1. Введение
  2. Об авторе
  4. Месяц 1 — Foundations (Основы)
  5. Обзор
  6. Основы математики
  7. NumPy
  8. Pandas
  9. Matplotlib и Seaborn
  10. Проект EDA (Capstone)
  11. Упражнения
  13. Месяц 2 — Классический ML (Scikit-learn)
  14. Обзор
  15. Введение в ML
  16. Регрессия
  17. Классификация
  18. Кластеризация
  19. Инженерия признаков
  20. Оценка модели
  21. Ансамблевые методы (XGBoost, LightGBM)
  22. Упражнения
  24. Месяц 3 — Глубокое обучение
  25. Обзор
  26. Основы нейронных сетей
  27. Основы PyTorch
  28. TensorFlow и Keras
  29. Техники обучения
  30. CNN — Свёрточные сети
  31. RNN, LSTM, GRU
  32. Упражнения
  34. Месяц 4 — Computer Vision + NLP
  35. Обзор
  36. Введение в Computer Vision
  37. Работа с OpenCV
  38. YOLO и Object Detection
  39. Основы NLP
  40. Предобработка текста
  41. Введение в Transformers
  42. Упражнения
  44. Месяц 5 — LLM, RAG и AI-агенты
  45. Обзор
  46. Основы LLM
  47. Prompt Engineering
  48. API OpenAI и Anthropic
  49. LangChain и LlamaIndex
  50. Векторные базы данных
  51. RAG Pipeline
  52. AI-агенты
  53. Fine-tuning (LoRA, QLoRA)
  54. Упражнения
  56. Месяц 6 — MLOps и Production
  57. Обзор
  58. Введение в MLOps
  59. MLflow — отслеживание экспериментов
  60. DVC — версионирование данных
  61. FastAPI + ML Serving
  62. Docker и Kubernetes
  63. Мониторинг моделей
  64. CI/CD для ML
  65. Airflow и Prefect
  66. Упражнения
  68. Финальные проекты
  69. Портфолио-проекты
  70. 1. Prediction API (Классический ML + FastAPI)
  71. 2. Сервис Computer Vision
  72. 3. RAG-чатбот
  73. 4. MLOps Pipeline (End-to-End)
  75. Ресурсы
  76. Список ресурсов
  77. Книги
  78. Онлайн-курсы
  79. YouTube-каналы
  80. Datasets
  81. Cheatsheets
  84. Glossary (Словарь)