AI-школа Евгения Разинкова
Второй поток: 18.11.2024 - 30.11.2025

Регистрация на второй поток

Обо мне

Материалы курсов собраны на основе многолетнего опыта работы в области искусственного интеллекта, а именно:
  • 10 лет в ML в общей сложности
  • 9 лет преподавания в Казанском (Приволжском) федеральном университете в данной области
  • 11 курсов по ML созданных с нуля
  • 35+ выпущенных студентов, защитивших работу в области искусственного интеллекта
  • 30+ успешно завершенных проектов в ML
  • 12 человек в команде
  • 180+ YouTube лекций по искусственному интеллекту
  • 30 000+ часов материалов было просмотрено подписчиками за это время
О курсах
В рамках второго потока будет проходить серия курсов
AI: от основ до языковых моделей
в период с 18.11.2024 по 30.11.2025.

Курсы расположены на платформе
school.razinkov.ai
и состоят из базовой и продвинутой частей,
с наполнением которых вы можете ознакомиться ниже.
Подробнее о втором потоке в
Курсы базовой части
Курс
Math for AI
calculus:
function and function limit
logarithms
derivative and partial derivative
gradient and chain rule
convex function
definite and indefinite integrals
Taylor series

probability theory:
discrete and continuous random variables
probability function / density function
independent events
conditional probability
Bayes’ rule
expectation, variance
joint probability
covariance
splines
PCA (Principal component analysis)
entropy, cross-entropy, relative entropy

algebra:
vectors
matrices
operation with vectors and matrices
determinant
eigenvalues and eigenvector
spectral decomposition
SVD (Singular Value Decomposition)
Курс
Python for AI
basics recap:
git flow
project structure
code styling
documentation standards
decorators

data manipulation:
efficient math operations (NumPy)
accelerating numerical computations (Numba)
exploratory data analysis (pandas)
performance speed optimization (Cython)

neural networks (using PyTorch):
tensor operations
autograd and computation graphs
neural network design (torch.nn, layers, forward propagation)
training and optimization (loss functions, optimizers like SGD and Adam, training loops)
data handling (Datasets and DataLoader classes)

data visualization:
visualization fundamentals (Matplotlib)
high-level plotting (Seaborn)
interactive visualizations (Plotly)
web-oriented tools (Bokeh)
Курс
AI: from Basics to Transformers
(part 1)
basics:
supervised learning
regression
regularization
classification
metrics
logistic regression
Курсы продвинутой части
Курс
ML Ops
data:
data management (ClickHouse)
data processing manipulations (Plotly Dash, Streamlit)

model:
model engineering: hyperparameters tuning (Optuna)
prepare model for production (TorchScript, ONNX)

ML pipeline:
training/validation/evaluation logging
experiments tracking (Neptune.ai/MLflow)

serving:

deployment tools (Docker, FastAPI)

Курс
Decision making in AI
project structure
task formulation
task analysis
data collection
data annotation
exploratory data analysis
proof of concept (PoC) development
analysis of PoC results
PoC improvement
getting to the final result
presenting results
Курс
AI: from Basics to Transformers
(part 2)
intro to DL:
intro to deep learning
multilayer perceptron
backpropagation
deep learning mindset

CNNs:
convolutional neural nets
building convolutional architectures
residual networks
CNN training best practices

CV:
image retrieval (NEW)
image segmentation (NEW)

transformers:
attention mechanism in transformer
multi-head attention
properties of MHA
transformer encoder
transformer decoder
model interpretation
transformer training best practices
vision transformer
improving ViT
time series forecasting with transformer (NEW)
Курс
AI: from Transformers
to LLM
(part 3)
introduction to language models
large language models
RoPE (NEW)
GQA (NEW)
SwiGLU (NEW)

Практика

  • Приватные соревнования на Kaggle
  • 2 уровня поддержки (дадим рекомендации по написанию кода или предоставим готовые шаблоны проектов с правильной структурой)
  • Обсуждение распространенных ошибок
  • Разбор не только стандартных задач ML, но и задач из реальной жизни
  • Работа с табличными данными, картинками и текстом
  • От логистической регрессии до машинного перевода
  • Эффективные и вычислительно стабильные реализации алгоритмов

Рекомендация по уровню подготовки

Математика:
Знание школьной математики
Программирование:
Основы Git
Основы ООП
Основы SQL
Python:
Опыт программирования на Python
Информацию о порядке оказания услуг и возврате средств можно найти в FAQ и в договоре-оферте:
Свяжитесь с нами: school@razinkov.ai
Хотите участвовать
во втором потоке?
Дата старта 18 ноября 2024

Пожалуйста, заполните форму, чтобы мы могли с вами связаться
Нажимая кнопку, вы соглашаетесь с нашей политикой в отношении обработки персональных данных.
Отзывы о курсах
Хочу сказать спасибо за курсы и порекомендовать их.

Я начал свой путь с лекций Евгения, доступных на YouTube.
Смотря их, я подумал:
"Воу, вот это круто! На таком уровне я хочу разбираться."
Когда Евгений объявил о старте курсов, я немедленно присоединился.

Я думаю, курс подойдет всем, кому интересно понять, как работают трансформеры (и сверточные сети тоже) на самом деле — не на уровне фреймворков, а прямо на уровне математики и алгоритмов. Все эти кроссэнтропилоссы, свертки, аттеншены, лэернормы и прочие дропауты были деконструированы до косточек и подробно рассмотрены.

Качество практических заданий великолепное, видно, что проделала титаническая работа по разметке всех этих "TODO" в коде, чтобы мы могли поэтапно решать задачи. Спасибо вам за консультации по коду, советы и наставления. Сказать, что вы выкладывались по полной — ничего не сказать.

