Новые складчины | страница 3

​

Курс разработан специально для действующих и будущих системных аналитиков, начинающих тестировщиков и специалистов технической поддержки, работающих с REST API.

Технологии XML и JSON широко используются для передачи информации между разными автоматизированными системами, хранения данных и проверки их формата, описания API.

На курсе вы познакомитесь с API, научитесь правильно описывать форматы данных, познакомитесь с XML и подготовите XSD-схему. Сравните XML и JSON, поймете в какой ситуации что предпочтительнее использовать и научитесь подготавливать JSON-схему.

Курс носит полностью практический характер. Абсолютно все темы подкрепляются практикой, поэтому по окончании курса в своё портфолио Вы добавите две схемы, а к компетенциям уверенное владение технологиями и навыки их применения.

Модуль 1 - Зачем нужен API

• Что такое API
• Практикум — описание формата данных

Модуль 2 - XML

• Стандарт XML 1.0
• Типы данных XML
• Практикум — подготовка XML документа в Notepad++

Модуль 3 - XSD схема

• Зачем нужен XSD
• Структура XSD схемы
• Регулярные выражения
• Пространства имен XSD схемы
• Практикум — подготовка XSD схемы
• SOAP – краткое описание

Модуль 4 - JSON

• Что такое JSON
• Практикум — описание данных в формате JSON
• Сравнение JSON - XML

Модуль 5 - JSON схема

• Основные методы построения JSON схемы
• Cтандарт OpenAPI и Swagger
• Практикум — подготовка JSON схемы

​

В этом курсе мы вместе разберемся, как работает Model Context Protocol — протокол, через который LLM может взаимодействовать с внешними инструментами.
Мы не будем пользоваться готовыми абстракциями, а реализуем MCP-клиент и MCP-сервер на Java с помощью официального SDK. После этого подключим все к LLM-хосту и покажем, как интегрировать полученный результат в Spring AI.
Курс построен так, чтобы у вас появилось не просто поверхностное понимание, а реальный опыт работы с протоколом: от структуры сообщений до практической интеграции с моделью.

• Кому будет интересен этот курс?
  • Разработчикам, которые уже работают с Java или Spring и хотят понять, как подключать LLM к внешним системам через MCP
  • Тем, кто интересуется интеграцией AI-инструментов в корпоративные приложения и хочет разобраться, что именно происходит «под капотом»
  • Тем, кто только начинает знакомиться со Spring AI. Мы не отходим от темы в продакшен-архитектуру, а показываем понятные рабочие примеры, которые помогут быстро приобрести нужные навыки
• 
  Зачем?
  • Понять, что представляет собой MCP и как устроено взаимодействие между клиентом, сервером и моделью
  • Научиться реализовывать MCP-компоненты на Java с использованием SDK
  • Попробовать связать сервер, клиент и LLM-хост, чтобы увидеть, как это работает
  • Освоить базовые приемы интеграции MCP со Spring AI
  • Получить четкое представление о том, как такие системы можно применять в реальных проектах
• 
  Что останется у вас после
  • Рабочий пример MCP-клиента и серверы на Java
  • Код хоста, который связывает LLM с инструментами
  • Пример интеграции MCP в Spring AI
  • Понимание ключевых элементов MCP: транспорты, модель сообщений и capabilities, сущности (Tools, Resources, Resource Templates, Prompts и т. д.), отладка (MCP Inspector для отладки сервера)
  • Готовая структура проекта, которую можно использовать как основу для собственных решений

Спойлер: Программа курса:

Модуль 1. Введение

• Что такое MCP (Model Context Protocol)
• Роль MCP в экосистеме LLM
• Архитектура: клиент, сервер, хост

Модуль 2. MCP-протокол

• Transport (stdio, stream http)
• Message types (Request, Response, Error, Notifications)
• Client capabilities (Roots, Sampling, Elicitation, Experimental)
• Server capabilities (Prompts, Resources, Tools, Logging, Completions)
• Utilities (Cancelation, Progress, Ping)
• Inspector

Модуль 3. MCP SDK на Java

• Обзор MCP-библиотеки для Java
• Реализация MCP-клиента
• Реализация MCP-сервера

Модуль 4. Отладка и мониторинг

• Использование Inspector
• Логирование
• Диагностика проблем

Модуль 5. LLM-хост

• Взаимодействие с хостом

Модуль 6. Интеграция с моделями

• Модели с fine-tuning для использования tools
• Модели без fine-tuning (через системный промпт)

Модуль 7. Spring AI и MCP

• Подключение MCP в Spring AI
• Базовые настройки

Модуль 8. Практика

• Построение простого MCP-сервера и клиента
• Интеграция с LLM-хостом
• Интеграция с помощью Spring AI

​

Каждый участник курса сделает своего телеграм-бота всего за 8 недель!
Я не верю в теорию. Каждую неделю — вебинар и практическое домашнее задание, где мы вместе движемся к цели — готовому приложению, написанному вашими руками.

