МК по локальному ИИ: LLM, диффузионные модели и ИИ-агенты на вашем ПК (2025)

Слив курса Мастер-класс по локальному ИИ: LLM, диффузионные модели и ИИ-агенты на вашем ПК [Udemy] [Арнольд Оберлейтер]

***Язык курса - английский***

Хотите получить полный контроль над искусственным интеллектом?
Узнайте, как раскрыть мощь языковых моделей и генераторов изображений прямо на своём компьютере — без облака, без рисков для данных, с максимальной производительностью.
Автоматизация ИИ и интеллектуальные агенты трансформируют индустрии прямо сейчас.
Но что если вы не хотите зависеть от внешних провайдеров?
Что если вам нужна инфраструктура ИИ, которая на 100% находится под вашим контролем — для приватности, максимальной производительности или полной творческой свободы?
Этот курс — пошаговое руководство в мир локального ИИ.
Вы не просто научитесь устанавливать отдельные инструменты — вы создадите полноценную экосистему, где языковые модели, генераторы изображений и видео и интеллектуальные агенты работают вместе.
Всё запускается полностью локально — на вашем оборудовании.
Мы будем использовать инструменты с открытым исходным кодом: Ollama, LM Studio, Anything LLM, Flowise, n8n, Docker, Supabase, ComfyUI, MCP и Open WebUI.
Вместе мы создадим ваш персональный центр управления ИИ — от автоматизации текста до генерации изображений, аудио и видео.
Забудьте ограничения облачных сервисов.
После курса вы сможете создать систему ИИ, превосходящую стандартные решения по функциональности, безопасности и гибкости.

Почему этот курс уникален:

• Большинство курсов показывают один инструмент.
• Этот курс учит создавать полноценную независимую инфраструктуру ИИ.

Для кого этот курс:

1. Предприниматели и самозанятые специалисты
2. Разработчики и технические специалисты
3. Энтузиасты ИИ
4. Частные пользователи, которым важна приватность
5. Компании
6. Все, кто хочет объединить ИИ, автоматизацию и языковые модели локально

Чему вы научитесь:

1. Основы локального ИИ: языковые модели, диффузионные модели, RAG и автоматизация ИИ на локальной инфраструктуре
2. Установка и настройка Ollama, LM Studio и Anything LLM
3. Запуск локальных языковых моделей (GPT, Qwen, Deepseek, Gemma, Mistral и другие)
4. Как работают диффузионные модели: Stable Diffusion, Flux, Wan, Qwen и другие
5. Понимание оборудования: GPU, VRAM, RAM, объединённая память и основы устройств Apple
6. Pinokio: быстрая и простая установка локального ИИ
7. Промпт-инжиниринг для языковых моделей, SDXL и моделей Flux
8. Применение RAG (генерация с дополнением извлечением) и эмбеддингов локально
9. Понимание векторных баз данных и их использование с Supabase, Postgres и SQL
10. Подготовка данных в Markdown: разбиение на части, перекрытие и оптимизация
11. Подключение Anything LLM к Ollama и создание собственного RAG-чатбота
12. Модели компьютерного зрения, OCR и распознавание изображений с Google Gemma и Qwen VL
13. Вычисления во время выполнения и «мыслящие» языковые модели с DeepSeek R и GPT-OSS
14. Вызов функций и использование инструментов: подключение внешних инструментов к языковым моделям
15. Понимание квантования: FP16, BF16, Q8, Q4, GGUF и советы по производительности
16. Использование ComfyUI, Forge, Fooocus и Automatic1111 локально
17. Генерация изображений и видео локально с SDXL, Flux, Qwen и моделями генерации видео
18. Обучение LoRA, ControlNet и создание стабильных персонажей для AI-инфлюенсеров
19. Использование локального AI-аудио: Whisper, TTS, STT и генерация музыки
20. Агентный ИИ с n8n: триггеры, действия, MCP-клиент и хост
21. Интеграция Supabase в n8n для эмбеддингов, SQL и RAG-процессов
22. Email-агенты, вебхуки и автоматизация с Google и n8n
23. Подключение Open WebUI и ComfyUI к n8n для автоматизации изображений и видео
24. MCP-сервер и клиент: локальная интеграция инструментов с n8n и LM Studio
25. Создание локального RAG-агента с Flowise, Postgres и Ollama
26. Установка через Docker для n8n, Supabase, Open WebUI и других инструментов
27. OCR и обработка документов: извлечение данных из изображений, PDF и счетов
28. Приватность, соответствие требованиям и лицензии с открытым исходным кодом (MIT, Apache и другие)
29. Безопасность: понимание атак jailbreak, внедрения запросов, галлюцинаций и рисков MCP
30. Создание масштабируемой локальной AI-инфраструктуры для бизнеса и предприятий

Программа:
Раздел 1: Введение и быстрый старт

1. Получите чёткое понимание структуры курса и целей обучения
2. Доступ ко всем ключевым ресурсам и ссылкам
3. Научитесь находить лучшие модели с открытым исходным кодом
4. Быстрый старт: установка первого локального ИИ-приложения через Pinokio

Раздел 2: Основы — языковые модели, диффузия и оборудование

1. Понимание преимуществ локального ИИ: приватность, стоимость и производительность
2. Разбор требований к оборудованию: GPU, VRAM, RAM и объединённая память
3. Сравнение Apple Silicon и NVIDIA GPU
4. Понимание работы языковых моделей и диффузионных моделей

Раздел 3: Локальные языковые модели — свой аналог ChatGPT

1. Установка и настройка Ollama
2. Промпт-инжиниринг и мультимодальные возможности
3. Подключение внешних инструментов через вызов функций
4. Работа с RAG и эмбеддингами, оптимизация через квантование

Раздел 4: Управление знаниями

1. Понимание RAG, эмбеддингов и векторных баз данных
2. Создание чат-бота на собственных данных
3. Использование поиска и голосового взаимодействия
4. Использование LM Studio как альтернативы

Раздел 5: Генерация изображений и видео

1. Работа с ComfyUI
2. Использование сложных сценариев генерации
3. Обучение LoRA и применение ControlNet
4. Создание и редактирование изображений и видео

Раздел 6: Генерация видео

1. Создание видео из текста и изображений
2. Анимация персонажей
3. Использование дополнительных инструментов
4. Ускорение генерации

Раздел 7: Аудио

1. Распознавание речи
2. Синтез речи и клонирование голоса
3. Генерация музыки

Раздел 8: Агентный ИИ

1. Настройка платформы автоматизации
2. Создание векторной базы данных
3. Создание RAG-агентов
4. Интеграция с внешними сервисами

Раздел 9: Продвинутые сценарии

1. Интеграция инструментов
2. Централизованное управление
3. Автоматизация генерации
4. Извлечение данных из документов
5. Настройка моделей под свои данные

Раздел 10: Визуальные агенты

1. Установка инструментов
2. Создание визуальных RAG-агентов
3. Управление данными

Раздел 11: Безопасность и право

1. Защита от уязвимостей
2. Понимание лицензий