ИИ с нуля
Полный курс по искусственному интеллекту: от математики до LLM, агентов и MCP. Тридцать глав, каждая из которых стоит прочтения сама по себе.
Перцептрон с нуля: что вычисляет нейрон
Нейрон — это взвешенная сумма и порог. В этом вся идея, а ее ограничения заставили появиться все, что было дальше.
Откуда берётся loss function: likelihood, а не соглашение
Squared error — не условность. Это утверждение о шуме, и можно увидеть, как оно ошибается.
Вниз по склону: Gradient Descent и два шага, которые все пропускают
Все пишут знак минус. Почти никто не объясняет, почему он там стоит и насколько большой шаг выдерживает.
Классификация, перекрёстная энтропия и как не обмануть себя
Accuracy — самое простое число для отчёта и самое простое число, которому легко поверить зря.
Backpropagation с нуля: сначала движок, потом сеть
Backpropagation — не алгоритм нейросети. Это цепное правило, применённое к графу в эффективном направлении.
Заставить сеть учиться — и обобщать
Градиент правильный, а сеть всё равно не учится. Эта глава — о разнице между этими вещами.
Собираем BPE-tokenizer: почему модель не может посчитать буквы R
Модель никогда не видит букв. Все странности в правописании, счёте и отступах следуют именно из этого.
Предсказание next-token: embeddings и что означает перплексия
Одна цель, никаких меток и таблица векторов, которую никто не проектировал.
Attention и блок transformer: вывод из среднего
Attention — не формула, которую нужно принять. Она возникает, когда мы перестаём равномерно усреднять прошлое и позволяем модели выбирать веса.
Предобучение LLM: данные, compute, scaling laws и стоимость
Оставшиеся решения — уже не программирование. Это закупки.
От базовой модели к ассистенту: SFT, RLHF, DPO и GRPO
Предобученная модель не отвечает на вопросы. Она продолжает текст — разницу создаёт второй этап обучения, которого почти не видно.
Chain of Thought, RLVR и Test-Time Compute: измерения
Модель не думает. Она тратит больше token перед ответом, и это измеримо — и оплачивается.
Как удешевить inference: KV Cache, batching и quantization
Generation — не одна задача: compute-bound первый token, затем тысячи memory-bound token. Почти все приёмы serving рождаются из этого разделения.
Первый production-вызов LLM: streaming, retries и timeouts
Теперь model стоит за port. Почти всё, что ломается дальше, уже не математика.
Prompt engineering в цифрах: что меняет ответ
prompt нужно измерять, а не обсуждать. Четыре варианта на двадцати кейсах не различают вообще ничего.
Context window, tokens и счет: измерено
Окно — не память. Оно заполняется заново при каждом вызове, и вы платите за это заполнение.
Temperature, top-p и детерминизм, которого у вас нет
Temperature не делает модель креативнее. Она повышает вероятность token, которые сама модель оценила хуже всего, — и это видно в цифрах.
Tool calling и структурированные выходные данные: контракт, который держится
Модель ничего не выполняет. Она просит в заданной вами форме, и форма — единственное, что вы контролируете.
RAG в production: chunking, поиск и честные цитаты
Плохой chunking уничтожает ответ еще до начала поиска, и никакой reranking его не восстановит.
Fine-tuning, retrieval или prompt? Решает экономика
Этот вопрос задают не про модель. Его задают про бюджет.
Multimodal Pricing: за что на самом деле платят в изображениях, аудио и видео
Фотография не стоит «одну фотографию». Она стоит tokens — по формуле, которую выбирали не вы.
Что такое AI agent: пять классических типов и два спорящих определения
Один tool в каталоге превратил один вызов в два, а 39 input tokens — в 420. Считать ли это agent, зависит от того, чьё определение открыть.
Собираем agent harness: цикл и пять выходов из него
Цикл занимает пятнадцать строк. Всё, что делает его пригодным к продакшену, — способы выйти из него.
Context engineering: почему ваш agent глупеет на 40-м ходе
Окно не переполнилось. Факт просто сдвинулся — и agent перестал его находить.
Оркестрация multi-agent: пять паттернов и когда выигрывает один
Четыре схемы, одна задача, один счет. Самая дешёвая ошиблась, а самая дорогая не смогла проверить своих исполнителей.
MCP по спецификации: что на самом деле такое сервер
Это не магия. Это транспорт, формат сообщений и три примитива — и всё это можно набрать вручную.
Запускаем MCP server: TypeScript и Python в цифрах
Два SDK, один протокол. Самые интересные различия — те, которых протокол не видит.
Agent Skills и SKILL.md: прогрессивное раскрытие, измеренное
Skill — это папка с Markdown-файлом внутри. Всё интересное следует из того, какую часть этого файла читают и когда.
Оценка LLM: от публичных benchmarks до вашего golden set
Число без интервала — это анекдот с десятичными знаками.
Prompt injection и летальная триада: защита реального agent
Модель не отличает вашу инструкцию от чужой. Всё, что работает, строится на признании этого факта.