Программа:
Недели 1-2. Git и запуск первого проекта

• Вы научитесь работать с Git как настоящий разработчик — коммиты, ветки, GitHub. Настроите профессиональные инструменты: Cursor, Docker, туннели. Запустите первый проект с hot reload и научитесь читать логи.
• Результат: Полностью настроенная среда разработки и первый работающий проект в вашем GitHub-профиле.

Недели 3-4. Архитектура и первый Telegram-бот

• Вы разберетесь, из каких блоков состоят все IT-продукты: фронтенд, бэкенд, база данных, API. Создадите первого работающего бота с админкой. Освоите цифровую безопасность — защита API-ключей и паролей.
• Результат: Работающий Telegram-бот с админкой, который безопасно хранит данные пользователей.

Недели 5-6. AI-интеграции и умный функционал

• Вы подключите к боту большую языковую модель (LLM), научитесь писать эффективные промпты и контролировать расходы на токены. Добавите боту память и тулколинг — он сможет работать с базами данных и выполнять сложные команды.
• Результат: Интеллектуальный бот с AI, который помнит контекст и может автоматизировать реальные задачи.

Недели 7-8. Деплой и масштабирование

• Вы развернете бота на реальном сервере (VPS), настроите домен и запустите в режиме 24/7. Освоите продвинутые техники вайб-кодинга и научитесь поддерживать проект как в настоящих IT-компаниях.
• Результат: Готовый продукт, работающий в интернете 24/7, и навыки для создания новых проектов.

Тариф Только посмотреть
Видеоуроки + домашка

​

Если "нейросети плохо пишут код", то вам сюда. Рекомендую сначала пройти курс, потом уже с пониманием использовать MCP серверы. Не забывая конечно про правила для IDE, которые бесплатны.

MCP-серверы
6 Docker контейнеров, подключаемых одной строкой, при правильной настройке заставляют ИИ "творить чудеса" при кодинге в 1С

• Поиск (RAG+Fulltext) по коду, справке конфигурации и метаданным
• Поиск (RAG+Fulltext) по справке и запросам
• Поиск (RAG) по шаблонам кода для 1С
• Проверка синтаксиса BSL LS
• Проверка кода (1С:Напарник - нужен ключ)
• Поиск по метаданным (Граф + Субагент)

​

Автоматизация Python+ADS+Web3: Быстрый старт в высокодоходных нишах
Хотите освоить востребованные навыки и начать зарабатывать уже через несколько недель? Этот курс разработан для тех, кто хочет эффективно использовать Python для автоматизации процессов в сферах ADS и Web3. Мы не будем тратить время на долгую теорию, а сразу перейдем к практике, чтобы вы получили первый результат максимально быстро.

​

Программа
01. Вводный блок
02. Безопасность
03. Ochobb python
04. Быстрый результат
05. Python+ads
06. Web 3
07. Дополнительные инструменты
08. Уроки от кураторов
Еженедельные созвоны

Курс построен так, чтобы вы получали практические навыки, а не только теоретические знания.
Этот курс — ваш шанс освоить высокодоходные ниши и сделать автоматизацию своим конкурентным преимуществом.

​

Kotlin с нуля до Junior + Подготовка к собеседованию

Этот курс создан для всех, кто хочет изучить Kotlin — современный язык программирования, который используется для разработки приложений под Android, создания серверных приложений и даже работы с многоплатформенными проектами.

Данный курс был создан для того, чтобы любой желающий мог изучить язык Kotlin, даже не имея предварительных знаний в области программирования. При этом изучить не только самые базовые вещи, но подробно разобрать тонкости языка, отработать весь материал на практике, чтобы по окончании обучения, студенты были полностью готовы к собеседованию на знание языка. На протяжении курса вас будут ждать практические задания и проекты, которые помогут закрепить изученные темы и получить реальные навыки разработки.

