Мы используем файлы cookie для быстрой и удобной работы сайта. Выберите, какие файлы cookie вы разрешаете нам использовать. Подробнее в Политике в отношении обработки персональных данных.
We use cookies to ensure our website works quickly and easily. Choose which cookies you allow us to use. Learn more in our Privacy Policy.
Обсудить проект
Отправьте запрос, и наши специалисты свяжутся с вами в течение 1 часа
Нажимая кнопку «Отправить», Вы даете однозначное согласие на обработку своих персональных данных в объеме и с целями, определенными Политикой в отношении обработки персональных данных.
Discuss the project
Send a request and our specialists will contact you within 1 hour.
By clicking the "Send" button, you give your unambiguous consent to the processing of your personal data to the extent and for the purposes defined in the Personal Data Processing Policy.
Langflow. Практический курс по созданию AI-приложений
Интенсивный практический курс по Langflow — low-code платформе для создания AI-приложений.
За 8 занятий вы пройдёте путь от знакомства с интерфейсом до деплоя готового AI-решения в продакшен.
Каждое занятие построено по принципу «теория > демонстрация > практика», чтобы вы сразу закрепляли знания на реальных задачах.
За 8 занятий вы пройдёте путь от знакомства с интерфейсом до деплоя готового AI-решения в продакшен.
Каждое занятие построено по принципу «теория > демонстрация > практика», чтобы вы сразу закрепляли знания на реальных задачах.
Первый структурированный курс по Langflow в рунете
В русскоязычном интернете практически нет системных материалов по Langflow — только разрозненные статьи и обзорные видео. Этот курс закрывает пробел.
Чем наш подход отличается:
Чем наш подход отличается:
-
Последовательная программа. Мы не пересказываем документацию. Мы ведём вас от знакомства с интерфейсом до деплоя готового продукта. Каждый следующий модуль опирается на предыдущий.
- 70+% практики. Теория занимает не больше 20–30 минут, остальное время — демонстрации и ваши задания. Вы сразу закрепляете знания.
- Реальные кейсы DUC. Все примеры — из нашей практики: обработка B2B-запросов в логистике, создание ИИ-эксперта «Марк» для атомной отрасли, автоматизация сверки платежей в финансах. Вы учитесь на том, что действительно работает.
- Акцент на продакшен. Мало кто учит деплою и мониторингу. Мы покажем, как выкатывать решение в жизнь и следить за ним через Langfuse.
8 онлайн-встреч по 1.5 часа. Каждое занятие: теоретический блок > демонстрация в Langflow > практическое задание для слушателей.
Посмотреть программу
Посмотреть программу
8 занятий
17 500* руб.
Итоговый проект
Стоимость полного курса с материалами и доступом в общий чат.
* 17 500 руб. - от группа 10 человек
* 25 000 руб. - до 10 человек
* 25 000 руб. - до 10 человек
Итоговая встреча — защита собственного проекта - полноценного AI-решения на low-code платформе Langflow.
Онлайн
Обучение проходит онлайн на собственной платформе.
Кому подойдет этот курс
Разработчикам
Хотите быстро прототипировать AI-решения и сосредоточиться на архитектуре, а не на отладке бойлерплейта? Langflow сократит время разработки в 5–10 раз.
Аналитикам данных
Вы уже работаете с SQL и Python, но хотите создавать AI-пайплайны визуально, чтобы быстрее проверять гипотезы и внедрять их в жизнь.
Продакт-менеджерам и техническим руководителям
Хотите понимать, как устроены современные RAG-системы и AI-агенты изнутри, чтобы ставить адекватные задачи команде и оценивать сроки.
Всем, кто уже работает с LLM
Если вы пробовали OpenAI API, но хотите ускорить прототипирование и перейти от «игрушечных» примеров к промышленным решениям — этот курс для вас.
Достаточно базового понимания, что такое LLM, API и Python
Опыт программирования не обязателен.
Опыт программирования не обязателен.
Чему вы научитесь на курсе
- Познакомитесь с интерфейсом Langflow и его ключевыми возможностями для визуального построения пайплайнов.
- Разберете, из каких компонентов собираются пайплайны в Langflow и как они взаимодействуют между собой.
- Узнаете, как устроена архитектура Langflow — от передачи данных между узлами до внутренней логики выполнения.
- Поймете, что такое RAG-система, из каких элементов она состоит и как собрать её в Langflow без единой строки кода.
- Изучите реальные кейсы от DUC: обработка B2B-запросов в логистике, построение RAG под базу знаний и извлечение данных из документов.
Как устроен курс
8 онлайн-встреч по 1,5 часа каждую неделю.
Небольшие группы — до 20 человек, чтобы уделить внимание каждому.
Небольшие группы — до 20 человек, чтобы уделить внимание каждому.
Практика на занятии и домашние задания для закрепления. Все проверяет ваш наставник.
Закрытый Telegram-чат с преподавателями и участниками — можно советоваться и задавать вопросы 24/7.
Программа курса
8 шагов от новичка до автора готового AI-проекта
Первое знакомство с платформой.
- Теория: зачем нужны low-code инструменты, что такое Langflow.
