DigitableCourses
Настройки портала
English
Показать возможности портала

Локально и без аккаунта. Аккаунта нет, регистрация не нужна: введённое в инструменты остаётся в localStorage браузера и на сервер не уходит.

Свой счётчик считает открытия страниц и дочитывания: уезжает адрес и десятая доля текста. Без cookies и чужих счётчиков, IP не хранится, Do Not Track уважается. Как это проверить

Репозиторий портала не выложен, «открытым кодом» мы его не зовём. Открыто это:

Digit flang Допуск агента tools-core IT Tools Chat digitwm blender-mcp Hugging Face Лицензии

Живёт портал на донатах, платных консультациях и разборах по запросу и покупке Workbench.

Поддержать Заказать разбор Workbench

Планов делать курсы платными нет.

О видео

В этом видео:

  • как работают LLM, нейросети и алгоритмы машинного обучения на базе SBSE
  • почему нейросети не “думают”
  • что такое токены и контекстное окно
  • как устроен профессиональный промптинг: ZS, FS, RCTF, ToT, CoT
  • что такое RAG, MCP и AI-агенты
  • зачем нужны видеокарты
  • как генерируются картинки
  • и почему AI — это уже не “магия”, а инженерный инструмент

Видео подойдёт:

  • разработчикам
  • тем, кто только начинает разбираться в AI
  • и всем, кто хочет понять как это работает без хайпа и маркетинга

📌 Видео сделано на основе стрима — без вырезания контекста и с объяснениями по ходу.

Текстовая версия

Лекция разобрана в текстовый трек из 16 глав — ИИ для инженера: основы. Читается без проигрывателя, ищется поиском по порталу, каждая глава ссылается на нужную минуту этой записи.

Глава Таймкод
Предсказуемость: какой вопрос на самом деле решает ИИ 00:00
Цепи Маркова: предсказание без понимания 05:00
Машинное обучение: картинки, звук, текст 12:15
Нейросети: как обучают модель 19:32
Представления: почему модель «не знает», как выглядит мир 21:10
Большие языковые модели: от T9 до трансформера 30:13
Токены, контекстное окно и память диалога 38:04
Железо: почему для ИИ нужны видеокарты 36:39
Могут ли нейросети думать 34:20
Промптинг: RCTF и STAR 43:32
Продвинутый промптинг: ZS, FS, CoT, CoV, ToT 53:53
Диффузионные модели: как генерируются изображения 01:00:30
RAG, MCP и агенты 01:14:51
Провайдеры, фрейминг и цензура 01:20:55
SDD, оркестрация и разговоры о замене специалистов 01:35:30

Таймкоды

00:00 — Научный вопрос и предсказуемость
05:00 — Цепи Маркова
11:12 — Основные вехи ИИ
11:30 — SBSE
12:15 — Машинное обучение: картинки
15:36 — Машинное обучение: аудио
17:22 — Машинное обучение: текст
19:32 — Нейросети и обучение моделей
21:10 — Мы не знаем как выглядит мир
23:38 — Поиск взаимосвязей
30:13 — Большие языковые модели
32:15 — Как LLM понимает текст
34:20 — Могут ли нейросети думать
36:39 — Зачем нужны видеокарты
38:04 — Токеномика
43:32 — Промптинг
47:10 — STAR
53:23 — Польза промптинга
53:53 — Advanced Prompting
53:56 — Zero-shot prompting
54:54 — Few-shot prompting
56:06 — Chain of Thoughts
57:01 — Контекстное окно у LLM
58:02 — Как LLM помнит ваши запросы
01:00:30 — Диффузионные модели
01:01:58 — Как генерируются картинки
01:03:02 — Мотивация провайдеров на оптимизацию
01:06:05 — Chain of Verification
01:06:14 — Tree of Thoughts
01:09:00 — RCTF
01:14:51 — RAG
01:16:00 — Кому нужен промптинг?
01:16:29 — Кому ИИ может помочь?
01:20:55 — DeepSeek vs ChatGPT vs Gigachat
01:21:45 — Фрейминг и цензура
01:35:30 — SDD (Spec-Driven Development)
01:40:34 — Оркестрация
01:42:56 — Подводим итоги
01:46:57 — Самый важный подход для применения ИИ сегодня
01:49:49 — Коротко про MCP и skills
01:51:40 — Про замену специалистов на ИИ