Это практический курс по ML — не слайды с формулами, а интерактив: подвинь ползунок и почувствуй регуляризацию. Нажми кнопку и увидишь, как градиент затухает в глубокой сети. Собери RAG-пайплайн и поймёшь, почему большие языковые модели (LLM) галлюцинируют без контекста. Каждая идея закреплена виджетом, который делает абстракцию осязаемой.

Нейрон — это функция: взвешенная сумма входов и нелинейная активация. Потащите точку по оси x. Сигмоида на краях насыщается — производная стремится к нулю? Поэтому глубокие сети на сигмоиде почти не учились до 2012. ReLU исправляет это: производная 1 при x > 0.

Обучение нейросети — поиск минимума в многомерном ландшафте. Шаг: градиент → шаг против градиента → повтор. Нажми Start и смотри, как шарик скатывается в долину. Слишком большой learning rate — перелёт. Слишком маленький — ползёт вечность.

После всех слоёв сеть выдаёт логиты. Softmax превращает их в вероятности: все положительные, в сумме 1. Температура T задаёт «уверенность»: низкая T — один класс доминирует; высокая — более плоское распределение. Тот же рычаг при сэмплировании из LLM.