📚 Базовый минимум
Короткий цикл про ИИ: термины и языковые модели → обзор LLM → промпт-инжиниринг, RAG и ИИ-агенты отдельными статьями.
- Базовый минимум про ИИ – введение
- 🎬 Видео · чтение 5 мин / видео 4 мин
- 🏷️ Термины: языковая модель, датасет, параметры, ИИ/МО/НС, фундаментальные модели
- 📊 Сложность: базовая
- 📋 Необходимые знания: нет
- Базовый минимум про ИИ – обзор
- 🎬 Видео · чтение ~14 мин / видео 9 мин
- 📋 Обзор LLM: инструмент и сценарии, устройство (токены, трансформеры), промпт, RAG, fine-tuning, chain-of-thought, семейства моделей, токен и температура, типы и контекст, риски, тренды
- 🏷️ LLM, трансформер, токен, температура, промпт-инжиниринг, RAG, fine-tuning, RLHF, chain-of-thought, контекстное окно, галлюцинации, мультимодальность, агенты
- 📊 Сложность: базовая
- 📋 Необходимые знания: нет (достаточно введения в цикл)
- Базовый минимум про ИИ – промпт-инжиниринг
- ⏱️ чтение ~7 мин · без видео
- 📋 Zero-shot, few-shot, chain-of-thought, роли, step-back, источники промптов; структура как на mind map; аккордеоны
- 🏷️ промпт-инжиниринг, zero-shot, few-shot, CoT, ролевой промптинг, step-back, in-context learning
- 📊 Сложность: базовая
- 📋 Необходимые знания: желательно обзор LLM
- Базовый минимум про ИИ – RAG-системы
- ⏱️ чтение ~6 мин · без видео
- 📋 Зачем RAG, этапы пайплайна, чанкование, naive / advanced RAG; аккордеоны
- 🏷️ RAG, retrieval, эмбеддинги, векторный индекс, чанкование, генерация с контекстом
- 📊 Сложность: базовая
- 📋 Необходимые знания: желательно обзор LLM
- Базовый минимум про ИИ – ИИ-агенты
👥 На их плечах
краткая выжимка из интервью, подкастов и конференций про ИИ
- Будущее ИИ: почему одного масштабирования уже недостаточно
- 🎬 Видео · чтение 12 мин / видео 8 мин (оригинал 52 мин)
- 👥 Участники: Nicholas Thompson, Eric Xing, Yoshua Bengio, Yuval Noah Harari, Yejin Choi
- 🏷️ Термины: масштабирование, reward hacking, world model, guardrail, AGI, антропоморфизм
- 📊 Сложность: средняя
- 📋 Необходимые знания: база по ИИ
📐 Необходимая математика
В машинном обучении используется математика, которая опирается на школьную программу; чтобы понять, как устроено МО, нужно хорошо знать школьную математику.
- Необходимая математика — обзор
- 📋 Обзор: какие разделы математики нужны для ИИ/МО и зачем
- 🏷️ Линейная алгебра, анализ, вероятность и статистика
- 📊 Сложность: базовая
- Мат анализ — пример анализа (нахождение πr²)
- 📋 Нарезка круга на кольца, разворот в полоски 2πr × Δr — получается треугольник с площадью πR²
- 🏷️ Интеграл, пределы, площадь круга
- 📊 Сложность: базовая
- Мат анализ — Производные
- 📋 Без этого не понять, как нейросеть вообще учится. Производная, градиент, правило цепочки.
- 🏷️ Градиентный спуск, backpropagation
- 📊 Сложность: базовая