Установка и запуск

Сайт курса работает прямо на вашем компьютере: Node.js запускает его как маленький локальный сервер, а вы открываете его в браузере по адресу localhost. Домашние работы — обычные программы на Python, которые проверяет автогрейдер. Кроме аккаунта на GitHub (репозиторий курса приватный), никаких регистраций, своего сервера и платных сервисов не нужно.

Инструмент	Зачем	Когда понадобится
Git	Скачать курс, получать обновления, сохранять свои решения и журнал	Сразу
Node.js 22.12+	Запускать сайт курса	Сразу
Python 3.11+	Домашние работы и код на PyTorch из уроков	В модуле 0.1 (урок 0.1.2). Первое ДЗ — после модуля 0.3. Можно поставить и сразу
Ваши видеокарты (4× RTX 4080)	Обучение и запуск моделей: блоки «🖥 На вашей машине» в уроках	Со ступени 4. Настройка — на странице «Ваша лаборатория (4×GPU)»

Если вы никогда не работали в терминале

Это нормально. Ниже все команды можно просто копировать: вставьте строку в терминал и нажмите Enter. Что такое терминал, Git и виртуальное окружение, подробно объясняет модуль 0.1 «Рабочее окружение». Его уроки вы прочитаете, когда сайт заработает. Если что-то пошло не так, загляните в раздел «Частые проблемы» в конце страницы.

Ставите курс на машину с видеокартами?

Выбирайте во всех инструкциях вкладку Linux. Для нескольких GPU нужен Linux (Ubuntu 22.04 или 24.04 LTS): библиотека NCCL, через которую карты обмениваются данными при распределённом обучении, работает только на нём. Подробнее — на странице «Ваша лаборатория (4×GPU)».

Скачайте курс

1. Откройте терминал.

   Linux

   Нажмите Ctrl+Alt+T или найдите «Терминал» в меню приложений.

   macOS

   Нажмите Cmd+Пробел, наберите «Терминал» (Terminal) и нажмите Enter.

   Windows

   Нажмите Win, наберите «PowerShell» и откройте Windows PowerShell или Терминал.

2. Установите Git и проверьте, что он работает.

   Linux

   sudo apt update && sudo apt install -y git   # Ubuntu и Debian
   git --version

   macOS

   xcode-select --install   # инструменты разработчика Apple, в них есть git
   git --version

   Windows

   Скачайте установщик Git for Windows с git-scm.com или выполните:

   winget install --id Git.Git -e

   Закройте и снова откройте PowerShell, затем проверьте: git --version.

   Ожидаемый вывод — строка вида git version 2.….

3. Склонируйте репозиторий. Команда создаст папку ChinaAI в текущей папке терминала:

   git clone https://github.com/samnolak/ChinaAI.git
   cd ChinaAI

Репозиторий приватный

Git попросит войти в GitHub. Пароль от аккаунта здесь не подойдёт: вместо пароля GitHub принимает токен или SSH-ключ. Проще всего поставить GitHub CLI (cli.github.com) и один раз выполнить gh auth login. На Windows кладите курс в папку без кириллицы и пробелов в пути, например C:\dev\ChinaAI: некоторые инструменты Python плохо переносят такие пути.

Запустите сайт

1. Установите Node.js версии 22.12 или новее. Подойдёт текущая LTS-версия.

   Linux

   В стандартных репозиториях Ubuntu версия Node.js обычно старее нужной. Надёжнее поставить менеджер версий nvm по инструкции на github.com/nvm-sh/nvm, открыть новый терминал и выполнить:

   nvm install --lts
   node -v

   macOS

   Скачайте установщик LTS-версии с nodejs.org или, если у вас есть Homebrew:

   brew install node
   node -v

   Windows

   Скачайте установщик LTS-версии с nodejs.org или выполните:

   winget install OpenJS.NodeJS.LTS

   Закройте и снова откройте PowerShell, затем проверьте: node -v.