- Демонстрация: 3–4 готовых кейса, чтобы «зажечь» интерес.
- Практика: создание простого AI-помощника прямо на занятии (чат с LLM с добавлением функционала).
Погружение в устройство платформы.
- Теория: архитектура Langflow под капотом, взаимодействие нод между собой.
- Демонстрация: интерфейс Langflow - создание проектов, работа с шаблонами, панель нод, Playground. Безопасное хранение API-ключей и экспорт пайплайнов.
- Практика: создание простого пайплайна, используя изученный фунционал.
Строительные блоки пайплайнов.
- Теория: обзор категорий нод, как выбирать под задачу.
- Демонстрация: изучение нод на готовых кейсах.
- Практика: собрать пайплайн по описанию, используя изученные ноды.
Строительные блоки пайплайнов.
- Теория: обзор категорий нод, как выбирать под задачу.
- Демонстрация: изучение нод на готовых кейсах.
- Практика: собрать пайплайн по описанию, используя изученные ноды.
Выходим за рамки стандартных возможностей.
- Теория: что такое кастомные ноды, как их создать; что такое Langfuse и зачем он нужен.
- Демонстрация: создание кастомной ноды на Python, подключение Langfuse, просмотр трейсов.
- Практика: создать свою ноду, собрать пайплайн и протестировать с мониторингом.
Самый востребованный паттерн в AI.
- Теория: что такое RAG, эмбеддинги, векторные базы, чанкинг, а также интеграция пайплайна с веб-сайтом в виде виджета.
- Демонстрация: сборка RAG-пайплайна, тестирование на документах.
- Практика: собрать RAG-систему по своей базе знаний.
От линейных пайплайнов к автономным агентам.
- Теория: AI-агенты, MCP (Model Context Protocol), как агент выбирает инструменты, лучшие практики.
- Демонстрация: создание агента с инструментами, подключение MCP-сервера, связка с RAG.
- Практика: собрать агента с несколькими инструментами (MCP + RAG).
Финальный экзамен — защита своего проекта.
- Демонстрация выполненных проектов слушателями.
- Обратная связь и разбор решений от экспертов DUC.
- Подведение итогов, рекомендации для дальнейшего развития.
Преподаватели курса
Вы учитесь у тех, кто каждый день создаёт промышленные AI-решения и сам развивает платформы DUC SmartSearch и DUC SmartBI.
- Александр СулейкинОснователь DUC TechnologiesКандидат технических наук, доцент НИТУ МИСИС и НИУ ВШЭ.
10+ лет в Big Data и AI. Автор 32+ научных работ. - Роман БабенкоРуководитель отдела разработки ИИСистемный аналитик и аналитик данных, 17+ лет опыта.
Реализовал проекты с точностью ответов до 95% для крупных заказчиков. Победитель хакатона GLOWBYTE AUTUMN HACK 2023, автор научных статей. - Дмитрий СиротинData EngineerКандидат технических наук.
13+ лет опыта.
Эксперт по построению хранилищ данных, ETL-процессами оптимизации запросов в PostgreSQL и Greenplum. Автор нескольких зарегистрированных разработок в РОСПАТЕНТ. - Артемий КадиковPython-разработчикЭксперт и практик с фокусом на создание AI-агентов и автоматизацию. Более двух лет опыта разработки и создания ИИ-агентов
Александр активно популяризирует перспективы использования решений в области Big Data и цифровых экосистем для прогнозирования и принятия взвешенных управленческих решений.
Научные исследования
Публикации, индексируемые в WoS & Scopus, в т. ч. Q1:
Ваш результат после курса
-
Документ о прохождении курса -
Готовый проект в портфолиоРаботающее AI-приложение, которое можно показать работодателю или заказчику. -
Навыки, которые сразу применимы в работеВы сможете внедрять RAG, агентов и мониторинг уже завтра. -
Доступ в комьюнити выпускников DUCОбщение с коллегами и экспертами, новые контакты и возможности.
Записаться на курс
Нажимая кнопку «Отправить», вы даете однозначное согласие на обработку своих персональных данных в объеме и с целями, определенными Политикой в отношении обработки персональных данных.
FAQ
Для большинства занятий достаточно базового понимания, что такое LLM и API. Опыт программирования не обязателен. Исключение — модуль по кастомным нодам (занятие 5), где потребуется базовое знание Python. Если вы аналитик или продакт без бэкграунда в разработке, вы спокойно освоите 90% курса.
Да. Мы начинаем с самых основ: на первом же занятии объясняем, зачем нужны low-code платформы, что такое Langflow, и помогаем создать первого AI-помощника. Программа выстроена последовательно — каждый следующий шаг опирается на предыдущий. Главное — иметь желание разобраться.
Вы создадите работающее AI-приложение на Langflow. Это может быть RAG-система для ответов по документам, AI-агент с инструментами или ваш собственный вариант. На защите вы получите обратную связь от экспертов DUC и сможете добавить проект в портфолио.
Обязательно. Домашние задания проверяют наставники — практикующие разработчики и аналитики DUC. Вы получите разбор вашего кода, рекомендации и ответы на вопросы.