Kotlin активно используется в Android-разработке, backend-разработке, Data Science и других сферах.
В этом курсе вы изучите язык Kotlin с самого нуля, начиная с основ программирования и до профессионального уровня.

Чему вы научитесь:

• Основы программирования
• Разработка простых программ на языке Kotlin
• Объектно-ориентированное программирование
• Функциональное программирование
• Многопоточность и асинхронность
• Паттерны проектирования
• Глубокое понимание теории языка Kotlin
• Разработка сложных программных систем
• Подготовка к собеседованию

В течение ближайших недель курс будет постоянно дополняться новыми разделами:

Многопоточность и асинхронность
Углубленное изучение языка Kotlin

Причины популярности Kotlin:

• Современный синтаксис: Более лаконичный и удобный по сравнению с Java.
• Совместимость с Java: Позволяет плавно мигрировать на новый язык.
• Официальная поддержка Google: В 2019 году Google объявила Kotlin «предпочтительным языком» для Android-разработки. Это стало сигналом для индустрии, что будущее Android тесно связано с Kotlin. С этого момента большинство новых инструментов и библиотек для Android разрабатываются с ориентацией на Kotlin.
• Многоплатформенность: Возможность писать код для Android, iOS, веба и серверов.
• Сильное сообщество и развитие: JetBrains продолжает активно развивать язык, добавляя новые функции и улучшая экосистему.

Предварительные знания не требуются. Важно, чтобы у вас был компьютер и доступ в интернет.

Данный курс подойдет для всех желающих научиться программировать на языке Kotlin. Если у вас нет никакого опыта в программировании, то здесь вы найдете все необходимое для освоения новой профессии Если вы уже разрабатывали программы на Kotlin или любом другом языке программирования, то в этом курсе вы найдете для себя много интересного и сможете углубить свои знания.

Программа:

• Что такое программирование?
• Зачем нужны языки программирования?
• Скачиваем среду разработки
• Первая программа
• Чтение из консоли. Переменные Спецсимволы и шаблоны
• Целочисленный тип Int
• Целочисленное деление
• Условный оператор
• Условный оператор. Часть 2. Комбинирование
• Изменяемые переменные
• Дробные числа
• Введение в коллекции
• Циклы Repeat и While
• Цикл for и свойство size
• Диапазоны Ranges
• Целочисленные типы Long Short Byte
• If and when are expressions
• Символьный тип данных
• Do while и split
• Введение в ООП
• Создание класса и объекта
• Введение в функции
• Функции с параметрами
• Ключевое слово this и именованные параметры
• Введение в конструкторы
• Перегрузка конструкторов
• Первичный конструктор
• Возвращаемый тип функций
• Введение в наследование
• Upcast, Downcast, Smartcast
• Введение в полиморфизм
• Практика создание бухгалтера. Метод super
• Enum
• Работа с файлами и мутабельными коллекциями
• Ручная сериализация и десериализация
• Удаление элементов из списка
• Рефакторинг
• Контрольная работа
• Инкапсуляция и модификаторы доступа
• Абстрактные классы
• Интерфейсы
• Класс Any и метод toString
• Обзор ООП
• Геттеры и сеттеры. Часть 1
• Геттеры и сеттеры. Часть 2
• Single Responsibility Principle
• Рефакторинг и StringBuilder
• Singleton Object
• Backing Field
• Метод copy
• Метод equals
• Метод hashcode. Коллекции Set
• Data Classes
• Дополнение по методу copy
• Nullable Types
• Elvis и Unit
• Try catch
• Nothing
• Kotlin Serialization
• Получение тестовых данных
• Чистые функции
• Анонимные классы
• Лямбда выражения
• Введение в Generics
• Extension functions
• Inline functions
• Примеры функций высшего порядка
• Функция Let
• Функция Also
• Коллекции Map
• Map для улучшения производительности
• Функции With и Apply
• Функция Run и Method reference
• Основы многопоточности
• Singleton. Companion. Init.
• Singleton. Способы реализации
• Singleton. Синхронизация
• Создание GUI
• Observer. Введение
• Observer. Зависимость от абстракций
• Observer. Функциональный интерфейс
• Observer. Интерфейс Observable
• Observer. MutableObservable
• Observer. Backing field и итоги
• Command и BlockingQueue
• Sealed Interface
• Builder
• Junit часть 1
• Junit часть 2. Parameterized Test
• Массивы
• ArrayList. Часть 1
• ArrayList. Часть 2
• ArrayList. Часть 3. Константы и операторы
• Алгоритмическая сложность
• Тестирование исключений. System.arraycopy
• LinkedList. Принцип работы LinkedList. Реализация
• LinkedList. Двусвязный список
• HashSet. Принцип работы
• HashSet. Реализация. Часть 1
• HashSet. Реализация. Часть 2
• HashSet. Вопросы на собеседовании
• Параметризируем коллекции
• Collections и Iterable
• MutableIterable
• Реализации Set
• Устройство TreeSet
• Неизменяемые коллекции
• Коллекции Map
• Использование Map внутри Set
• Собеседование по теме коллекции
• Создание GUI
• Добавление логики и метод String.format
• Механизм callback
• Suspend функции
• Корутины под капотом
• Executor Services
• Structured Concurrency. Часть 1
• Dispatchers Default и Unconfined
• Dispatchers IO и Main
• Job и параллельность
• Async и Deferred
• Jobs Hierarchy
• Исключения. Часть 1
• Исключения. Часть 2. Async
• Отмена корутин
• Suspend Coroutine
• SupervisorJob
• Что такое потоки данных
• Способы создания Sequence
• Начало работы с Flow
• Знакомство с API
• Загрузка данных из сети
• Создание GUI и работа с Regex
• Реактивный стиль
• Channels и Debounce
• Холодные потоки данных
• Горячие потоки данных
• ShareIn
• Buffer и Backpressure
• Screen state as Flow
• MutableStateFlow
• SharedFlow vs StateFlow
• Exceptions in Flow
• Практика работы с исключениями
• Оператор FlowOn
• Наследование CoroutineScope
• Синхронизация корутин
• Channels

