Входная диагностика

Курс начинается с полного нуля. Если вы уже программируете или помните математику, часть пути можно сократить. Эта страница помогает понять, какую именно. Здесь четыре теста по 8 вопросов. На все уйдёт минут 20–30.

Совсем новичок? Эта страница вам пока не нужна

Если вы не программировали и давно не открывали учебник математики, диагностика ничего не даст: курс и так написан для вас. Начните с модуля 0.0 «Самое начало» и идите по порядку: 0.0 → 0.1 «Рабочее окружение» → 0.2 «Python с нуля» → 0.3 «NumPy» → 1.0 «Школьная математика — освежаем» → 1.1 и дальше. Пропускать на этом отрезке нечего. Вернитесь сюда после модуля 1.0: тесты по Python и математике покажут, как вы выросли.

Сначала — три вопроса себе

Ответьте честно, ещё до тестов. Каждое «нет» сразу подсказывает, с чего начать:

Вопрос	Если «нет»
Писали ли вы сами программу хотя бы на несколько десятков строк, без копирования готового кода?	Начинайте с модуля 0.0 «Самое начало». Тесты ниже пока не нужны
Работали ли вы в терминале и пользовались ли Git?	Модуль 0.1 «Рабочее окружение» пройдите полностью, даже если Python знаком
Помните ли вы, что такое логарифм и экспонента и как читается знак суммы $\sum$?	Модуль 1.0 «Школьная математика — освежаем» пройдите полностью, даже если тест по математике дастся легко

Ответили «да» на первый вопрос — проходите тесты ниже.

Как проходить

• Честно. Без поисковика, ИИ и интерпретатора Python. Диагностика полезна, только если показывает ваши реальные знания.
• Не угадывайте. Не знаете ответа — оставьте вопрос без ответа: он засчитается как ошибка, и это честно. Удачно угаданный ответ может привести к тому, что вы пропустите нужную тему.
• Порог здесь — 80 %, то есть 7 или 8 верных ответов из 8. Квиз сам напишет «зачёт» уже от 60 %: это общий порог для уроков, для пропуска ступени он слишком низкий.
• Ошибки попадут в тетрадь ошибок. Это не страшно: получится готовый список тем, которые стоит подтянуть.

Результат	Что он значит
7–8 из 8	Область знакома. Соответствующие модули можно пропустить или пройти по квизам
5–6 из 8	База есть, но с пробелами. Проходите ступень в ускоренном режиме
0–4 из 8	Проходите ступень целиком: она написана как раз для этого

1. Python и NumPy

Проверяет ступень 0: базовый Python, функции и классы, NumPy.

Диагностика: Python и NumPy8 вопросов·

1 Что напечатает print(7 // 2, 7 % 2)?

3.5 14 13 13 0.5

2 Чему равно len("мир, 🙂")?

3 Выполнили a = [1, 2, 3]; b = a; b.append(4). Чему теперь равно len(a)?

4 Что вернёт [x * x for x in range(5) if x % 2 == 0]?

[1, 9][0, 1, 4, 9, 16][4, 16][0, 4, 16]

5 Какое исключение выбросит int("abc")? Напишите его имя.

6 Какие утверждения верны?Можно выбрать несколько ответов

Метод __init__ вызывается при создании объекта классаdef f(x=[]) — безопасный способ задать пустой список по умолчаниюЧтобы объекты вашего класса складывались через +, нужно определить метод __add__Кортеж (tuple) можно изменить после создания

7 Какая форма у np.zeros((3, 4)).sum(axis=0)?

(3,)(4,)(3, 4)()

8 Массив формы (3, 1) складывают с массивом формы (1, 4). Какая форма у результата?

