Михаил Омельченко - AI IT

Курс LangChain Agents: от create_agent до мультиагентных систем Бесплатно все 12 уроков. LangChain и сквозной проект агент-аналитик. Каждый урок это теория, рабочий код, частые ошибки и практическое задание. Продолжение курса по LangChain. Для тех, кто знает Python и основы LangChain (цепочки), и хочет разобраться в агентах. Содержание: 0 - Настройка окружения 1 - create_agent и цикл агента 2 - LangGraph и состояние агента 3 - MCP: инструменты через внешние серверы 4 - Context engineering 5 - Встроенный middleware 6 - Краткосрочная память 7 - Долгосрочная память 8 - Human-in-the-loop 9 - Guardrails 10 - Паттерны мультиагентных систем 11 - Субагенты и Handoffs 👉 Ссылка на курс #langchain #ииагенты #курс

Ссылки на видео хостинги канала. Выбирайте тот, который больше нравится 😎 🔹 YouTube 🔹 Rutube 🔹 VK 🔹 Telegram 🔸 Группа в VK 👉 Мой сайт #djangoschool #видео

Создание AI-агентов на CrewAI с нуля | часть 2 Добавлю второго агента тестировщика, который проверяет работу первого и даёт конструктивную обратную связь. Разберёмся как назначить разные модели разным агентам, как передавать результат одной задачи в следующую и как получить структурированный JSON. Покажу режим, где агент ждёт вашего ответа и дорабатывает результат на его основе. ➡️ Смотреть на YouTube ➡️ Смотреть на RuTube Поддержать автора и получить доступ к закрытому клубу. #crewai #ai_агенты

Клуб по разработке AI агентов - 1 сезон Пять сезонов мы работали с вебом. Теперь будем делать агентов. Клуб - это небольшая группа разработчиков, которые 3-4 месяца работают над реальным проектом с применением AI. Не смотрят курсы, а вместе проектируют, обсуждают решения и разбирают ошибки друг друга. Раз в неделю мы встречаемся онлайн и обсуждаем проект, я помогаю и отвечаю на вопросы, учу. Стек: LangChain, LangGraph или CrewAI, RAG, tools, MCP и т.д. Идею проекта обсуждаем и выбираем вместе на первой. Для кого подойдет клуб Вы подходите, если знаете Python и хотя бы пользовались языковыми моделями в чате. Глубокое знание ML не нужно, нужно желание разобраться в том, как строятся системы на основе LLM. Как устроен сезон Старт - 30 марта 2026. Встречи по вторникам в 18:00 по московскому времени. Длительность сезона 3-4 месяца, финальный срок определяем с участниками. Стоимость участия 5 000 руб. в месяц. Сезон стартует при наборе минимум 5 человек. Как попасть Пишите мне в личку @DJWOMS мини-анкету: 1) Ваши текущие знания и стек 2) Что ожидаете от клуба 3) Чему хотите научиться 4) Сколько времени в день готовы уделять проекту 5) Можете ли участвовать в еженедельных встречах по вторникам в 18:00 мск Я отвечу, задам уточняющие вопросы если нужно, и добавлю в список участников. Вопросы пишите в комментариях 👇 #club #ai

Пятый сезон в клубе по веб разработке, завершён. 😎

Django ORM: от основ до продвинутых техник Бесплатно все 34 урока. Django 6 + PostgreSQL и сквозной проект e-commerce. Каждый урок это код, SQL который генерирует ORM и performance implications. Курс для тех, кто знает Python и основы Django, и хочет глубже разобраться в ORM. Содержание: 0 - Настройка окружения 1.1 - Поля моделей 1.2 - Связи между моделями 1.3 - Meta и менеджеры 1.4 - Миграции 2.1 - Создание объектов 2.2 - Чтение данных и QuerySet API 2.3 - Фильтрация и lookups 2.4 - Сортировка, срезы, пагинация 2.5 - Обновление и удаление 3.1 - Q objects 3.2 - F expressions 3.3 - Annotate и Aggregate 3.4 - Subquery и Exists 3.5 - Case/When 3.6 - Window functions 4.1 - select_related 4.2 - prefetch_related 4.3 - Проблема N+1 4.4 - Through models и Generic relations 5.1 - Индексы 5.2 - EXPLAIN и анализ запросов 5.3 - only, defer и iterator 5.4 - Bulk операции 6.1 - Транзакции 6.2 - select_for_update и блокировки 6.3 - Constraints и валидация 7.1 - Raw SQL 7.2 - Специфика PostgreSQL 7.3 - Custom lookups и функции 8.1 - Custom managers и QuerySets 9.1 - Наследование моделей 9.2 - Продвинутые паттерны 9.3 - Async в Django ORM 👉 Ссылка на курс #django #курс

Финальные штрихи, но работы еще много 👀

Создание AI-агентов на CrewAI с нуля | часть 1 Разберём фреймворк CrewAI. Напишем агента и запустим локально, Ollama и Gemma 3 12B. Пройдём по всей структуре проекта: конфиги agents и tasks, класс crew и передача данных через inputs. Посмотрим, как описание роли и цели агента влияет на качество результата. ➡️ Смотреть на YouTube ➡️ Смотреть на RuTube Поддержать автора и получить доступ к закрытому клубу. #crewai #ai_агенты

Монтаж видео у меня занимает много времени, чем съёмка, особенно после стрима. Потому что нужно сидеть и много вырезать. Искать паузы, слова-паразиты, лишние куски и т.д. и т.п. Я написал инструмент, который облегчает процесс. Текстовый редактор видео. Удаляю строки из текстового файла, а программа вырезает соответствующие куски из видео. Как это работает Транскрибирую видео с помощью faster-whisper, каждое слово на отдельной строке с таймкодом. Звуки, музыка, смех, шум тоже фиксируются. Программа находит слова-паразиты ("ну", "вот", "эмм") и звуки, помечает их в файле и можем их автоматически удалить. Или юзать LLM для очистки или выделение конкретной темы из записи. Т.е. нейронка определяет в тексте, то что относиться к теме видео, а остальное убирает. С помощью ffmpeg с рендером на видюхе, нарезаю финальное видео. Также с помощью LLMки можно генерировать заголовок, описание, хештеги для видео. А еще LLM может предлагать моменты для shorts. Написал на Nim. Но faster-whisper библиотека Python и переписывать ее не было смысла. Поэтому транскрипция вынесена в отдельный скрипт. Nim запускает его как подпроцесс, скрипт записывает в json, а Nim парсит его. ffmpeg вызываю как подпроцесс, Nim деалет команду с нужными флагами и фильтрами. Но есть проблема которую решаю. Звук в моментах выреза немного лагет.