Карта курса и прогресс
Все ступени, модули и уроки курса с отметками о прохождении.
- Уроков
- 0/ 180
- Квизов сдано
- 0
- Заданий решено
- 0
Остров «Вход»
Ступень 0 · ~27 чИнструменты и Python
Настроить рабочее окружение и уверенно писать на Python и NumPy — языке всего курса.
Остров «Фундамент»
Ступень 1 · ~38 чМатематика для ML
Получить ровно ту математику, на которой стоят нейросети, — с кодом вместо доказательств.
Ступень 2 · ~26 чМашинное обучение — основы
Понять, что значит «модель учится», и освоить базовый цикл ML на простых моделях.
Ступень 3 · ~29 чНейронные сети и глубокое обучение
Собрать нейросеть с нуля, понять backprop до последней производной и освоить PyTorch.
Остров «Трансформер»
Ступень 4 · ~51 чЯзыковые модели и трансформер
Понять и написать с нуля GPT-подобную модель — от токенизатора до генерации текста.
Ступень 5 · ~53 чБольшие модели — претрейн и архитектура
Понять, как устроены и обучаются современные LLM, и разобрать ключевые китайские инновации.
Остров «Пост-трейнинг и системы»
Ступень 6 · ~33 чПост-трейнинг и рассуждения
Превратить базовую модель в ассистента и научить её рассуждать — от SFT до GRPO.
Ступень 7 · ~15 чИнференс, оценка и деплой
Запускать модели быстро и дёшево и честно измерять их качество.
Остров «Приложения и фронтир»
Ступень 8 · ~42 чПриложения — промпты, RAG, агенты
Строить на LLM работающие системы — от промптов до агентов с инструментами.
Ступень 9 · ~34 чМультимодальность и фронтир
Выйти за пределы текста и научиться самостоятельно следить за передним краем.
- Заглядываем внутрь трансформера: logit lens, индукционные головы, patchingвы здесь
- Суперпозиция и разреженные автоэнкодерывы здесь
- Выравнивание: чего мы хотим от модели и как этого добитьсявы здесь
- Оценки безопасности, red teaming и политики лабораторийвы здесь
- Этика, право и ответственная разработкавы здесь
Ступень 10 · ~30 чВыпускной проект
Собрать полный цикл своими руками и получить проект для портфолио.
Остров «Профессия»
Ступень 11 · ~108 чПрофессия: от курса к работе
Превратить знания курса в профессию: опыт «как на работе», проектирование ML-систем, собеседования и план роста после курса.
Китайская линза
Можно читать параллельноСквозной трек
- AI-экосистема Китая — картавы здесь
- Почему китайские модели такие эффективныевы здесь
- Стратегия открытых весоввы здесь
- Как читать китайские технические источникивы здесь
- Образовательная экосистема Китаявы здесь
- Читаем техотчёт DeepSeek-V3 вместевы здесь
- Читаем статью DeepSeek-R1 вместевы здесь
- Kimi, Qwen, GLM, MiniMax — разбор ключевых идейвы здесь
- Как Китай учит ИИ: от школы до университетавы здесь
- Учиться по-китайски: методики для самоучкивы здесь
Отдельные программы
Программа · ~40 чDDD: предметно-ориентированное проектирование
Проектировать сложные системы вокруг модели предметной области: единый язык, ограниченные контексты, агрегаты и события — и переносить модель в чистый, проверяемый код на Python.
Подготовка: Ступень 0 (Python, классы, тесты), желательно урок 11.1.2 «Чужой код».
Программа · ~34 чSDD: разработка через спецификации с ИИ-агентами
Работать с ИИ-агентами для кода как инженер: хорошенько продумать задачу на этапе планирования, оформить её в набор спецификаций и превратить их в рабочий, проверенный код — с помощью Spec Kit, OpenSpec или своего процесса.
Подготовка: Ступень 0 (Python, Git, терминал), доступ к ИИ-агенту для кода (Claude Code, GitHub Copilot, Cursor, Codex или аналог). Желательно модули DDD.1–DDD.2.
Календарь занятий
Заголовок раздела «Календарь занятий»В китайских школах и учебных лагерях принято отмечаться — ставить отметку о занятиях: «сегодня я занимался». Регулярность важнее длительности: 30–40 минут несколько раз в неделю дают больше, чем один марафон по выходным. Мы используем мягкий вариант с недельной целью: жёсткие ежедневные серии, как показывает опыт тех же китайских школ, часто приводят к выгоранию. Выберите реалистичную цель, например 3 дня в неделю.
- пн
- вт
- ср
- чт
- пт
- сб
- вс
- недель подряд с целью
- 0
- дней подряд
- 0
- дней занятий всего
- 0