(3, 4)(3, 1)Ошибка: формы не совпадают(1, 4)

Проверить ответы

Результат	Рекомендация
7–8 из 8	Пропустите модуль 0.2 «Python с нуля» и первые два урока модуля 0.0 «Самое начало»: это экономия около 17 часов. Урок 0.0.3 «Как учиться программированию с нуля» прочитайте: в нём тетрадь ошибок, отметка о занятиях и правила работы с ИИ-помощником, на которые опирается весь курс. Модуль 0.1 «Рабочее окружение» пролистайте обязательно: там Git, окружение и устройство домашних работ курса. Модуль 0.3 «NumPy» пройдите по квизам, а если ошиблись в вопросах 7–8 — полностью. Подтвердите пропуск: сдайте домашнюю работу s0-hw01-python-warmup до уровня 🥈 Medium. Сдали — ступень 0 закрыта
5–6 из 8	Модуль 0.0 пролистайте, урок 0.0.3 прочитайте целиком. Модуль 0.2 пройдите в ускоренном режиме: решайте задания в браузере и квизы, а теорию читайте там, где ошиблись. Модули 0.1 и 0.3 — полностью
0–4 из 8	Пройдите ступень 0 целиком, начиная с модуля 0.0 «Самое начало». Ничего не пропускайте: модули 0.0–0.3 написаны как раз для вас

2. Математика

Проверяет ступень 1: производные и градиенты, векторы и матрицы, вероятность, градиентный спуск.

Диагностика: математика8 вопросов·

1 Чему равна производная функции $f(x) = x^2$ в точке $x = 3$?

2 Чему равно скалярное произведение векторов $(1, 2, 3)$ и $(4, 5, 6)$?

3 Матрицу размера $2 \times 3$ умножают на матрицу размера $3 \times 4$. Какого размера результат?

$3 \times 3$$4 \times 2$$2 \times 4$Такие матрицы перемножить нельзя

4 Чему равна производная $f(x) = (2x + 1)^3$?

$3(2x+1)^2$$6(2x+1)^2$$(2x+1)^2$$6x(2x+1)^2$

5 Чему равен градиент функции $f(x, y) = x^2 + 3y$ в точке $(1, 2)$?

$(1, 3)$$(2, 6)$$(5, 0)$$(2, 3)$

6 Один шаг градиентного спуска для $f(w) = w^2$: сейчас $w = 2$, learning rate $\eta = 0.1$. Каким станет $w$?

7 Честную монету бросают 3 раза. Какова вероятность выпадения хотя бы одного орла? Ответ — десятичной дробью.

8 Какие утверждения верны?Можно выбрать несколько ответов

$\log(ab) = \log a + \log b$ для любых $a, b > 0$$e^{a+b} = e^a + e^b$Сумма вероятностей всех возможных исходов равна 1Если события $A$ и $B$ независимы, то $P(A \cap B) = P(A) \cdot P(B)$

Проверить ответы

Результат	Рекомендация
7–8 из 8	Пропустите модуль 1.0 «Школьная математика — освежаем». Исключение: если ошиблись в последнем вопросе (свойства логарифма и экспоненты), пройдите урок 1.0.2 «Степени, экспонента и логарифмы», на нём держатся cross-entropy и perplexity. Модули 1.1 «Линейная алгебра» и 1.2 «Производные и градиенты» пройдите по квизам: квиз урока на 80 % и выше — читайте только «Итоги». А модули 1.3 (правдоподобие, softmax, cross-entropy, KL) и 1.4 (оптимизаторы, Adam) пройдите полностью: это математика именно LLM, в обычных курсах её дают редко. В конце ступени сдайте домашнюю работу s1-hw01-math-from-scratch до 🥈 Medium: она охватывает всю ступень и подтвердит, что пропуск был оправдан
5–6 из 8	Модуль 1.0 пройдите по квизам: урок, квиз которого дался ниже чем на 80 %, читайте полностью. Остальные модули ступени 1 — полностью
0–4 из 8	Пройдите ступень 1 целиком, начиная с модуля 1.0 «Школьная математика — освежаем»: функции и графики, степени и логарифмы, как читать формулы. Математика там объясняется через код и примеры с числами, а не через доказательства

3. Машинное обучение и нейросети

Проверяет ступени 2 и 3: обучение и обобщение, логистическая регрессия, backprop, PyTorch, обучение глубоких сетей.

Диагностика: ML и нейросети8 вопросов·

1 Loss на обучающей выборке падает, а на валидационной после какого-то момента начинает расти. Что происходит?

НедообучениеСлишком маленький learning rateУтечка данныхПереобучение

2 Для чего нужна валидационная выборка?

