Навигация по ML-энциклопедии
~5 минут чтения
201 статья | 8 тематических разделов + мета
Порядок чтения
Структура разделов
01. Математика (9 файлов)
| Файл |
Содержание |
| Подготовка к интервью |
Q&A по всей математике |
| Материалы |
Книги, курсы, ресурсы |
| Формулы: линал |
Определители, собственные значения, SVD |
| Формулы: матан |
Производные, интегралы, ряды |
| Формулы: теорвер |
Байес, распределения, ЦПТ |
| Формулы: статистика |
МНК, гипотезы, доверительные интервалы |
| Формулы: функции потерь |
MSE, cross-entropy, hinge, focal |
02. Классический ML (10 файлов + 6 шпаргалок)
| Файл |
Содержание |
| Подготовка к интервью |
Q&A по классическому ML |
| Материалы |
Книги, курсы, ресурсы |
| Шпаргалки: |
|
| Scikit-learn |
API, пайплайны, препроцессинг |
| Выбор модели |
Дерево выбора алгоритма |
| Гиперпараметры |
Grid/Random/Bayesian search |
| Метрики |
Precision, recall, F1, AUC, RMSE |
| Отладка |
Overfitting, data leakage, debugging |
| Интервью |
Быстрые ответы на типичные вопросы |
:material-neural-network: 03. Глубокое обучение (7 файлов + 3 шпаргалки)
04. LLM-инженерия (125 файлов) -- самый большой раздел
| Подраздел |
Кол-во |
Ключевые темы |
| 01. Архитектура |
22 |
Attention, KV-кэш, RoPE, токенизация, SSM/Mamba, Vision |
| 02. Инференс |
14 |
Квантизация, спекулятивное декодирование, LoRA, деплой |
| 03. Агенты |
19 |
CoT, tool use, промпт-инженеринг, MCP, фреймворки |
| 04. RAG |
7 |
Hybrid search, чанкинг, Graph RAG, оценка |
| 05. Безопасность |
11 |
RLHF, red teaming, гардрейлы, OWASP |
| 06. Бенчмарки |
10 |
Оценка LLM, эмбеддинги, ML SD паттерны |
| 07. Модели |
6 |
Open-source LLM, MoE, диффузионные |
| 08. LLMOps |
6 |
Стоимость, маршрутизация, наблюдаемость |
| 09. Спецтемы |
9 |
NAS, синтетические данные, on-device ML |
| 10. Ресурсы |
7 |
Подготовка к интервью в компаниях |
| Синтез |
10 |
Все шпаргалки |
05. Системный дизайн (32 файла, 7 кейсов)
06. MLOps и инфраструктура (6 файлов)
| Файл |
Содержание |
| Подготовка MLOps |
Model Serving, CI/CD, Monitoring, Experiment Tracking |
| Материалы MLOps |
MLflow, W&B, Feature Stores, Cost Optimization |
| Подготовка Data Engineering |
Spark, Airflow, dbt, Lakehouse, Data Quality |
| Материалы Data Engineering |
Ресурсы по дата-инженерии |
| Подготовка AI агенты |
ReAct, Multi-Agent, Memory, Tool Use, MCP |
| Материалы AI агенты |
Ресурсы по AI-агентам |
07. Python (5 файлов)
08. Справочник (2 файла)
| Файл |
Содержание |
| ML алгоритмы |
Regression, SVM, Trees, Boosting, KNN, K-Means, PCA, Metrics |
| Нейросети |
Activations, Loss, Backprop, Optimizers, CNN, RNN, Transformer |
Мета (4 файла)