Программа и содержание
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:
Предприниматели и самозанятые специалисты
Разработчики и технические специалисты
Энтузиасты ИИ
Частные пользователи, которым важна приватность
Компании
Все, кто хочет объединить ИИ, автоматизацию и языковые модели локально
Чему вы научитесь:
Основы локального ИИ: языковые модели, диффузионные модели, RAG и автоматизация ИИ на локальной инфраструктуре
Установка и настройка Ollama, LM Studio и Anything LLM
Запуск локальных языковых моделей (GPT, Qwen, Deepseek, Gemma, Mistral и другие)
Как работают диффузионные модели: Stable Diffusion, Flux, Wan, Qwen и другие
Понимание оборудования: GPU, VRAM, RAM, объединённая память и основы устройств Apple
Pinokio: быстрая и простая установка локального ИИ
Промпт-инжиниринг для языковых моделей, SDXL и моделей Flux
Применение RAG (генерация с дополнением извлечением) и эмбеддингов локально
Понимание векторных баз данных и их использование с Supabase, Postgres и SQL
Подготовка данных в Markdown: разбиение на части, перекрытие и оптимизация
Подключение Anything LLM к Ollama и создание собственного RAG-чатбота
Модели компьютерного зрения, OCR и распознавание изображений с Google Gemma и Qwen VL
Вычисления во время выполнения и «мыслящие» языковые модели с DeepSeek R и GPT-OSS
Вызов функций и использование инструментов: подключение внешних инструментов к языковым моделям
Понимание квантования: FP16, BF16, Q8, Q4, GGUF и советы по производительности
Использование ComfyUI, Forge, Fooocus и Automatic1111 локально
Генерация изображений и видео локально с SDXL, Flux, Qwen и моделями генерации видео
Обучение LoRA, ControlNet и создание стабильных персонажей для AI-инфлюенсеров
Использование локального AI-аудио: Whisper, TTS, STT и генерация музыки
Агентный ИИ с n8n: триггеры, действия, MCP-клиент и хост
Интеграция Supabase в n8n для эмбеддингов, SQL и RAG-процессов
Email-агенты, вебхуки и автоматизация с Google и n8n
Подключение Open WebUI и ComfyUI к n8n для автоматизации изображений и видео
MCP-сервер и клиент: локальная интеграция инструментов с n8n и LM Studio
Создание локального RAG-агента с Flowise, Postgres и Ollama
Установка через Docker для n8n, Supabase, Open WebUI и других инструментов
OCR и обработка документов: извлечение данных из изображений, PDF и счетов
Приватность, соответствие требованиям и лицензии с открытым исходным кодом (MIT, Apache и другие)
Безопасность: понимание атак jailbreak, внедрения запросов, галлюцинаций и рисков MCP
Создание масштабируемой локальной AI-инфраструктуры для бизнеса и предприятий
Программа:
Раздел 1: Введение и быстрый старт
Получите чёткое понимание структуры курса и целей обучения
Доступ ко всем ключевым ресурсам и ссылкам
Научитесь находить лучшие модели с открытым исходным кодом
Быстрый старт: установка первого локального ИИ-приложения через Pinokio
Раздел 2: Основы — языковые модели, диффузия и оборудование
Понимание преимуществ локального ИИ: приватность, стоимость и производительность
Разбор требований к оборудованию: GPU, VRAM, RAM и объединённая память
Сравнение Apple Silicon и NVIDIA GPU
Понимание работы языковых моделей и диффузионных моделей
Раздел 3: Локальные языковые модели — свой аналог ChatGPT
Установка и настройка Ollama
Промпт-инжиниринг и мультимодальные возможности
Подключение внешних инструментов через вызов функций
Работа с RAG и эмбеддингами, оптимизация через квантование
Раздел 4: Управление знаниями
Понимание RAG, эмбеддингов и векторных баз данных
Создание чат-бота на собственных данных
Использование поиска и голосового взаимодействия
Использование LM Studio как альтернативы
Раздел 5: Генерация изображений и видео
Работа с ComfyUI
Использование сложных сценариев генерации
Обучение LoRA и применение ControlNet
Создание и редактирование изображений и видео
Раздел 6: Генерация видео
Создание видео из текста и изображений
Анимация персонажей
Использование дополнительных инструментов
Ускорение генерации
Раздел 7: Аудио
Распознавание речи
Синтез речи и клонирование голоса
Генерация музыки
Раздел 8: Агентный ИИ
Настройка платформы автоматизации
Создание векторной базы данных
Создание RAG-агентов
Интеграция с внешними сервисами
Раздел 9: Продвинутые сценарии
Интеграция инструментов
Централизованное управление
Автоматизация генерации
Извлечение данных из документов
Настройка моделей под свои данные
Раздел 10: Визуальные агенты
Установка инструментов
Создание визуальных RAG-агентов
Управление данными
Раздел 11: Безопасность и право
Защита от уязвимостей
Понимание лицензий