{"title":"ai-engineering-from-scratch — 435 уроков, чтобы не просто нажимать кнопки, а понимать ИИ","url":"https://verapointmedia.com/tools/rohitg00-ai-engineering-from-scratch/","markdownUrl":"https://verapointmedia.com/tools/rohitg00-ai-engineering-from-scratch.md","language":"ru","category":"tools","publishedAt":"2026-05-21T13:00:19.000Z","updatedAt":"2026-05-21T13:00:19.000Z","references":["https://github.com/rohitg00/ai-engineering-from-scratch","https://aiengineeringfromscratch.com","https://img.shields.io/badge/license-MIT-1a1a1a?style=flat-square&labelColor=fafaf5","https://img.shields.io/badge/lessons-435-3553ff?style=flat-square&labelColor=fafaf5"],"rights":"Public user-requested reading, summarization and citation allowed. Model training requires separate permission.","contentMarkdown":"# ai-engineering-from-scratch — 435 уроков, чтобы не просто нажимать кнопки, а понимать ИИ\n\n- Site: VeraPoint News\n- Section: Инструменты\n- Date: 2026-05-21\n- Canonical: https://verapointmedia.com/tools/rohitg00-ai-engineering-from-scratch/\n- Markdown: https://verapointmedia.com/tools/rohitg00-ai-engineering-from-scratch.md\n- Summary: Открытый курс по машинному обучению и агентам на 320 часов. Не API‑поверхность, а принципы работы. Линейная алгебра, трансформеры, рои — всё из кода и математики.\n- SEO title: ai: что это и кому нужен инструмент\n- SEO description: Открытый курс по машинному обучению и агентам на 320 часов. Не API‑поверхность, а принципы работы. Линейная алгебра, трансформеры, рои — всё из кода и мате\n- Target queries: ai; rohitg00 ai engineering from scratch github; что такое ai; как использовать ai\n- Tags: #python #machine-learning #guide #open-source #from-scratch #education\n- Image: https://verapointmedia.com/static/content-assets/tools/rohitg00-ai-engineering-from-scratch/cover.webp\n\n## Sources\n\n- https://github.com/rohitg00/ai-engineering-from-scratch\n- https://aiengineeringfromscratch.com\n- https://img.shields.io/badge/license-MIT-1a1a1a?style=flat-square&labelColor=fafaf5\n- https://img.shields.io/badge/lessons-435-3553ff?style=flat-square&labelColor=fafaf5\n\n---\n\nРепозиторий `rohitg00/ai-engineering-from-scratch` — это не библиотека и не фреймворк, а чудовищная по своему размаху образовательная программа по ИИ. На 435 уроков, разделённых на 20 фаз, от основ линейной алгебры до разработки мультиагентных роев. И она построена на простой, но болезненной констатации: 84% студентов уже пользуются ИИ‑инструментами, но только 18% чувствуют себя готовыми делать это профессионально. Эта разница в 66% — и есть цель курса. Ссылка: https://github.com/rohitg00/ai-engineering-from-scratch.\n\n## Если просто\n\nЭто учебник, который требует от вас писать код. Много кода. Каждый из 435 уроков построен по одному принципу: понять проблему, вывести математику на бумаге, написать реализацию с нуля (на Python, TypeScript, Rust или Julia), а затем повторить то же самое, используя промышленные фреймворки вроде PyTorch. После этого вы не просто ставите галочку «прошёл» — вы сохраняете конкретный артефакт: промпт, готовый скилл для агента, код агента или даже MCP‑сервер. Всё это складывается в портфолио из 435 рабочих инструментов.\n\nАвторы называют это «хребтом» (the spine). Потому что большая часть образовательного контента по ИИ сегодня — это разрозненные куски: одна статья про тонкую настройку, один хайповый демо‑агент, один пост про attention. Они редко складываются в целостную картину. Можно собрать чат‑бота, но не суметь объяснить, что такое функция потерь внутри него. Можно подключить функцию к агенту, но не иметь ни малейшего представления, что на самом деле делает механизм внимания в модели, которая эту функцию вызывает.