Карта атласа

Все разделы и темы

28 глав, 437 тем — весь справочник одной страницей. Каждая глава самодостаточна: начните с того, что нужно прямо сейчас, или пройдитесь глазами и заберите то, чего не искали.

Ищете конкретное — наберите здесь:

Тема ведёт на разбор с формулами и графиками. Дальше по маршруту: тесты, кейсы системного дизайна, карьерный атлас и видеолекции по тайм-кодам.

01

Foundations

7 тем

Основы — Математический фундамент машинного обучения

Linear Algebra Calculus Probability Statistics Information Theory Optimization Numerical Methods

02

Data

14 тем

Данные — Всё, что происходит с данными до модели

Synthetic Data Data preprocessing Missing values Outliers Feature engineering Encoding Normalization & Standardization Feature selection Dimensionality reduction Data leakage Train / Validation / Test split Imbalanced Data Data Labeling Data Visualization

03

Classical Machine Learning

18 тем

Классическое машинное обучение — Модели, которые всё ещё выигрывают на табличных данных

Linear Regression Logistic Regression Decision Trees Random Forest Gradient Boosting XGBoost LightGBM CatBoost k-Means DBSCAN GMM PCA Stacking and Blending Isolation Forest Generalized Additive Models k-NN Naive Bayes SVM

04

Deep Learning

21 тема

Глубокое обучение — От перцептрона до диффузионных моделей

05

NLP

21 тема

Обработка естественного языка — От мешка слов до RAG

06

Computer Vision

11 тем

Компьютерное зрение — Как модели видят изображения

Multimodal Models Image preprocessing CNN Object Detection Image Classification Segmentation OCR Vision Transformers Object Tracking Pose and Keypoints Feature extraction

27

3D Computer Vision

18 тем

Трёхмерное зрение — Геометрия камеры, реконструкция сцены и нейронный рендеринг

Monocular Depth Estimation Neural Radiance Fields 3D Gaussian Splatting Pinhole Camera Model Homogeneous Coordinates Camera Calibration Rotation Representations Homography and DLT Local Features and Matching Epipolar Geometry Fundamental and Essential Matrix Triangulation Structure from Motion Bundle Adjustment Stereo Depth Point Clouds Rendering Parametric Body Models

07

Time Series

16 тем

Временные ряды — Данные, у которых есть порядок

Transformer forecasting Temporal Convolutional Network Physics-Informed Neural Networks Stationarity Autocorrelation Exponential Smoothing Feature-based forecasting RNN/LSTM Anomaly detection Kalman Filter Intermittent Demand Hierarchical Forecasting 1D CNN for Time Series AR / MA / ARIMA SARIMA Prophet

08

Unsupervised Learning

8 тем

Обучение без учителя — Структура данных без разметки

Clustering Dimensionality Reduction Density Estimation Anomaly Detection Representation Learning HDBSCAN Spectral Clustering Association Rules

09

Reinforcement Learning

20 тем

Обучение с подкреплением — Обучение через взаимодействие и награду

10

Topological Data Analysis

12 тем

Топологический анализ данных — Форма данных как признак

TDA + Machine Learning TDA + Time Series Topology basics Metric spaces Simplicial complexes Homology Persistent Homology Persistence Diagrams Persistence Landscapes Betti Numbers Mapper Topological features

11

Metrics

30 тем

Метрики — Чем измерять качество модели

12

Model Evaluation

12 тем

Оценка моделей — Как понять, что модель действительно работает

Cross-validation K-Fold Stratified K-Fold Bootstrap Statistical significance Confidence intervals Hypothesis testing A/B testing Calibration Error analysis Ablation studies Leave-One-Out

13

Model Interpretability

8 тем

Интерпретируемость моделей — Почему модель приняла именно такое решение

Feature importance Permutation Importance SHAP LIME Partial Dependence ICE Counterfactual explanations Saliency Maps and Grad-CAM

