Карта мира ИИ-инженерии — бесплатный курс

1. Фундамент ML и LLM

• Машинное обучение — это не программирование правил, а обучение модели на данных. Типы: с учителем, без учителя, с подкреплением, самоконтролируемое.
• Глубокое обучение — нейросети из многих слоёв. Для текста ключевая архитектура — трансформер, а его сердце — механизм внимания (attention).
• LLM (большие языковые модели) работают с токенами (кусочками слов), переводят их в эмбеддинги (векторы смысла) и предсказывают следующий токен. Важные ручки: контекстное окно (сколько модель «помнит») и температура (насколько ответы случайны).

Главная мысль. LLM не «знает фактов» — она предсказывает правдоподобное продолжение. Отсюда и галлюцинации, и способы с ними бороться (см. RAG).

С практикой — уровень L2 Новичок

2. Инструменты разработчика

• Python — основной язык всей области.
• SQL — чтобы доставать данные.
• Конфигурации (YAML/JSON) — чтобы описывать запуск и пайплайны.
• Ключевые библиотеки: pandas (данные), PyTorch и Hugging Face (модели), LangChain/LangGraph (оркестрация LLM), FastAPI + Pydantic (сервисы и валидация).

С практикой — уровень L2 Новичок

3. Окружение и воспроизводимость

• Git — история кода.
• Docker — упаковка «чтобы работало у всех одинаково».
• Виртуальные окружения (venv/poetry/uv) — изоляция зависимостей.

Главная мысль. «Работает у меня на ноутбуке» — не результат. Результат — то, что воспроизводимо запускается где угодно.

С практикой — уровень L2 Новичок

4. Промпт-инжиниринг

• Это дисциплина построения надёжного интерфейса к ненадёжному ядру.
• Базовые приёмы: Zero-shot (просто спросить), Few-shot (показать примеры), Chain-of-Thought (попросить рассуждать по шагам).
• Чтобы ответы были машиночитаемыми — структурированный вывод (Pydantic/Instructor) и guardrails (защитные ограничения).
• Качество измеряют через evals — эталонные датасеты и оценку, в том числе моделью-судьёй (LLM-as-a-judge).

С практикой — уровень L3 Стажёр

5. RAG: поиск + генерация

• RAG = дать модели нужные документы в контекст, чтобы она отвечала по фактам, а не по памяти.
• Этапы: разбить знания на куски (чанкинг) → превратить в эмбеддинги → положить в векторную БД → по запросу найти релевантное → подставить в промпт.
• Лучше всего работает гибридный поиск (ключевые слова + смысл) и реранкер (переупорядочивание найденного).

Главная мысль. Большинство «галлюцинаций» в продакшене — это провал поиска, а не генерации.

С практикой — уровень L4 Junior

6. Чем «учить» систему: промпт, RAG или fine-tuning

• Промпт — всегда первый выбор: дёшево и обратимо.
• RAG — когда нужны свежие, приватные или проверяемые факты.
• Fine-tuning — когда нужно изменить стиль и поведение, а не добавить знания.

Главная мысль. Дообучение ради добавления фактов — частая дорогая ошибка. Факты — это работа RAG.

С практикой — уровень L4 Junior

7. ИИ-агенты

• Агент — система, которая не просто отвечает, а планирует и действует: вызывает инструменты, помнит контекст, оценивает результат.
• Но большинство задач решается простым workflow — последовательностью фиксированных шагов, а не автономным агентом. Автономия нужна, только когда шаги и их порядок заранее неизвестны.
• Стандарты: LangGraph (графы с состоянием), MCP (универсальный протокол подключения инструментов).

Главная мысль. Агент — дорогой и непредсказуемый инструмент. Начинайте с простого; усложняйте только под доказанную потребность.

С практикой — уровень L7 Senior II: агентные системы

8. Дебаг и наблюдаемость

• Главная боль индустрии — не написать агента, а понять, почему он сделал не то.
• Решение — трассировка (observability): логировать всё дерево вызовов, токены, стоимость и задержку каждого шага (LangSmith, Phoenix).

С практикой — уровень L5 Middle

9. Продукт и бизнес

• Идея должна превращаться в метрику и SLA: задержка, доля галлюцинаций, стоимость запроса против ценности для пользователя.
• Базовый UX генеративного ИИ: потоковый вывод, показ источников, human-in-the-loop.

С практикой — уровень L5 Middle

10. MLOps: эксплуатация

• Жизненный цикл: эксперименты → версионирование → CI/CD → сервинг → мониторинг.
• На проде важны быстрый инференс (vLLM), кеширование и отслеживание дрейфа — когда поведение со временем «уплывает».

С практикой — уровень L6 Senior I: production AI-системы

11. Безопасность и ответственность

• Главная карта угроз — OWASP Top 10 for LLM: прежде всего prompt injection (подмена инструкций через данные) и небезопасный запуск сгенерированного кода.
• Плюс приватность (персональные данные, GDPR, 152-ФЗ), регуляторика (EU AI Act) и лицензии моделей.

С практикой — уровень L6 Senior I: production AI-системы

12. Как не утонуть в потоке новизны

• Источники-компасы: arXiv, Hugging Face Daily Papers, инженерные сообщества.
• Метод: увидели новый инструмент → поймите, какую боль он решает → проверьте на своём старом проекте → сделайте вывод. Фокус на паттернах, а не на синтаксисе.

С практикой — уровень L10 Эксперт