\n\n## Что это решает\n\nБоль читателя, который хочет перестать быть «пользователем API». Тот, кто уже умеет вызывать `openai.ChatCompletion.create()`, но теряется, когда нужно понять, почему модель генерирует ерунду, как её эффективно дообучить или спроектировать систему из нескольких агентов, которые не будут друг другу мешать. Курс закрывает разрыв между поверхностным умением нажимать на кнопки и глубоким пониманием того, как всё устроено под капотом. Он для тех, кто устал от пятиминутных видео на YouTube и туториалов в стиле «скопируй этот код и у тебя заработает».\n\n## Как попробовать\n\nВсё открыто. Можно просто читать уроки на сайте [aiengineeringfromscratch.com](https://aiengineeringfromscratch.com). Можно склонировать репозиторий и запустить код любого урока. Но самый умный способ начать — использовать встроенные скиллы для агентов (они работают в Claude, Cursor и других средах с поддержкой SkillKit).\n\nПросто введите в чате с агентом команду:\n```bash\n/find-your-level\n```\n\nВас ждёт короткий опрос из десяти вопросов, который определит ваш текущий уровень и построит персонализированный путь по фазам с оценкой времени. После прохождения каждой фазы можно проверить понимание:\n```bash\n/check-understanding 3\n```\nЭто выведет викторину по фазе 3 и укажет на конкретные уроки для повторения, если что-то пошло не так.\n\n## 3 сценария с примерами\n\nКурс огромен, поэтому важно понять, как его применять точечно. Вот три реальные ситуации.\n\n**Сценарий 1: Вы пишете промпты, но они работают нестабильно.**\nВы агент-инженер и ваш промпт для анализа SQL‑запросов в 60% случаев возвращает верный ответ, а в 40% — галлюцинирует. Вместо того чтобы методом тыка менять слова, вы открываете Фазу 11 «LLM Engineering», уроки 3–5 про техники разметки (prompt engineering) и механизмы поиска (retrieval). Вы не только прочитаете теорию, но и с нуля реализуете простой RAG (Retrieval-Augmented Generation) на чистом Python, чтобы понять, как именно контекст влияет на ответ. На выходе получите готовый промпт-отладчик (`prompt-debug-retrieval.md`), который сможете сразу встроить в рабочий процесс.\n\n**Сценарий 2: Нужно добавить мультимодальность в продукт.**\nВам поручили интегрировать анализ изображений в ваш чат-бот. Вы открываете Фазу 12 «Multimodal». Первые уроки заставят вас с нуля, используя только NumPy, реализовать базовые операции сверточных сетей (ConvNets) для обработки изображений. Только после этого вы перейдёте к использованию готовых моделей типа CLIP или BLIP. Итогом станет не только понимание, но и готовый MCP‑сервер (Model Context Protocol — протокол для подключения данных к агентам), который можно запустить локально и подключить к вашему агенту в Cursor или Claude Desktop.\n\n**Сценарий 3: Вы слышите про «агентные рои», но не понимаете, с какой стороны подступиться.**\nХайп вокруг автономных систем из множества агентов огромен. Курс предлагает не смотреть демо, а построить такой рой самому. Фаза 16 «Multi-Agent & Swarms» начинается с реализации простейшего агента-менеджера и рабочего агента на ~200 строках Python. Затем вы добавляете механизмы координации, коммуникации и, наконец, эмерджентное поведение. В `outputs/` после каждого урока будет появляться либо готовая «скилл» для вашего агента, либо шаблон промпта для отладки взаимодействий, который можно использовать в реальных проектах.\n\n## Где можно застрять\n\nМасштаб — это и сила, и главная ловушка. 435 уроков на ~320 часов — это больше, чем полный рабочий месяц. Без жёсткой дисциплины и чёткой цели легко «утонуть» и забросить. Структура линейная и иерархическая: математика — фундамент, агенты — крыша. Пропустить основы и прыгнуть сразу к 14-й фазе («Agent Engineering») можно, но авторы честно предупреждают: «тогда не удивляйтесь, если что-то сломается и вы не поймёте почему».