Применение языковых моделей для решения прикладных задач в Python - курс DS25 - Рыжов

Этот видео-воркшоп покажет, как применять большие языковые модели (LLM) в Python для решения прикладных задач — от генерации кода до анализа данных и создания прототипов цифровых двойников. На живом примере из нефтегазовой отрасли вы увидите, как ИИ уже сегодня меняет подход к программированию и анализу данных. Что будет в видео: 🔹 Обзор современных LLM: OpenAI GPT, Claude, Gemini, DeepSeek, отечественные GigaChat и YandexGPT — какие модели выбрать и как с ними работать из России. 🔹 Prompt-инжиниринг на практике: Учимся правильно «разговаривать» с ИИ, чтобы получать работающий код, а не красивый бред. 🔹 Практический кейс «LLM парсер неструктурированных отчетов» на Python: Генерация датасета из отчетов Парсинг отчетов с помощью локальной LLM Рефакторинг к объектно-ориентированному программированию 🔹 Инструменты и библиотеки: Обзор доступных сервисов и open-source решений (Hugging Face, Ollama), которые работают здесь и сейчас. 🔹 Ограничения и риски: Почему ИИ пока не заменит разработчика, но станет его супер-помощником. Для кого это видео: • Python-разработчики всех уровней • Data Scientists и инженеры данных • Студенты IT-специальностей • Специалисты из нефтегазовой и инженерной отраслей, желающие автоматизировать рутину • Все, кто хочет оставаться на волне технологий и использовать ИИ в работе Ссылки и материалы: Таймкоды: 00:00 - Введение и о спикере 08:19 - Что такое LLM и как они работают 42:50 - Сравнение моделей: что выбрать в 2025? 47:15 - ИИ сервисы...