14

Optimization

13 тем

Оптимизация обучения — Как именно модель приходит к своим весам

Gradient Descent SGD Momentum Adam AdamW Learning Rate Scheduling Batch size Regularization Weight Decay Early Stopping Gradient Clipping Mixed Precision RMSProp

15

Generative AI

26 тем

Генеративный ИИ — Модели, которые создают, а не только классифицируют

16

MLOps

17 тем

MLOps — Модель в проде, а не в ноутбуке

Feature Stores Drift Detection ML Pipelines Experiment Tracking MLflow Data Versioning Model Versioning Model Deployment Monitoring Retraining Docker Kubernetes Experiment Configuration Testing ML Code Inference Optimization CI/CD for ML MLOps Maturity

17

Practical ML

14 тем

Практика ML — Как довести задачу от постановки до продакшена

Weak Supervision Problem formulation Baselines Feature engineering Hyperparameter tuning Grid Search Random Search Bayesian Optimization Debugging models Overfitting Underfitting Data leakage Production ML Active Learning

28

Algorithms and Data Structures

23 темы

Алгоритмы и структуры данных — Сложность, приёмы, структуры под задачу — и как узнать нужный приём по условию

18

Mathematical Concepts

17 тем

Математический справочник — Короткие определения для быстрой сверки

Vector Matrix Eigenvalue Eigenvector Norm Distance Gradient Hessian Probability Distribution Expectation Variance Covariance Entropy KL Divergence Cross-Entropy Bayes Theorem Correlation

19

Mathematical Analysis

12 тем

Математический анализ — Пределы, производные, интегралы и оптимизация с ограничениями

Differential Equations Limits and Continuity Derivative Differentiation Rules Integral Taylor Series Series and Convergence Numerical Differentiation Multivariable Calculus Jacobian Lagrange Multipliers Convexity

20

Probability & Distributions

19 тем

Теория вероятностей и распределения — Законы, по которым порождаются данные

Probability Axioms Random Variables Conditional Independence Law of Large Numbers Central Limit Theorem Normal Distribution Log-normal Distribution Power Law Poisson Distribution Exponential Distribution Binomial & Bernoulli Beta Distribution Heavy Tails Extreme Value Theory Markov Chains Bayesian Inference Maximum Likelihood MCMC Variational Inference

21

Dynamical Systems & Fractals

13 тем

Динамические системы и фракталы — Хаос, самоподобие и универсальные постоянные

Logistic Map Bifurcations Feigenbaum Constant Chaos Lyapunov Exponent Attractors Fractals Mandelbrot Set Fractal Dimension Self-similarity 1/f Noise Takens' Theorem Complex Systems

22

Graphs & Networks

12 тем

Графы и сети — Данные, у которых есть структура связей

Graph Neural Networks Knowledge Graphs Graph Basics Centrality PageRank Community Detection Scale-free Networks Small World Network Motifs Graph Embeddings Message Passing Link Prediction

23

Data Engineering

21 тема

Инженерия данных — Откуда берутся данные, на которых учится модель

24

ML System Design

13 тем

Системный дизайн ML-сервисов — Как спроектировать сервис вокруг модели

GPU Inference Privacy and Security LLM Serving Requirements and SLA Serving Architecture Online and Offline Features Cost Model Caching Batching and Queues Scaling Reliability Observability Experiment Infrastructure

25

AI Safety

10 тем

Безопасность ИИ — Как модель ломают и как её защищают

Adversarial Examples Data Poisoning and Backdoors Differential Privacy Federated Learning Prompt Injection Red Teaming Agent Security Model Privacy Attacks Secure Inference AI Governance

26

Compute Infrastructure

11 тем

Вычислительная инфраструктура — Железо, на котором обучаются модели

AI Accelerators Distributed Training GPU Architecture GPU in PyTorch Collective Operations Cluster Networking Training Throughput Distributed Hyperparameter Search Capacity Planning Infrastructure as Code Backups and Redundancy