   Ожидаемый вывод — v22.12.0 или число больше, например v24.….

2. Установите зависимости сайта. Из папки ChinaAI:

   cd site
   npm install

   Первый раз это займёт несколько минут: npm скачает Astro, редактор кода, Pyodide и остальное в папку site/node_modules.

3. Запустите сайт:

   npm run dev

   Сначала скрипт скопирует ядро Python для браузера в site/public/pyodide, потом запустится сервер. В терминале появится адрес http://localhost:4321/. Откройте его в браузере и начните с раздела «Начало».

4. Остановите сайт, когда закончите: Ctrl+C в терминале. В следующий раз хватит двух команд: cd site и npm run dev. После обновления курса (git pull) сначала повторите npm install: вдруг поменялись зависимости.

Python в браузере и интернет

Задания на странице выполняет Pyodide: это Python, скомпилированный для браузера. Его ядро лежит у вас локально, поэтому задания на чистом Python работают без интернета. А пакеты вроде NumPy загружаются с CDN Pyodide при первом запуске задания, и для них нужен интернет. PyTorch в браузере не работает: код на нём запускается локально, через Python из следующего раздела.

Прогресс привязан к адресу и браузеру

Отметки уроков, результаты квизов, карточки и тетрадь ошибок хранятся в браузере, в localStorage. Для браузера localhost:4321, 127.0.0.1:4321 и localhost:4322 — три разных сайта с тремя разными прогрессами. Если порт 4321 занят, сайт запустится на соседнем: смотрите адрес в терминале. В приватном окне прогресс стирается при закрытии. Открывайте всегда один и тот же адрес в одном браузере и регулярно делайте экспорт (см. ниже).

Python для домашних работ

Все команды этого раздела выполняются из корня репозитория, папки ChinaAI (не из site).

1. Установите Python 3.11 или новее.

   Linux

   В Ubuntu 24.04 уже есть Python 3.12, нужно доставить модуль окружений:

   sudo apt install -y python3 python3-venv python3-pip
   python3 --version

   В Ubuntu 22.04 системный Python — 3.10, этого мало. Поставьте отдельно 3.11 (sudo apt install -y python3.11 python3.11-venv) и на следующем шаге создавайте окружение командой python3.11 -m venv .venv.

   macOS

   Скачайте установщик Python 3.12 с python.org или, если есть Homebrew:

   brew install python@3.12
   python3.12 --version

   Вызывайте именно python3.12: просто python3 на Mac может оказаться старым системным Python 3.9 от Apple.

   Windows

   Скачайте установщик с python.org. В первом окне поставьте галочку «Add python.exe to PATH». Или выполните:

   winget install Python.Python.3.12

   Закройте и снова откройте PowerShell, затем проверьте: python --version. Если вместо версии открывается Microsoft Store, используйте лаунчер py: py -3.12 --version.

   Ожидаемый вывод — Python 3.11.… или новее. На Linux команда называется python3, на macOS — python3.12, на Windows — python (или py -3.12).

2. Создайте виртуальное окружение и активируйте его. Окружение — отдельная папка .venv с библиотеками только для этого курса. Так курс не конфликтует с другими проектами на компьютере.

   Linux

   python3 -m venv .venv
   source .venv/bin/activate

   macOS

   python3.12 -m venv .venv
   source .venv/bin/activate

   Windows

   python -m venv .venv          # или: py -3.12 -m venv .venv
   .venv\Scripts\Activate.ps1

   Если PowerShell пишет, что выполнение сценариев отключено, один раз выполните Set-ExecutionPolicy -Scope CurrentUser RemoteSigned и повторите активацию. В обычной командной строке (cmd) активация — .venv\Scripts\activate.bat.

   В начале строки терминала появится (.venv). Внутри окружения команда везде называется просто python. Активируйте окружение в каждом новом терминале, прежде чем запускать домашние работы.

3. Установите библиотеки.