Для подбора гиперпараметров и ранней остановкиДля обучения весов моделиДля финальной оценки, на которую смотрят один раз в самом концеОна не нужна, если есть тестовая

3 Чему равна сигмоида $\sigma(z) = \frac{1}{1 + e^{-z}}$ при $z = 0$?

4 Зачем между линейными слоями нейросети ставят нелинейность, например ReLU?

Чтобы вычисления на GPU шли быстрееЧтобы веса не росли во время обученияБез неё несколько линейных слоёв схлопываются в один линейный слойЧтобы loss всегда был положительным

5 Пусть $y = w \cdot x$ и $L = (y - 3)^2$, где $x = 2$ и $w = 1$. Чему равна производная $\partial L / \partial w$?

6 Как называется алгоритм, который вычисляет градиенты loss по всем весам сети, применяя правило цепочки от выхода к входу? Можно по-английски или по-русски.

7 Какой порядок действий в одном шаге обучения в PyTorch правильный?

optimizer.step() → loss.backward() → optimizer.zero_grad()optimizer.zero_grad() → прямой проход и loss → loss.backward() → optimizer.step()loss.backward() → optimizer.zero_grad() → optimizer.step()Прямой проход → optimizer.step() → loss.backward()

8 Какие утверждения верны?Можно выбрать несколько ответов

Adam хранит для каждого параметра скользящие средние градиента и его квадратаСлишком большой learning rate может привести к тому, что loss начнёт расти или станет nanDropout оставляют включённым при инференсе, чтобы ответы были точнееResidual-соединение $y = x + f(x)$ помогает градиенту проходить через глубокую сеть

Проверить ответы

Результат	Рекомендация
7–8 из 8	Ступень 2 пройдите по квизам и сдайте домашнюю работу s2-hw01-logreg-from-scratch до 🥈 Medium. В ступени 3 модули 3.1, 3.3 и 3.4 можно пройти по квизам и домашним работам. А модуль 3.2 «Свой автоград» не пропускайте: это проект портфолио P1, и на нём держится понимание всего, что дальше
5–6 из 8	Ступень 2 — в ускоренном режиме, ступень 3 — полностью
0–4 из 8	Пройдите ступени 2 и 3 целиком

4. Языковые модели и LLM

Проверяет ступени 4–8: токенизация, attention, устройство GPT, память и инференс, пост-трейнинг и приложения. Если вы ещё не работали с LLM изнутри, низкий результат здесь нормален.

Диагностика: LLM8 вопросов·

1 Чему учится языковая модель на претрейне?

Предсказывать следующий токен по предыдущимВыдавать весь ответ целиком за один шагНаходить ближайший документ в базе знанийОтличать текст человека от текста модели

2 Что делает алгоритм BPE при обучении токенизатора?

Разбивает текст по пробелам и знакам препинанияПрисваивает каждому слову словаря случайный номерРаз за разом сливает самую частую пару соседних символов или токенов в новый токенУдаляет из текста редкие слова

3 В scaled dot-product attention скалярные произведения запросов и ключей делят на $\sqrt{d_k}$. На какое число делят при $d_k = 64$?

4 Зачем в GPT причинная (causal) маска в attention?

Она ускоряет вычисления вдвоеОна скрывает служебные токены от пользователяОна удаляет паддинг из батчаОна не даёт позиции «подглядывать» в следующие токены

5 Что хранит KV-кэш при генерации текста?

Готовые ответы на частые вопросыКлючи и значения уже обработанных токенов, чтобы не пересчитывать их на каждом шагеВеса модели в 4-битном форматеИсторию диалога в виде текста

6 Сколько гигабайт занимают веса модели на 7 млрд параметров в формате BF16 (2 байта на параметр)? Считайте 1 ГБ = $10^9$ байт.

