Библиотека задач по Data Science | тесты, код, задания
Open in Telegram
Задачи и тесты по Data Science для тренировки и обучения. Учиться у нас: clc.to/jF-g3g По рекламе: @tproger_sales_bot Учиться у нас: https://proglib.io/w/fa77bf4e Для обратной связи: @proglibrary_feeedback_bot
Show more
Network:3 974
Subscribers
+624 hours
+37 days
-630 days
Posts Archive
Что из этого является ПРАВДОЙ
Задача: Построить агента, который пишет, тестирует и правит код. С чего начнёшь?
Просто отправить промпт в LLM — это решение трёхлетней давности. Нужен цикл: планирование -> генерация -> запуск тестов -> чтение ошибки -> исправление (Self-Correction).
Именно такие архитектурные задачи мы решаем на курсе. На вебинарах разбираем реальные кейсы студентов, помогая им настраивать циклы обратной связи (Human-in-the-loop) и выбирать правильные инструменты.
Практический стек:
👉
LangGraph для управления состоянием агента;
👉 Docker для безопасного исполнения кода (Sandboxing);
👉 Векторные БД для памяти проекта.
Научиться решать задачи уровня Middle+
Задача: создать систему, где LLM сама пишет и проверяет код
Это не фантастика, а стандартный кейс мультиагентной системы. На курсе «Разработка ИИ-агентов» мы разбираем такие паттерны на практике. Группа уже стартовала.
Стек курса:
— Python (основа);
—
LangChain / LangGraph (оркестрация);
— векторные БД (память);
— AgentOps (мониторинг).
Посмотрите вводное занятие, чтобы понять, как строятся human-in-the-loop системы и иерархические команды агентов.
Смотреть первую лекцию
Записаться на курс