Желаю вам успехов в освоении Kotlin, новых знаний и вдохновения для покорения мира программирования! До встречи на страницах курса!

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Курс по Data Science для middle: senior-навыки за 6 недель

Подойдет для Data Scientists, Classic ML и NLP-инженеров уровня middle/middle+
Нужны базовые знания основ машинного обучения, математики и программирования
Будем писать на Python, но если ты программируешь на чем-то другом — это некритично. Вся практика будет применима на другие ЯП

В курсе осваиваем навыки, которые мешают расти мидлам

• Как обнаружить проблемы в грязных данных в самом начале работы и сделать модель, устойчивую к дрейфу
• Как учесть все инфраструктурные ограничения и раскатать модель на прод с первого раза без финансовых потерь
• Как правильно мониторить деградацию моделей в проде, делать их стабильными и автоматически переобучать
• Как строить хорошие признаки по нестабильным временным рядам — активности пользователей, курсу валют и др.
• Как расти в зарплате через связку продуктовых и бизнес-метрик: увеличивать выручку и средний чек, а не техническую точность рекомендаций
• Как тестировать раскатанную ML через A/B-тесты, избегать ложных выводов и потерь у смежных бизнес-подразделений

Программа
6 недель точечно закрываем каждый блок-фактор
Не просто теория, а выжимка всего опыта от TeamLead из Яндекса. Лучшие практики из BigTech, разбор реальных бизнес-кейсов и много кода, который ты напишешь самостоятельно

• Вводная часть
• Неделя 1. Feature Engineering, Bias и согласованность данных
• Неделя 2. Модели: оптимизация и нестандартные сценарии использования ML
• Неделя 3. Real-time ML, потоковая обработка, мониторинг и обслуживание
• Неделя 4. Feature Store, MLOps, оптимизация ресурсов
• Неделя 5. Связка продуктовых и бизнес-метрик
• Неделя 6. Дипломный проект

В итоге прокачаем hard’ы до уровня Senior в BigTech и научимся:

• Работать с «грязными» данными, искать смещения и дрифты
• Использовать Feature engineering в real time системах и генерировать признаки с пониманием вычислительной сложности
• Оптимизировать ML-модели для продакшна
• Использовать специфику актуальных ML/DL моделей для работы с табличными и текстовыми данными
• Контролировать жизненный цикл моделей в продакшне и строить мониторинги
• Работать с MLOps инструментами и взаимодействовать с инфраструктурой

Преподает: Дмитрий Сафонов, Data Science Team Lead в Яндекс
разрабатываю алгоритмы антифрода рекламы, руковожу ML-командой - Яндекс
cтроил прогнозные модели биржевых индикаторов, разработал инфраструктуру для автоматизации ML-процессов - Quantum Brains
преподавал анализ данных на Python - СПБГЭУ

​

Устали от кода, который через месяц не можете понять сами? Боитесь показывать свой код коллегам? Этот вебинар для тех, кто хочет писать простой, понятный и поддерживаемый код.

