом индустрии для выравнивания (alignment) больших языковых моделей (LLM).

Аудитория:
• ML-инженеры и Data Scientist
• NLP-разработчики и инженеры по работе с LLM
• исследователи и разработчики ИИ

Необходимая подготовка:
• уверенное знание Python и опыт работы с основными фреймворками глубокого обучения (PyTorch или TensorFlow/JAX)
• понимание основ глубокого обучения (Deep Learning): знание того, как работают нейронные сети, механизм обратного распространения ошибки (backpropagation), оптимизаторы и функции потерь
• математический бэкграунд: линейная алгебра, математический анализ и теория вероятностей (необходимы для понимания формул градиентов, марковских процессов и вероятностных распределений в RL)

Программа курса:
Модуль 1. Введение в обучение с подкреплением (Основы)
• От классического ML к RL: адаптация в реальном времени
• Анатомия RL: Агент, Среда и Награда

Модуль 2. Ключевые алгоритмы глубокого обучения с подкреплением
• Формализация задачи и алгоритм Q-Learning
• Продвинутые алгоритмы: Policy Gradient и Actor-Critic

Модуль 3. Специфика применения RL в NLP
• RL для работы с текстами
• RLHF: Обучение с подкреплением на основе отзывов людей

Модуль 4. Практика и проектный кейс
• Практикум: Разработка среды и политик
• Разбор кейса: Создание адаптивной системы генерации ответов

Окончательная цена указывается в договоре на обучение. Записаться на курс