Понятный курс о том, как на самом деле работают ChatGPT, Claude, Midjourney и вся генеративная магия
От «я просто тыкал в ChatGPT» до «я понимаю, что происходит под капотом и как это применять».
Это бесплатный курс о больших языковых моделях (LLM) и генеративных нейросетях для тех, кто до этого только пользовался готовыми ChatGPT / Claude / Midjourney и хочет наконец понять, как это устроено. Без академического занудства, с бытовыми аналогиями, но технически честно.
- Ты пользовался ChatGPT, Claude, Gemini или Midjourney, но не понимаешь, что происходит внутри.
- У тебя нет технического бэкграунда — ноль математики, программирования и машинного обучения. Это нормально, начинаем с абсолютного нуля.
- Ты хочешь не просто «нажимать кнопки», а осознанно выбирать модели, писать промпты, оценивать ограничения и, может быть, однажды делать что-то своё.
Если ты уже ML-инженер — этот курс будет для тебя слишком базовым (но забирай его друзьям 😉).
- По порядку. Модули идут от простого к сложному, каждый опирается на предыдущий.
- Руками. В конце каждого модуля есть блок «🔬 Попробуй сам» — не пропускай, теория без практики выветривается.
- Не бойся терминов. Все английские слова поясняются при первом появлении, а в конце есть 📖 глоссарий.
- Проверяй себя. Блок «❓ Проверь себя» — если не можешь ответить, вернись и перечитай.
Средний темп — 1–2 модуля в день. Весь курс — примерно 8–10 часов вдумчивого чтения с практикой.
📅 Данные актуальны на начало 2026. Область развивается стремительно: названия моделей, размеры контекстных окон, цены и бенчмарки устаревают за месяцы. Фундаментальные принципы остаются, а конкретные цифры и имена моделей сверяй с первоисточниками (см. 🔗 Ресурсы). Заметил устаревшее — присылай PR.
| # | Модуль | О чём | Уровень |
|---|---|---|---|
| 00 | Введение | Что такое ИИ, ML, нейросети и LLM. Карта курса | 🟢 |
| 01 | Токены и эмбеддинги | Как машина превращает текст в числа и смыслы | 🟢 |
| 02 | Трансформер | Архитектура, внимание (attention), как рождается текст | 🟡 |
| 03 | Зоопарк моделей | base / chat, reasoning, MoE, мультимодальные, open vs API | 🟡 |
| 04 | Параметры генерации | temperature, top-p, top-k и другие ручки | 🟡 |
| 05 | Контекстное окно | Сколько модель держит «в голове» и почему это важно | 🟡 |
| 06 | Скорость и производительность | Токены/сек, задержки, throughput, из чего складывается | 🟡 |
| 07 | Квантизация и оптимизация | Как ужать модель, чтобы она влезла и полетела | 🟡 |
| 08 | Железо и запуск | GPU/VRAM, локальный запуск, облако, API | 🟡 |
| 09 | Промптинг | Как разговаривать с моделью, чтобы получать нужное | 🟢 |
| 10 | RAG и дообучение | Своя база знаний, fine-tuning, LoRA — когда что | 🔴 |
| 11 | Агенты и инструменты | Function calling, tool use, агенты, MCP | 🔴 |
| 12 | Генерация изображений | Диффузия, Stable Diffusion, Flux, Midjourney, промптинг картинок | 🟡 |
| 13 | Оценка и ограничения | Галлюцинации, бенчмарки, безопасность, этика, цена | 🟡 |
| 14 | Гиганты: frontier-модели | Методы OpenAI / Anthropic / Google, нужные мощности, как приблизиться | 🔴 |
| 15 | Будущее и куда развиваться | Направления улучшений и с чего начать свой путь | 🔴 |
Дополнительно:
- 📖 Глоссарий терминов — все понятия в одном месте
- 🧪 Практикум — сквозные задания и чеклист «что попробовать руками»
- 🔗 Ресурсы для углубления — куда идти дальше
- Объяснять другу, что такое токен, контекстное окно и почему нейросеть иногда врёт.
- Осознанно выбирать модель под задачу (размер, окно, скорость, цена, open vs проприетарная).
- Писать промпты, которые работают, и крутить
temperature/top-pпод задачу. - Понимать, влезет ли модель в твою видеокарту, и как запустить её локально.
- Отличать RAG от дообучения и понимать, что такое агенты и MCP.
- Ориентироваться в генерации изображений и её отличиях от текстовых моделей.
- Видеть ограничения технологии и понимать, куда она движется.
A free, from-scratch course on large language models (LLMs) and generative AI — for people who have only used ChatGPT / Claude / Midjourney and now want to actually understand how it all works. No academic jargon, plenty of everyday analogies, but technically honest.
⚠️ The course materials are written in Russian. This section is a summary for international visitors.
- You've used AI chatbots or image generators but don't understand what happens inside.
- You have no technical background — zero math, coding, or machine learning required. We start from absolute zero.
- You want to move from "pushing buttons" to making informed decisions about models, prompts, and limitations.
16 sequential modules (Russian), from "what is a neural network" to "how to run a model locally" and "where the field is heading":
00 Intro · 01 Tokens & embeddings · 02 Transformer · 03 Types of models · 04 Sampling params · 05 Context window · 06 Speed & performance · 07 Quantization · 08 Hardware & running locally · 09 Prompting · 10 RAG & fine-tuning · 11 Agents & tools · 12 Image generation · 13 Evaluation & limits · 14 Frontier giants · 15 The future
Plus a glossary, a hands-on practice track, and further resources.
Start at Module 00 →
📂 Структура репозитория
llm-course/
├── README.md ← ты здесь
├── GLOSSARY.md ← глоссарий терминов
├── PRACTICE.md ← практикум и чеклист
├── RESOURCES.md ← ресурсы для углубления
├── LICENSE ← CC BY 4.0
└── modules/
├── 00-vvedenie.md
├── 01-tokeny-i-embeddingi.md
├── 02-transformer.md
├── 03-vidy-modeley.md
├── 04-parametry-generacii.md
├── 05-kontekstnoe-okno.md
├── 06-skorost-i-proizvoditelnost.md
├── 07-kvantizaciya-i-optimizaciya.md
├── 08-zhelezo-i-zapusk.md
├── 09-prompting.md
├── 10-rag-i-fine-tuning.md
├── 11-agenty-i-instrumenty.md
├── 12-generaciya-izobrazheniy.md
├── 13-ocenka-i-ogranicheniya.md
├── 14-giganty.md
└── 15-budushchee.md
Нашёл ошибку, неточность или устаревшую цифру? Технологии меняются быстро — issue и pull request приветствуются. Курс живой и будет обновляться.
Материалы курса распространяются под лицензией CC BY 4.0 — свободно используй, копируй, переводи и адаптируй с указанием авторства.
Понравился курс? Поставь ⭐ и поделись с друзьями.