Обзор курса и инструментов

Маршрут курса — от истории до своего проекта с ИИ-агентом. Знакомимся с инструментами практики: чат-ботами, Colab и Opencode.

Куда мы идём: карта из девяти разделов

В прошлом уроке ты выяснил, что такое ИИ и почему он уже окружает тебя. Теперь — как мы будем в нём разбираться. Курс состоит из 50 уроков, собранных в девять разделов. Это не случайный список тем, а маршрут: каждый следующий раздел опирается на предыдущий.

  1. Введение (уроки 1–2) — что такое ИИ и как устроен этот курс
  2. История ИИ (уроки 3–7) — путь от теста Тьюринга до ChatGPT: почему одни идеи выжили, а другие остались в учебниках
  3. Математические основы (уроки 8–15) — векторы, вероятности, производные из школьной программы: язык, на котором «говорят» нейросети
  4. Нейросети (уроки 16–22) — от одного нейрона вручную до генерации картинок; здесь ты обучишь свою первую нейросеть на Python (урок 20)
  5. Архитектура Transformer (уроки 23–28) — механизм внимания шаг за шагом: считаем self-attention руками и понимаем, что происходит внутри ChatGPT и GigaChat
  6. Обучение моделей (уроки 29–33) — откуда модели берут знания; в уроке 32 ты дообучишь предобученную модель на своих данных
  7. Большие языковые модели (уроки 34–40) — токены, промпты, RAG и честная оценка качества ответов
  8. Открытые модели и локальный запуск (уроки 41–45) — Llama, Qwen, Mistral: своя LLM на обычном компьютере, без интернета и без суперкомпьютера
  9. Инструменты разработчика (уроки 46–50) — ИИ-агенты Cline, Opencode и Hermes Agent; финал курса — собственный проект с агентом

Обрати внимание на логику: история объясняет, почему технологии устроены именно так, математика — как они работают внутри, а последние разделы показывают, что с этим делать. Если однажды захочешь заглянуть вперёд — разделы можно открывать в любом порядке, но практикумы уроков 20 и 32 потребуют базы из предыдущих разделов.

Что ты будешь уметь к концу курса

Курс построен так, чтобы теория сразу превращалась в навык:

  • Объяснять, как работают современные ИИ-системы — от персептрона до Transformer и LLM
  • Считать руками attention, градиентный спуск и прямой проход нейрона — а затем повторять то же самое кодом
  • Обучать и дообучать модели: первая нейросеть на рукописных цифрах, transfer learning на своём датасете, LoRA-дообучение открытой LLM
  • Грамотно формулировать промпты и собирать бота, отвечающего по твоим конспектам (RAG)
  • Запускать открытые модели локально через Ollama и LM Studio и подключать их к проектам по API
  • Использовать ИИ-агентов (Cline, Opencode) осознанно — понимая, что происходит под капотом

Курс не сделает тебя ML-исследователем, но даст прочный фундамент: ты будешь понимать индустрию, а не просто пользоваться её продуктами.

Инструменты практики

Хорошая новость: для старта нужен только браузер. Всё остальное подключается по мере надобности.

Понадобится сразу

  • Чат-бот для практики уроков 1 и 36–37: GigaChat или Алиса — зарегистрируй любой доступный тебе аккаунт
  • Браузер — вся теория и квизы работают прямо на сайте

Понадобится со второй четверти курса

  • Google Colab — бесплатные ноутбуки с GPU прямо в браузере. Все программные практикумы (уроки 20, 29, 32, 38) написаны под него: ничего устанавливать не нужно
  • Python 3.10+ — если захочешь выполнять примеры локально (python.org)
pip install numpy pandas matplotlib scikit-learn

Ближе к середине курса

  • Ollama или LM Studio — локальный запуск открытых моделей (подробно в уроке 43)
  • VS Code с Cline и терминал с Opencode — инструменты разработчика из финального раздела

Специальная видеокарта не обязательна: все демонстрации подобраны так, чтобы работать на обычном ноутбуке или в бесплатном Colab.

Что нужно знать до старта

  • Базовый Python: переменные, списки, циклы, функции. Первые практикумы подробно разбирают каждую строку — если пишешь циклы, справишься
  • Школьная математика: линейные уравнения и графики функций. Производные и вероятности мы повторим в разделе «Математические основы» перед тем, как они понадобятся

Чего знать не требуется: высшая математика, опыт в машинном обучении, свободный английский (хотя умение читать документацию будет плюсом).

Как проходить курс

  1. Читай урок — обычно это 10–15 минут
  2. Выполняй практику, если она есть в уроке: руками и в Colab
  3. Проходи квиз в конце урока — для зачёта нужно набрать не менее 70%
  4. Возвращайся к разделу «Проверьте себя» перед следующей темой

Учись равномерно: один-два урока в неделю дадут больше, чем марафон перед контрольной.

Проверьте себя

  1. Из каких девяти разделов состоит курс и какие два из них целиком посвящены практике на Python?
  2. Какие инструменты понадобятся тебе сразу, а какие — ближе к середине курса?
  3. Какой процент нужно набрать в квизе, чтобы урок был зачтён?

Дополнительные ресурсы