7 Какие утверждения верны?Можно выбрать несколько ответов

RAG дообучает веса модели на ваших документахSFT дообучает модель на парах «инструкция → ответ»DPO учится на парах «лучший ответ / худший ответ» без отдельной reward-модели и RL-цикла PPOGRPO сравнивает каждый ответ со средним по группе ответов на тот же вопрос и обходится без модели-критика

8 Как называется архитектура, в которой роутер отправляет каждый токен лишь к нескольким «экспертам» из многих? Напишите аббревиатуру.

Проверить ответы

Результат	Рекомендация
7–8 из 8	Ступень 4 пройдите по квизам и домашним работам s4-hw01-bpe-tokenizer, s4-hw02-attention и s4-hw03-gpt-pytorch до 🥈 Medium. Сдали все три — переходите к ступени 5, застряли на какой-то — пройдите уроки её модуля. Ступени 5 и 6 не пропускайте: там MLA, MoE, FP8, GRPO и разбор DeepSeek-R1, ради них курс и задуман
5–6 из 8	Ступень 4 пройдите полностью, но быстрее: общая картина у вас уже есть
0–4 из 8	Обычный путь. Ступень 4 — место, где начинается устройство LLM изнутри. Вы придёте к ней подготовленным

Сводка: откуда начать

Python	Математика	ML	Откуда начать
0–4	любой	любой	Ступень 0 целиком, с модуля 0.0 «Самое начало» → модуль 1.0 и вся ступень 1 (при математике 7–8 — по рекомендации из теста)
5–6	любой	любой	Ступень 0 в ускоренном режиме: 0.0 пролистать (урок 0.0.3 — прочитать), затем 0.1, 0.2, 0.3 → ступень 1 по рекомендации из теста по математике
7–8	0–4	любой	Урок 0.0.3 и модуль 0.1 → 0.3 по квизам → s0-hw01 до Medium → ступень 1 целиком, начиная с модуля 1.0
7–8	5–6	любой	Урок 0.0.3 и модуль 0.1 → 0.3 по квизам → s0-hw01 до Medium → модуль 1.0 по квизам → остальная ступень 1 полностью
7–8	7–8	0–6	Урок 0.0.3 и модуль 0.1 → s0-hw01 → модуль 1.0 пропустить, 1.1–1.2 по квизам, 1.3 и 1.4 полностью → ступень 2
7–8	7–8	7–8	Урок 0.0.3 и модуль 0.1 → s0-hw01 → модули 1.3–1.4 → ступень 2 по квизам → модуль 3.2 «Свой автоград» и ДЗ ступени 3 → ступень 4: по квизам и ДЗ, если тест LLM на 7–8, иначе полностью

Если по Python у вас меньше 7, а по математике или ML — 7–8, начинайте со ступени 0. Дойдя до ступеней 1–3, пользуйтесь рекомендациями из таблиц после соответствующих тестов.

Пропуская модуль, всё равно проходите квизы его уроков. Квиз на 80 % и выше — отмечайте урок пройденным кнопкой внизу страницы: так его карточки попадут в повторение, а карта курса покажет правду.

После диагностики

1. Запишите результаты в журнал. Через пару месяцев будет с чем сравнить:

   ## 2026-10-03 · входная диагностика
   - Python 7/8 · математика 5/8 · ML 3/8 · LLM 1/8
   - Пропускаю: модуль 0.2 и уроки 0.0.1–0.0.2. Подтверждение — s0-hw01 до Medium.
   - Начинаю с: урока 0.0.3, затем модуль 0.1. Ступень 1 — с модуля 1.0 по квизам.

2. Загляните в тетрадь ошибок. Ваши ошибки уже там, с правильными ответами и пояснениями. Это первый список тем, к которым стоит вернуться.

3. Прочитайте «Как учиться», если ещё не читали: ритм недели, уровни Simple → Boss и правила работы с ИИ-репетитором.

4. Повторите диагностику через 2–3 месяца кнопкой «Пройти ещё раз». Сайт хранит лучший результат каждого теста.

Модуль 0.0 «Самое начало»Точка входа для новичка: что такое ИИ, машинное обучение и LLM — карта местности.

Рабочее окружениеМодуль 0.1: терминал, Git, Python и как устроены домашние работы.

Школьная математика — освежаемМодуль 1.0: функции и графики, степени и логарифмы, как читать формулы.