Разбираем, как решать сложные задачи простыми способами и создавать систему кодирования, которую коллеги смогут понять даже через годы.

Для кого этот вебинар:
- Разработчики, работающие над проектами дольше одного вечера
- Команды от 2+ разработчиков
- Проекты в ответственных доменах (транспорт, медицина, платежи)
- Программисты, уставшие от legacy-кода
- Тимлиды, которые хотят навести порядок в кодовой базе

О чём говорим на вебинаре:
- Почему с одним кодом приятно работать, а другой хочется выкинуть. Как это измерить: объективные и субъективные способы.
- Откуда в коде берётся сложность (не потому же, что мы глупые?). Accidential vs Essential complexity. Какую сложность можно выкинуть, а какую остаётся только прятать.
- Когда сложность надо чинить, а когда — можно забить.
- Коммуникация при помощи кода. Как не обманывать и сделать, чтобы вас нельзя было понять неправильно.
- Инструментарий, чтобы моделировать доменную область: фракталы, функциональщина, конечные автоматы.
- Лингвистика и нейминг: синонимы, омонимы, двойные отрицания, части речи.
- Как продавать хороший код команде и бизнесу.
- Как начать работу над качеством кода в проекте.

Внутри:
- запись вебинара
- чеклисты для себя и команды

​

VesperfinCode: MarketRaptor — Суперавтоматизация трейдинга
Поддержка 6 потока (старт 15 августа 2025)
В этом потоке мы переходим от идей к действиям — создаём MarketRaptor: полностью автономного торгового бота, который работает 24/7, адаптируется к рынку, принимает команды через Telegram и торгует одновременно на MOEX и криптовалютах.

Что вы изучите на курсе:
Полная сборка суперавтоматизированного сервиса — от архитектуры до запуска торговых стратегий
Telegram-интерфейс — управление стратегиями и активация через команды в мессенджере
Серверная инфраструктура — Docker, Prometheus, Grafana, логирование и автоматизация
Мультиактивная торговля — одновременная работа на MOEX и криптовалютных биржах
Параллельные стратегии — запуск нескольких стратегий на разных инструментах с гибкой настройкой
Расписание эфиров:
15 августа — Архитектура MarketRaptor и Telegram-бот для управления
22 августа — Автоматизация торговли, серверная часть и логика
29 августа — Финальная сборка + разбор всех вопросов участников
Поддержка участников: Онлайн-кураторы в чате 18, 25 августа и 1 сентября с 10:00 до 20:00
Получите помощь с настройкой и ответ на любые вопросы по заданиям

Итог курса:
Рабочий бот, развернутый на сервере
Система логирования, оповещений и мониторинга
Навыки DevOps-автоматизации в трейдинге

Требования: Знание Python, понимание базовых терминов трейдинга

​

Курс «Инженер по тестированию»

Это 4-месячный курс для тех, кто хочет освоить профессию QA-инженера с нуля. Программа построена так, чтобы вы двигались от базовой теории к сложной практике, включая автоматизацию и подготовку к реальной работе.

Программа по спринтам:

• 
  
  
  • Спринт #1: Клиент-серверная архитектура, HTTP
  • Спринт #2: Тестирование веб-приложений. REST, JSON и Devtools
  • Спринт #3: Тестирование бекенда, API. Практика с Postman и автотестами на JavaScript
  • Спринт #4: Теория. Виды тестирования. Техники тест дизайна
  • Спринт #5: Практика создания детального чек-листа в Miro
  • Спринт #6: Тест-документация: баг-репорт, тест-кейс. Практика с TMS
  • Спринт #7: HTML, CSS, TCPIP.
  • Спринт #8: SQL. Agile, Scrum и Kanban. Роли в команде

В складчине только обучающие материалы, без доступа к домашкам в Яндекс Трекере

​

Курс «Инженер по тестированию»

Это 4-месячный курс для тех, кто хочет освоить профессию QA-инженера с нуля. Программа построена так, чтобы вы двигались от базовой теории к сложной практике, включая автоматизацию и подготовку к реальной работе.