   Linux

   pip install torch --index-url https://download.pytorch.org/whl/cpu   # PyTorch без CUDA
   pip install -r homework/requirements.txt

   На машине с видеокартами можно сразу поставить сборку с CUDA, чтобы не переустанавливать PyTorch к ступени 4: вместо первой строки выполните pip install torch. Скачается несколько гигабайт, зато всё будет готово заранее.

   macOS

   pip install -r homework/requirements.txt   # на Mac PyTorch и так собран без CUDA

   Windows

   pip install torch --index-url https://download.pytorch.org/whl/cpu   # PyTorch без CUDA
   pip install -r homework/requirements.txt

   Зачем PyTorch отдельной первой командой? Обычная сборка для Linux тянет библиотеки CUDA на несколько гигабайт, а тесты всех домашних работ выполняются на процессоре. Видеокарты включатся в работу на ступени 4, тогда сборку и заменим (см. ниже). В requirements.txt — NumPy, pytest, PyYAML, Matplotlib, PyTorch, а для модуля 2.4 — pandas, scikit-learn и LightGBM. Установка займёт несколько минут.

4. Проверьте автогрейдер:

   python homework/check.py --list

   Вы увидите список домашних работ и ваш статус по каждой:

   Домашние работы ChinaAI:
   
     s0-hw01-python-warmup              не сдано     Разминка на Python — анализ русского и английского текста
     …

   Теперь запустите проверку первой домашней работы:

   python homework/check.py s0-hw01-python-warmup

   ━━━ s0-hw01-python-warmup: Разминка на Python — анализ русского и английского текста ━━━
   
   🥉 Simple: 0/4
      ✗ test_simple_tokenize_basic
          → NotImplementedError
      …
   
   🐉 Boss: 0/1
      ✗ test_boss_performance
          → NotImplementedError
   
   Итог: пока не зачтено. Начните с тестов Simple.

   Так и должно быть: заготовка в homework/s0-hw01-python-warmup/code/ ещё не решена. Вы решите её после модуля 0.3, и автогрейдер покажет уровень от 🥉 Simple до 🐉 Boss.

Позже: видеокарты и библиотеки для LLM

К ступени 4 замените CPU-сборку PyTorch на сборку с CUDA, если не поставили её сразу. На Linux обычная сборка с PyPI уже содержит CUDA: pip uninstall -y torch && pip install torch. Драйвер, проверка, что PyTorch видит все четыре карты, и тест связи между ними — по шагам на странице «Ваша лаборатория (4×GPU)».

На ступенях 6–8 (дообучение, RL, RAG, агенты) понадобятся transformers, datasets, peft, trl и accelerate. Поставьте их, когда до них дойдёте: pip install -r homework/requirements-llm.txt.

Jupyter Lab и VS Code подробно разобраны в уроке «Python, виртуальные окружения и Jupyter».

Структура репозитория

• ДиректорияChinaAI/

  • README.md
  • Директорияsite/ сайт курса

    • Директорияsrc/

      • Директорияcontent/docs/ тексты уроков

        • …
      • Директорияexercises/ задания для браузера: заготовка, эталон, тесты

        • …
      • Директорияdata/ программа курса и глоссарий RU · EN

        • …
      • Директорияcomponents/ квизы, задания, карточки, карта прогресса

        • …
    • package.json
  • Директорияhomework/ домашние работы

    • check.py автогрейдер
    • requirements.txt библиотеки для ступеней 0–5
    • requirements-llm.txt библиотеки для ступеней 6–8
    • Директорияs0-hw01-python-warmup/

      • Директорияcode/ здесь пишете вы

        • …
      • Директорияtests/ тесты уровней от Simple до Boss

        • …
      • task.yaml
    • …
  • Директорияsolutions/ эталонные решения ДЗ — не подглядывать!