Курс очень насыщенный, мы обсуждали огромное количество деталей и интересных нюансов. На самостоятельное постижение ушли бы, наверное, годы. Горы теории и практики. Поэтому для максимального эффекта курс требует вовлеченности. Но это того стоит: когда видишь, как твой трансформер произносит свои первые когерентные слова, радуешься, будто это твой ребенок.
В русскоязычном сегменте интернета не видел настолько проработанные материалы по AI, как здесь.
Особенно впечатлил курс по математике, где был дан подробный разбор по сингулярному разложению матрицы (SVD) и PCA. Также впечатлило, что в рамках курса нейронные сети предлагается реализовать с нуля, используя только библиотеку Numpy, а уже после этого используя библиотеку PyTorch.
В общем, очень советую эти курсы, если заинтересованы серьезно разобраться в трансформерах.
О своем решении принять участие я не пожалел, и если бы существовала машина времени, которая перенесла бы меня в момент, когда я принимал решение об участии, то я бы повторил свой выбор.

Желаю курсам развития, и буду очень ждать появления новых материалов.

Отмечу некоторое уникальное преимущество данных курсов перед другими - Евгений обладает и коммерческим, и преподавательским опытом, то есть он знает, какие реальные задачи приходится решать, и может качественно объяснить, почему тот или иной подход для решения этой задачи работает или не работает. То есть он может не только рассказать о деталях под капотом, но и сделать это на понятном и доступном языке.

Общаясь с другими участниками, увидел, что некоторые одновременно проходят курсы на сторонних платформах и отмечают, что там слишком большой акцент делается на работе с Python/Pandas. Мне показалось, что в курсах Евгения в этом вопросе найден идеальный баланс.

Чего не хватило?!
1) Комьюнити по созданию профессиональных перспектив:
Видел что иногда в чатах возникали вопросы, выходящие за рамки курсов, и участники пытались помочь друг другу - это здорово!
Но можно было бы пойти дальше - помогать друг другу в поиске работы, организовывать стартапы. Думаю для этого нужно больше времени и условия, чтобы комьюнити развивалось и чтобы каждый участник знал основной профиль других участников.

2) Дополнительные материалы:
После завершения просмотра материалов по определенной теме хотелось бы видеть короткий список литературы (1-5 источников). Это могут быть книги, блоги, видеозаписи, статьи и другие материалы, в которых можно углубиться в тему или ознакомиться с материалами "смежных" тем.

3) Меньшая нагрузка:
Просмотр курсов мог занимать 3 вечера в неделю (иногда по 4 часа за вечер). Очень тяжело на выходных дополнительно работать над практическими задачами, выполнил одну или две (на каждую ушло 10-20 часов). Возможно было бы хорошей идеей подготовить "упрощенный" вариант практики, который требовал бы 5 -10 часов в неделю. Тем не менее я восхищен участниками, которые смогли проделать все практические задачи!
Небольшая предыстория.
В целом скептически отношусь к онлайн-курсам, потому что часто они скорее нацелены на большое количество продаж, а не на полезность продаваемых материалов, да и почти все есть в интернете в открытом доступе.

Про курсы я узнал на ютуб канале Евгения, где смотрел его курс "AI: от основ до трансформеров". Наверно мне очень понравилось, как Евгений рассказывает про алгоритмы, и в целом у меня было желание закрепить базу по ML, поэтому решил записаться на его курсы.
У меня уже был кое-какой опыт в ML/DL, но мне не хватало конкретно практики и четкого представления, в каком направлении двигаться. В целом за этим я на курсы и пошел. Ну и конечно за возможностью пообщаться вживую с Евгением.

Спасибо за ваш труд и время! Получились очень крутые и объемные курсы, которые дают всю необходимую базу, чтобы начать разбираться в ML/Dl и обучать свои модели, и самостоятельно дальше развиваться в этом направлении. Также с другими слушателями постепенно формируется AI-комьюинити, что само по себе круто.

Не сказал бы, что курсы подходят совсем новичкам, которые ничего не знают про ML/DL или программирование, сроки очень сжатые, но на курсах дается достаточно информации, чтобы разобраться во всем. В целом какой порог вхождения на сайте был написан, такой и нужен.
Для себя отметил очень хорошую обратную связь и большую заинтересованность объяснить и помочь разобраться, а также постоянный контакт со слушателями.

Как первопроходец еще раз говорю вам спасибо за ваши труды и желаю удачи!
Это были замечательные и невероятно насыщенные курсы. Было сложно, но очень интересно. Архитектура, математика, история, практика, МЛОПС - все было на высшем уровне. Материал подается с безумным энтузиазмом и отдачей на 110%. В меня как в Матрице загрузили огромный объем данных за короткий срок, и теперь я как Нео могу сказать "Я знаю кунг-фу".
Отличные курсы, названия соответствуют наполнению. По мере прохождения появляется понимание, что "магии" не существует. Данный курс не только открывает двери в AI, но и дает практику и способность понимать модные архитектуры и задачи, стоящие перед AI сообществом. Всячески рекомендую и жду продолжение.
В целом курс отлично оформлен и выполняет поставленные цели: материал подавался последовательно, с подробным разбором всех аспектов, Ответы на вопросы, организация и отзывчивость были на высшем уровне. Однозначно лучшие курсы по ML на данный момент, спасибо большое за ваш труд!
Вы проделали огромную работу, курсы очень сильные и насыщенные, я разобрался в архитектурах нейронных сетей и в принципе их работы на глубоком уровне.