Новый проект
amitshekhariitbhu/100-days-of-ai
Структурированный стодневный учебный маршрут по искусственному интеллекту: от основ машинного обучения и LLM до RAG, AI-агентов, инференса и оценки систем.
- Stars
- ★ 62
- Forks
- ⑂ 14
- Язык
- n/a
- Статус
- В канале 1 янв. 1 г.
AI-разбор
Проект представляет собой учебный марафон на 100 дней, где каждый день посвящен одному понятию искусственного интеллекта и сопровождается ссылкой на отдельный материал. Программа начинается с основ машинного обучения и обучения нейронных сетей, затем последовательно разбирает архитектуру Transformer, большие языковые модели, генеративные модели, дообучение и оптимизацию инференса. Отдельные этапы посвящены embeddings, векторному поиску, RAG, AI-агентам, мультиагентным системам, LangChain и LangGraph. Финальная часть охватывает оценку, наблюдаемость и надежность AI-систем, а также малые языковые модели, reasoning-модели и несколько разборов современных исследовательских направлений. README не указывает на программный код, встроенные приложения или автоматизированные тесты; проект организован как последовательность внешних образовательных публикаций с днями повторения.
Разработчики, инженеры по машинному обучению, начинающие специалисты по AI Engineering и технические руководители, которым нужен последовательный обзор современных методов, архитектур и инструментов искусственного интеллекта.
Что внутри
- 100-дневная программа изучения искусственного интеллекта с последовательными темами и материалами
- Разделы по машинному обучению, нейронным сетям, Transformer и внутреннему устройству LLM
- Материалы по генеративным моделям, включая diffusion models, GANs, VAE, JEPA и мультимодальный AI
- Изучение обучения и адаптации LLM: RLHF, PPO, DPO, GRPO, LoRA, дистилляция и continual learning
- Разбор retrieval-стека, инференса и обслуживания LLM, включая vector databases, RAG, KV Cache, vLLM, SGLang и GGUF
- Практическая структура прохождения с ежедневными заметками, публичным отслеживанием прогресса и днями повторения
Где применять
- Самостоятельное последовательное изучение основ AI Engineering разработчиками и инженерами по машинному обучению
- Подготовка индивидуального учебного плана по LLM, RAG, инференсу и AI-агентам
- Систематизация знаний специалистами, которые переходят от классического машинного обучения к современным генеративным системам
- Использование как программы повторения перед разработкой или оценкой приложений на базе LLM и AI-агентов
Темы