    • …
  • Директорияdocs/ проектная документация и исследования

    • …
  • Директорияjournal/ ваш журнал и экспорт прогресса

    • README.md шаблоны записей

Папка	Что там	Что вы с ней делаете
site/	Сайт курса: уроки, задания, компоненты	Запускаете npm run dev. Менять ничего не нужно
homework/	Домашние работы: условие в README.md, тесты, заготовки в code/	Пишете решения в homework/<id>/code/ и проверяете check.py
solutions/	Эталоны домашних работ	Открываете только после своей попытки, когда засчитан хотя бы Simple
docs/	Видение, программа, архитектура, исследовательские отчёты	Читаете, если интересно, как устроен курс
journal/	Ваш журнал обучения	Ведёте записи, складываете экспорт прогресса, коммитите

Прогресс: где хранится и как не потерять

У прогресса два места хранения:

• Сайт хранит в браузере отметки уроков, квизы, задания, карточки, тетрадь ошибок и календарь занятий.
• Автогрейдер записывает лучшие уровни по домашним работам в файл homework/.results.json.

Чтобы сохранить прогресс сайта, раз в неделю делайте экспорт:

1. Откройте «Карта курса и прогресс» и нажмите «⬇ Экспорт прогресса (JSON)». Браузер скачает файл chinaai-progress-ГГГГ-ММ-ДД.json.

2. Переложите его в journal/progress/ в репозитории:

   Linux

   mkdir -p journal/progress
   mv ~/Загрузки/chinaai-progress-*.json journal/progress/   # или ~/Downloads, смотря как называется папка

   macOS

   mkdir -p journal/progress
   mv ~/Downloads/chinaai-progress-*.json journal/progress/

   Windows

   New-Item -ItemType Directory -Force journal\progress
   Move-Item $HOME\Downloads\chinaai-progress-*.json journal\progress\

3. Закоммитьте вместе с решениями и журналом:

   git add journal homework
   git commit -m "Прогресс: неделя 41"

На другом компьютере или в другом браузере откройте ту же страницу, нажмите «⬆ Импорт» и выберите последний файл из journal/progress/.

Перед git pull (получить обновления курса) всегда коммитьте свои изменения. Тогда Git сам соединит ваши коммиты с обновлениями. Если вы и автор курса изменили одни и те же строки, Git покажет конфликт и попросит выбрать нужный вариант. С незакоммиченными изменениями git pull может просто отказаться обновляться.

Ваши видеокарты: с какой ступени

У вас машина с четырьмя RTX 4080 по 32 ГБ, и её хватает на весь курс без облаков. Но включится она не сразу: ступени 0–3 идут на процессоре. Так и задумано: на маленьких примерах всё видно лучше, а тесты всех домашних работ выполняются на CPU. Тяжёлое обучение со ступени 5 проверяется по сохранённым метрикам (metrics.json), а не повторным запуском.

Ступени	Что делает процессор	Что дают ваши видеокарты
0–3. Python, математика, ML, нейросети	Всё	Пока не нужны. Можно для интереса сравнить скорость одного и того же обучения на CPU и GPU
4. Трансформер	Мини-GPT обучается за минуты	Первая настройка GPU. GPT на 10–50M параметров на одной карте
5. Большие модели	Учебные версии MLA и MoE	Своя мини-LLM (MiniMind) за часы, DDP и FSDP на всех четырёх картах
6. Пост-трейнинг	LoRA, DPO и GRPO на игрушечных моделях	LoRA и QLoRA для моделей 7–14B, GRPO для моделей 0.5–3B
7–8. Инференс и приложения	Маленькие модели и работа через API	vLLM или SGLang на четырёх картах, свой локальный «ChatGPT» для RAG и агентов
9. Мультимодальность и фронтир	Маленькие VAE, диффузия и flow matching на MNIST	Генерация изображений и видео, распознавание речи, интерпретируемость на открытых моделях
10. Выпускной	Упрощённая версия	Полный цикл: от токенизатора и претрейна до сервера и агента
11. Профессия	Почти всё: данные, код, расчёты, собеседования	Локальный ИИ-ревьюер и ИИ-интервьюер на vLLM, воспроизведение статьи (гроккинг) за минуты

Когда настраивать. Драйвер, PyTorch с CUDA и проверку связи между картами сделайте перед ступенью 4: это один вечер по шагам на странице «Ваша лаборатория (4×GPU)». Там же — сколько памяти занимают модели разного размера и что реально запустить на каждой ступени.