\n\nТехнический порог входа высок. Нужно уверенно писать код. Хотя авторы и утверждают, что подойдёт «any language», львиная доля примеров — на Python, и без комфортного владения им будет сложно. Кроме того, многие уроки требуют умения читать и выводить математические формулы — это не курс для абсолютных новичков в программировании или математике.\n\nИнфраструктурная зависимость. Хотя код должен запускаться на ноутбуке, некоторые поздние фазы, связанные с обучением больших моделей или развёртыванием, могут упереться в нехватку вычислительных ресурсов.\n\n## Кому это нужно\n\n*   **Практикующим инженерам-программистам**, которые хотят систематизировать свои знания об ИИ, уйти от уровня «API‑потребителя» к уровню «создателя».\n*   **Студентам технических специальностей**, ищущим структурированный, практико‑ориентированный курс, который даст не только теорию, но и портфолио.\n*   **Техническим менеджерам и проджект-менеджерам в ИИ-продуктах**, которые хотят говорить с командой на одном языке и глубже понимать ограничения технологий.\n*   **Любому любопытному разработчику**, которого раздражает магия чёрного ящика и который хочет разобрать этот ящик на винтики.\n\n## Кому это не нужно\n\n*   **Тем, кто ищет быстрый результат «за выходные».** Это марафон, а не спринт.\n*   **Непрограммистам.** Без готовности много и глубоко писать код здесь делать нечего.\n*   **Тем, кого полностью устраивает роль пользователя готовых сервисов (типа ChatGPT или Midjourney)** и кто не испытывает жгучего желания понять, как они устроены.\n*   **Людям, которые ждут лёгких видеоуроков с харизматичным ведущим.** Здесь только текст, код, диаграммы и ваша сила воли.\n\n## Вердикт Веры\n\nМеня впечатляет не столько объём, сколько бескомпромиссная философия этого курса. В эпоху, когда маркетинг продаёт ИИ как волшебную палочку, а образование сводится к «скопируй этот промпт», авторы делают ровно наоборот. Они настаивают на том, что настоящая сила — в понимании, а понимание приходит только через строительство «из грязи и палок» (from scratch).\n\nЧто мне особенно нравится — это цикл «Построй / Используй / Поставь» в каждом уроке. Вы не просто пишете абстрактный код для галочки. Вы сначала реализуете алгоритм на чистой математике, затем делаете то же самое на PyTorch, чтобы увидеть, как индустрия это абстрагирует, и в итоге получаете конкретный, готовый к использованию инструмент. Это убийственно эффективно для закрепления знаний.\n\nМой главный скепсис, как всегда, адресован не проекту, а нам, потенциальным ученикам. 320 часов — это огромное обязательство. Риск «не дойти» крайне высок. Но если у вас есть внутренняя потребность перестать быть пассажиром в стремительном поезде ИИ и сесть за руль — этот репозиторий, пожалуй, лучшая карта\n\n## Что читать дальше\n\n- [Все материалы про AI-инструменты](/topics/ai-tools/)\n- [Как отличить рабочий AI-инструмент от красивой демки](https://verapointmedia.com/guides/kak-otlichit-rabochiy-ai-instrument-ot-krasivoy-demki/)\n- [Superpowers: как управлять ИИ-агентами в команде](https://verapointmedia.com/tools/obra-superpowers/)\n- [React Doctor — линтер для ассистентов, чтобы они не портили код](https://verapointmedia.com/tools/millionco-react-doctor/)\n\n## Материалы\n\n- [rohitg00/ai-engineering-from-scratch] rohitg00/ai-engineering-from-scratch: https://github.com/rohitg00/ai-engineering-from-scratch\n- [aiengineeringfromscratch.com] supporting context: https://aiengineeringfromscratch.com\n- [img.shields.io] supporting context: https://img.shields.io/badge/license-MIT-1a1a1a?style=flat-square&labelColor=fafaf5\n- [img.shields.io] supporting context: https://img.shields.io/badge/lessons-435-3553ff?style=flat-square&labelColor=fafaf5\n"}