Содержание курса по блокам:

• Основы тестирования: Вы изучите клиент-серверную архитектуру, виды и техники тестирования, научитесь работать с веб-приложениями, документацией (баг-репорты, тест-кейсы) и базами данных SQL.
• Инструменты и технологии: Курс охватывает работу с такими инструментами, как Postman для тестирования API, TMS (например, Test IT), снифферы типа Charles, а также основы HTML, CSS, JS, Git и Linux.
• Автоматизация тестирования: Большая часть курса посвящена автотестам. Вы получите практические навыки с Cypress JS, Jmeter, а также создадите автотесты на Python с использованием Pytest, Requests, Selenium и Allure.
• Мобильные приложения и CI/CD: Вы научитесь тестировать мобильные приложения и познакомитесь с жизненным циклом разработки ПО и принципами CI/CD.
• Карьера и стажировка: В финальной части курса вас ждет подготовка к собеседованиям и составление сильного резюме

Программа

• Спринт #1: Клиент-серверная архитектура, HTTP
• Спринт #2: Тестирование веб-приложений. REST, JSON и Devtools
• Спринт #3: Тестирование бекенда, API. Практика с Postman и автотестами на JavaScript
• Спринт #4: Теория. Виды тестирования. Техники тест дизайна
• Спринт #5: Практика создания детального чек-листа в Miro
• Спринт #6: Тест-документация: баг-репорт, тест-кейс. Практика с TMS
• Спринт #7: HTML, CSS, TCPIP.
• Спринт #8: SQL. Agile, Scrum и Kanban. Роли в команде
• Спринт #9: Git, Linux консоль
• Спринт #10: Жизненный цикл разработки ПО, CI/CD
• Спринт #11: Тестирование мобилок. Запуск эмулятора.
• Спринт #12: База по автотестам Cypress JS. TDD BDD, Cucumber и Gherkin
• Спринт #13: База по автотестам Python + Pytest + Requests
• Спринт #14: База по автотестам Python + Selenium + Allure.
• Спринт #15: Этапы собеседования. Трудоустройству . Популярные вопросы от HR
• Спринт #16: Составляем резюме. Что влияет на получение оффера

В складчине только обучающие материалы, без доступа к домашкам в Яндекс Трекере

​

Комплексный практический курс по Three.js

Включает:+ Основы Three.js от А до Я
+ Подготовка 3D-моделей в Blender
+ Работа с 3D-моделями в Three.js
+ Работа с материалами и текстурами
+ Управление камерой и ракурсами
+ Раздел по работе с освещением и тенями
+ Постобработка и эффекты (Post-Processing)
+ Интерактивность и UI (триггеры, прогрессивная загрузка)
+ Адаптивность и производительность
+ Готовый пример и все исходники
+ Разбор частых ошибок и их решения

Консультации:
Только покупатели курса имеют возможность получать
консультации в любое время и по любому вопросу.

​

Набор инструментов программиста и специалиста 1С для всех конфигураций на управляемых формах. В состав входят инструменты: Консоль запросов, Консоль СКД, Консоль кода, Редактор
объекта, Анализ прав доступа, Метаданные, Поиск ссылок, Сравнение объектов, Все функции, Подписки на события и др. Редактор запросов и кода с раскраской и контекстной подсказкой. Доработанный конструктор запросов тонкого клиента. Продукт хорошо оптимизирован и обладает самым широким функционалом среди всех инструментов, представленных на рынке.

Infostart Toolkit – это набор полезных инструментов для программистов - разработчиков конфигураций 1С 8.3 и специалистов по внедрению. Поставляется в виде расширения, в состав которого входит набор взаимосвязанных помощников. Решение ориентировано на работу в тонком клиенте. Реализован режим отказа от модальности и синхронных вызовов.

Состав инструментов для разработки на управляемых формах 1С:

Консоль запросов
Консоль кода
Анализ прав доступа
Консоль СКД
Редактор объекта и кода
Метаданные
Поиск ссылок
Доработанный конструктор запросов тонкого клиента
Глобальное меню
Подписки на события
Сравнение объектов
Регламентные и фоновые задания

Расширение не меняет структуру метаданных и существующие объекты конфигурации, а только добавляет новые модули и обработки. Это позволяет использовать инструменты в РИБ и не влияет на обновление основной конфигурации. Само расширение также без проблем отключается или удаляется (при желании) через обработку-установщик.