Облака не нужны

Colab, Kaggle и аренда GPU вам не понадобятся: всё, что есть в курсе, запускается на вашей машине. Если иногда учитесь с ноутбука, ступени 0–3 пойдут и на нём, а к машине с видеокартами можно подключаться по SSH и запускать долгое обучение в tmux, чтобы оно не прервалось при закрытии терминала.

Если медленно качаются пакеты Python или модели с Hugging Face, помогут зеркала: зеркало PyPI университета Цинхуа, hf-mirror.com и китайский хаб моделей ModelScope. Как их подключить — в блоке «Китайский угол» урока «Python, виртуальные окружения и Jupyter».

Видео и внешние ссылки

Видео — полноценная часть курса. В первоисточниках уроков есть лекции Андрея Карпатого, ролики 3Blue1Brown и курсы Ли Хунъи на YouTube (некоторые из них — и на Bilibili), с пометкой, какой фрагмент смотреть. Смотрите их с открытым редактором: Карпатый пишет код прямо в кадре, и этот код стоит набирать вслед за ним. Что смотреть на каждой ступени и как встроить видео в неделю — на странице «Как учиться».

Внешние ссылки иногда умирают. Тогда ищите материал по названию или загляните в библиотеку источников.

Частые проблемы

Симптом	Что делать
git clone спрашивает пароль и не принимает его	GitHub не принимает пароль аккаунта. Выполните gh auth login или используйте токен вместо пароля
npm: command not found или node не найден	Node.js не установлен, или терминал открыт до установки. Закройте и откройте терминал
npm install или npm run dev ругаются на версию Node.js	Проверьте node -v. Нужна версия 22.12 или новее
Сайт открылся, но прогресс пропал	Другой адрес, другой порт, другой браузер или приватное окно. Откройте прежний адрес или импортируйте JSON из journal/progress/
Задание с NumPy бесконечно загружается	Нет интернета: NumPy грузится с CDN Pyodide. Задания на чистом Python работают и офлайн
python: command not found на Linux или macOS	Используйте python3 (на Mac — python3.12) или активируйте .venv: внутри окружения есть python
На Windows команда python открывает Microsoft Store	Это заглушка Windows. Используйте py -3.12 или отключите её: «Параметры → Приложения → Псевдонимы выполнения приложений»
python3 --version показывает 3.9 или 3.10	Это старый системный Python. Поставьте 3.11+ и создавайте окружение явно: python3.12 -m venv .venv (или python3.11)
PowerShell: «выполнение сценариев отключено»	Один раз выполните Set-ExecutionPolicy -Scope CurrentUser RemoteSigned
No module named pytest, или check.py пишет «pytest не запустился»	Окружение не активировано или библиотеки не установлены. Активируйте .venv и повторите pip install -r homework/requirements.txt
pip install качает гигабайты	Это PyTorch с CUDA. Для процессора ставьте его с --index-url https://download.pytorch.org/whl/cpu
check.py пишет «ДЗ не найдено»	Запускайте из корня репозитория и проверьте id: python homework/check.py --list

Готово

Входная диагностикаУже программируете или знаете математику? Узнайте, что можно пропустить.

Первый урокЧто такое ИИ, машинное обучение и LLM — карта местности.

Как учитьсяРитм недели, журнал, повторение и ИИ-репетитор.

Ваша лаборатория (4×GPU)Настройка видеокарт: понадобится к ступени 4.