6. Искусственный интеллект - о разделе

ОБЯЗАТЕЛЬНОДЛЯ НОВИЧКОВ

---

О разделе

Искусственный интеллект — это область компьютерных наук, которая занимается созданием систем, способных выполнять задачи, требующие интеллектуальных усилий. ИИ имитирует человеческое обучение, распознавание образов и принятие решений — но современный продуктовый ИИ — это программы на данных, а не «разум из фильма».

Полный маршрут и актуальная структура — в энциклопедии раздела 6.

---

Введение в ИИ

• 6.01. Что такое искусственный интеллект на самом деле
• 6.01. История развития искусственного интеллекта
• 6.01. Генеративный искусственный интеллект
• 6.01. Введение в ИИ — итоги
• 6.01. Классификация моделей искусственного интеллекта
• 6.01. Контекст
• 6.01. Мифы и реальность ИИ
• 6.01. Введение в ИИ — чек-лист

---

Машинное обучение

• 6.02. Машинное обучение
• 6.02. Алгоритмы ИИ
• 6.02. Обучение на базе готовой модели
• 6.02. Кодирование категориальных признаков
• 6.02. Категории обучения и стек инструментов
• 6.02. Разбиение данных и кросс-валидация
• 6.02. Сквозной проект — цены на жильё в Мельбурне
• 6.02. Смещение, дисперсия и переобучение
• 6.02. Деревья решений с нуля
• 6.02. Scikit-learn — регрессия и классификация
• 6.02. Модели обучения
• 6.02. Как начать с машинного обучения на Python без глубоких знаний математики
• 6.02. Машинное обучение — итоги
• 6.02. Машинное обучение — чек-лист

---

Нейросети

• 6.03. Нейрон
• 6.03. Первое обучение — перцептрон на NumPy
• 6.03. Нейросети — итоги
• 6.03. Нейросети и их связь с ИИ
• 6.03. Принцип работы современных ИИ-систем
• 6.03. Архитектуры нейронных сетей
• 6.03. Keras и TensorFlow — нейросети
• 6.03. Нейросети — чек-лист

---

Модели и инструменты

• 6.04. Большие языковые модели и ChatGPT
• 6.04. Модели и инструменты — итоги
• 6.04. ИИ-агенты
• 6.04. Подход AI First в разработке продуктов
• 6.04. Признаки использования нейросетей в цифровых продуктах
• 6.04. MCP-серверы
• 6.04. Автономные тестовые агенты
• 6.04. Агенты искусственного интеллекта
• 6.04. Генерация кода — ChatGPT, Gemini и DeepSeek
• 6.04. Параметры генерации LLM — напоминалка
• 6.04. Типы интеллектуальных агентов
• 6.04. RAG, MCP и агенты — три слоя архитектуры
• 6.04. Emergence World — поведение LLM в мультиагентной среде
• 6.04. Reasoning-модели
• 6.04. Российские нейросети
• 6.04. Как выбрать модель и где её запускать
• 6.04. Сколько стоит ИИ
• 6.04. Модели и инструменты — чек-лист

---

Разработка ИИ

• 6.05. Основы разработки ИИ-решений
• 6.05. Разработка ИИ — итоги
• 6.05. Развёртывание и обслуживание ИИ-моделей
• 6.05. Интеграция ИИ-моделей в приложения на Python
• 6.05. Работа с ИИ-моделями
• 6.05. Цифровые инструменты без ручного кодинга
• 6.05. Семь слоёв LLM-стека
• 6.05. Облачные API Cognitive Services
• 6.05. Оркестрация AI-агентов
• 6.05. Практикум — проекты по ИИ
• 6.05. Function calling и structured output
• 6.05. GraphRAG и agentic RAG
• 6.05. Оптимизация локального инференса LLM
• 6.05. Разработка ИИ — чек-лист
• 6.05. Интеграция ИИ в веб-приложения

---

Применение ИИ

• 6.06. Применение ИИ в бизнес-процессах
• 6.06. Роль ИИ в трансформации профессий
• 6.06. Ответственное использование ИИ и Copilot
• 6.06. ИИ, топ-менеджмент и AI-washing в корпоративном ПО
• 6.06. Монетизация цифровых продуктов с ИИ
• 6.06. Применение ИИ — итоги
• 6.06. ИИ в обеспечении информационной безопасности
• 6.06. Этические и технические проблемы ИИ
• 6.06. Микро-ML — когда ИИ нужен в каждом сервисе
• 6.06. Критический анализ результатов ИИ
• 6.06. ИИ и право в РФ
• 6.06. ИИ в учёбе
• 6.06. Распознавание лиц, объектов и текста
• 6.06. Применение ИИ — чек-лист

---

Вайб-кодинг и нейроконтент

• 6.07. Вайб-кодинг
• 6.07. Нейрослоп
• 6.07. Практический AI-стек — Lovable, Supabase, Cursor, n8n и ChatGPT
• 6.07. Claude Code — установка, контекст и практический проект
• 6.07. Мультимодальный ИИ
• 6.07. ZCode и GLM-5.2 — IDE-агент, длинный контекст и вайб-кодинг
• 6.07. Экономия токенов
• 6.07. Вайб-кодинг и нейроконтент — итоги
• 6.07. Вайб-кодинг и нейроконтент — чек-лист

---

AgentOps и MLOps

• 6.08. AgentOps и LLM-стек — слои 4–7
• 6.08. MLOps и LLM-стек — слои 1–3
• 6.08. AgentOps и MLOps — итоги
• 6.08. AgentOps и MLOps — чек-лист

---

Трансформеры и NLP

• 6.09. NLP и работа с текстом
• 6.09. Что такое трансформер — архитектура и особенности
• 6.09. Устройство трансформеров — теория и практика с нуля
• 6.09. Дообучение моделей на конкретные задачи NLP
• 6.09. Обзор и разбор трансформерных архитектур
• 6.09. Практика работы с предобученными моделями
• 6.09. Современные тренды в NLP (2018–2021)
• 6.09. Трансформеры в разных модальностях — текст, зрение, звук
• 6.09. Трансформеры и NLP — итоги
• 6.09. Трансформеры и NLP — чек-лист

---

Безопасность при работе с ИИ

• 6.10. Безопасность при работе с ИИ
• 6.10. OWASP LLM Top 10 для разработчика
• 6.10. Безопасность RAG и MCP
• 6.10. Песочница и права ИИ-агента
• 6.10. Политика данных и выбор LLM-провайдера
• 6.10. Red team и тестирование LLM-приложений
• 6.10. Slopsquatting и supply chain для ИИ
• 6.10. Дипфейки, голос и биометрия
• 6.10. ИИ в SOC и на стороне защитника
• 6.10. Безопасная интеграция LLM в мобильные и клиентские приложения
• 6.10. Безопасность при работе с ИИ — итоги
• 6.10. Безопасность при работе с ИИ — чек-лист