ML Hub

Полная энциклопедия для подготовки к ML-собеседованиям. От линейной алгебры до системного дизайна LLM.

220 статей

8 разделов

125 LLM тем

7 кейсов SD

Начать подготовку Поиск по базе

---

• 01. Математика

  ---

  Линал, матан, теорвер, статистика. 9 статей с формулами и Q&A.

  Подготовка

• 02. Классический ML

  ---

  Алгоритмы, метрики, sklearn, гиперпараметры. 10 статей + 6 шпаргалок.

  Подготовка

• 03. Глубокое обучение

  ---

  CNN, RNN, Transformers. 15 статей + шпаргалки NumPy/Pandas/PyTorch.

  Подготовка

• 04. LLM-инженерия

  ---

  Архитектура, инференс, агенты, RAG, безопасность, бенчмарки. 131 статья.

  Подготовка

• 05. Системный дизайн

  ---

  7 кейсов: рекомендации, фрод, поиск, реклама, спам, модерация.

  Подготовка

• 06. MLOps

  ---

  MLOps, Data Engineering, AI агенты. 6 статей.

  Подготовка

• 07. Python

  ---

  Лайвкодинг, готчас, особенности языка. 5 статей.

  Подготовка

• 08. Справочник

  ---

  Формулы ML алгоритмов и нейросетей.

  ML алгоритмы

---

Порядок чтения

С нуляПродвинутыйБыстрый обзор

graph LR
    A[01 Математика] --> B[02 Классический ML]
    B --> C[03 Глубокое обучение]
    C --> D[04 LLM архитектура + RAG]
    D --> E[05 Системный дизайн]

graph LR
    A[04 LLM инференс + агенты] --> B[05 Системный дизайн]
    B --> C[06 MLOps]
    A --> D[04 Безопасность + Alignment]

Шпаргалки:

• ML System Design
• RAG и векторные БД
• Инференс LLM
• Alignment и RLHF
• Глубокое обучение
• Позиционное кодирование

---

Роадмап подготовки

Неделя 1-2

Математический фундамент

Линейная алгебра, матанализ, теория вероятностей, статистика. Без этого дальше тяжело.

Неделя 3-4

Классический ML

Деревья, ансамбли, SVM, кластеризация. Метрики классификации, регрессии, ранжирования. Шпаргалки sklearn.

Неделя 5-6

Глубокое обучение

CNN, RNN, Transformers. PyTorch на уровне написания training loop. Attention с нуля.

Неделя 7-10

LLM-инженерия

Архитектура трансформеров, файнтюнинг (LoRA/QLoRA), инференс (vLLM, квантизация), RAG, агенты, alignment.

Неделя 11-12

Системный дизайн + MLOps

7 кейсов ML System Design. Feature stores, A/B тесты, мониторинг дрифта, CI/CD для моделей.

Финал

Мок-интервью

Шпаргалки для быстрого повторения. Паттерны MLSD интервью. Кросс-референс карта тем.