2025/2026

Внедрение больших языковых моделей в маркетинг и управление продуктом

Статус: Маго-лего

Кто читает: Департамент больших данных и информационного поиска

Где читается: Факультет компьютерных наук

Когда читается: 1, 2 модуль

Охват аудитории: для своего кампуса

Язык: русский

Кредиты: 6

Контактные часы: 56

Программа дисциплины

Аннотация

Курс «Внедрение больших языковых моделей в маркетинг и управление продуктом» предназначен для магистрантов и практикующих специалистов, стремящихся освоить передовые методы и технологии интеграции LLM в бизнес-процессы. Студенты изучат архитектуру и принципы работы больших языковых моделей, научатся разрабатывать управляемые инструкции и строить RAG-конвейеры на собственных данных. Особое внимание уделяется fine-tuning моделей под конкретные продуктовые задачи, проектированию автономных и мультиагентных систем с участием человека-в-цикле, а также применению LLM для анализа голоса клиента, SEO-оптимизации, персонализации CRM и e-commerce.

Цель освоения дисциплины

• В результате освоения курса «Внедрение больших языковых моделей в маркетинг и управление продуктом» слушатели смогут интегрировать LLM-решения в маркетинговые и продуктовые процессы
• разрабатывать управляемые инструкции и RAG-архитектуры
• дообучать модели под бизнес-задачи
• проектировать LLM-агентов и оценивать их эффективность с учётом экономических и технических показателей.

Планируемые результаты обучения

• После прохождения курса студенты смогут: Объяснять принципы работы LLM и их применение в маркетинге и управлении продуктом
• Формулировать и реализовывать инструкции (prompt design) для управления поведением моделей без избыточных сложностей
• Проектировать и оценивать RAG-конвейеры на собственных данных, выявляя и устраняя подводные камни
• Планировать и проводить дообучение (fine-tuning) LLM в соответствии с требованиями продукта
• Разрабатывать и координировать однопоточные и мультиагентные LLM-системы с участием человека-в-цикле
• Применять LLM для анализа голоса клиента (VoC), сегментации и генерации инсайтов на основе JTBD и персон
• Использовать LLM-инструменты для SEO-исследований, техаудитов, персонализации CRM и e-commerce
• Настраивать и анализировать A/B-тесты с LLM, формулировать гипотезы и интерпретировать результаты
• Определять и контролировать метрики качества, безопасность (SLA), дрейф и стоимость владения (TCO, ROI) при интеграции LLM в MarTech
• Разрабатывать стратегии масштабирования и эволюции LLM- и агентных систем в операционном контексте бизнеса

Содержание учебной дисциплины

• Введение в LLM
• Промпт инструкции
• RAG I
• RAG II
• LLM Пайплайны и оценка стоимости внедрения
• Агенты I
• Примеры продуктового применения LLM
• LLM в SEO
• LLM в E-Commerce
• AB тесты с LLM
• Качество и безопасность
• Маркетинговые технологии
• Маштабирование систем и продуктов
• Консультация перед экзаменом

Элементы контроля

• Домашнее задание 1
• Домашнее задание 2
• Домашнее задание 3
• Домашнее задание 4
• Домашнее задание 5
• Домашнее задание 6
• Экзамен

Промежуточная аттестация

• 2025/2026 2nd module
  0.12 * Домашнее задание 1 + 0.11 * Домашнее задание 2 + 0.12 * Домашнее задание 3 + 0.11 * Домашнее задание 4 + 0.12 * Домашнее задание 5 + 0.12 * Домашнее задание 6 + 0.3 * Экзамен

Список литературы

Рекомендуемая основная литература

• Imai, K., King, G., & Stuart, E. (2008). Misunderstandings between Experimentalists and Observationalists about Causal Inference. https://doi.org/10.1111/j.1467-985X.2007.00527.x

Рекомендуемая дополнительная литература

• Shadish, W. R. . (DE-588)131609661, (DE-576)167219103. (2002). Experimental and quasi-experimental designs for generalized causal inference / William R. Shadish; Thomas D. Cook; Donald T. Campbell. Boston [u.a.]: Houghton Mifflin. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edswao&AN=edswao.095715274

Авторы

• Ахмедова Гюнай Интигам кызы