Требования и совместимость
Режим запуска: управляемое приложение, версия платформы 1С:Предприятие 8.3.10 и выше, режим совместимости: 8.3.10 и выше, язык: русский или английский.
Рекомендуется платформа 8.3.15 и выше, Библиотека стандартных подсистем (БСП) 2.4 и выше.

Поддерживается работа с английскими конфигурациями WE: ERP, Drive и другие. Для конфигураций с БСП в большинстве длительных операций используется фоновое выполнение.

Версия Версия PROF

​

Онлайн-курс для разработчиков, знакомых с Java и Spring

Онлайн-курс для тех, кто хочет встроить ИИ в свое приложение и выстроить архитектуру так, чтобы все работало как надо, даже на локальной модели.
А это значит безопасно. И почти бесплатно.
Опытный инженер-практик покажет, как подойти к созданию приложений с локальными LLM-моделями не по учебнику, а по-взрослому: с пониманием архитектуры, принципов взаимодействия и маленькими трюками, которые сделают работу с AI не только эффективной, но и приятной.
Во время прохождения курса вы получите рекомендации по настройке инструментов, выбору архитектурных решений и улучшению качества взаимодействия с моделью.

Онлайн-курс для тех, кто хочет встроить ИИ в свое приложение и выстроить архитектуру так, чтобы все работало как надо, даже на локальной модели. А это значит безопасно. И почти бесплатно.
Курс включает техники, которые вы вряд ли встретите в других материалах по Spring AI:

• Кастомные retrieval-стратегии, чтобы запросы были умнее, а ответы точнее
• Оптимизация промптов для слабых моделей
• Настройка баланса между историей диалога и знаниями из RAG
• И, наконец, RAG, который действительно помогает, а не просто добавлен, «потому что сегодня так принято»

Программа курса
Теория не ради галочки. Все сразу закрепляется в коде, шаг за шагом: от запуска локальной модели до настройки кастомного RAG.
Диалог с моделью: создаем микросервис, который работает с локальной LLM и хранит историю переписки для полноценного общения
«И ты, RAG»: учимся готовить данные, резать их на чанки и подключать к модели
Оптимизация качества (выжмем из локальной модели то, что облаку и не снилось): пишем кастомный Advisor, внедряем Query Extensions, retrieval-стратегии и ранкеры — улучшаем ответы без увеличения мощности модели

​

Этот курс погружает учащихся в важнейшие аспекты кросс-валидации и оптимизации гиперпараметров с применением библиотеки Scikit-learn.

Начнём с изучения базовых методов оценки моделей, используя функции cross_val_score и cross_validate, чтобы получать более точную оценку производительности модели путем использования кросс-валидации.

Важной составляющей курса станет изучение различных стратегий кросс-валидации, таких как LeaveOneOut, ShuffleSplit и GroupKFold, каждая из которых подходит для определенных типов задач и данных.

Курс также охватывает анализ кривых обучения с использованием функции learning_curve, что поможет понять, как объем данных влияет на производительность модели.

Уделяется внимание и кривым валидации через функцию validation_curve, которая демонстрирует, как изменение гиперпараметров отражается на качестве модели.

Изучение функции permutation_test_score позволит оценивать значимость моделей с использованием перестановочных тестов.

Также рассматривается техника прогнозирования с кросс-валидацией через cross_val_predict, что окажется полезным для визуализации результатов.

Наконец, познакомимся с методами оптимизации гиперпараметров, используя GridSearchCV и RandomizedSearchCV, что позволит автоматизировать процесс поиска наилучших гиперпараметров для моделей.

Начальные требования
Курс для тех, кто уже сделал первые шаги в изучении машинного обучения, но, столкнувшись с вопросами кросс-валидации и оптимизации гиперпараметров, ощутил необходимость более глубокого понимания этих ключевых аспектов.

Программа курса
Перекрёстная проверка

1. Введение
2. cross_val_score()
3. cross_validate()
4. LeaveOneOut
5. ShuffleSplit, StratifiedShuffleSplit
6. GroupKFold
7. TimeSeriesSplit
8. learning_curve()
9. validation_curve()
10. permutation_test_score()
11. cross_val_predict()

Методы оптимизации гиперпараметров

1. GridSearchCV
2. RandomizedSearchCV