Как учиться по этому курсу

Две страницы, которые сэкономят вам месяцы. Прочитайте до модуля 1.

Правило одного числа

В каждом модуле есть число, которое вы получаете сами: точность, награда, доля подтверждённых цитат. Не идите дальше, пока не понимаете, откуда это число взялось и что изменится, если поменять зерно ГПСЧ.

Соблазн велик: ноутбук запустился, метрика напечаталась, всё выглядит правильно. Но «запустилось» и «понял» — разные состояния, и разница между ними обнаруживается через три модуля, когда ничего уже не работает, а почему — непонятно.

Ноутбук читается дважды

Первый раз — сверху вниз, целиком, ничего не меняя, чтобы увидеть результат.

Второй раз — ломая. Поменяйте зерно. Уберите нормализацию. Сделайте выборку вдвое меньше. Поставьте шаг обучения в десять раз больше. Запишите, что произошло. Понимание живёт в том, как система ломается, а не в том, как она работает — работающая система выглядит одинаково независимо от того, поняли вы её или нет.

Записывайте прогоны с первого дня

Не в голове и не в названии файла model_final_v3_norm2.pkl. Заведите таблицу: что меняли, какое зерно, какое число получилось. К модулю 7 у вас будет привычка, без которой дальше нельзя, и десяток собственных наблюдений, которые окажутся интереснее половины материала.

Про математику

Формулы в курсе выводятся, а не предъявляются. Если вывод не пошёл — это не сигнал «я неспособен к математике». Это почти всегда сигнал, что пропущен один конкретный шаг раньше. Найдите его — обычно он в предыдущем модуле, — а не начинайте всё заново.

Второе: формулу надо уметь прочитать вслух словами. E[R] = Σ p(s) V(s) читается как «ожидаемая награда — это сумма ценностей состояний, взвешенных вероятностью в них оказаться». Если прочитать не получается, вы её не поняли, сколько бы раз ни переписали.

Про темп

Оценки времени в программе — для десяти часов в неделю. Отставание от них ничего не значит. Значение имеет только одно: не пропускать практику.

Модуль без практики — это просмотренный сериал про машинное обучение. Ощущение понимания он даёт, навык — нет. Это не морализаторство: разница между чтением и деланием в технических предметах измерена многократно и она большая.

Про ИИ-ассистентов

Пользоваться ими можно и нужно — вы будете работать в мире, где они есть. Но с одним правилом:

Ассистент объясняет — вы пишете. Спросить «почему здесь появляется минус» — отлично. Попросить «напиши мне решение задания» — вы только что заплатили деньгами и временем за курс, результат которого выбросили.

Проверка простая: если вы не можете объяснить строку кода вслух, её не должно быть в вашем решении.

Про застревание

Правило тридцати минут: застряли — тридцать минут пробуете сами, потом идёте за помощью. Не два дня и не две минуты.

Куда идти: issues курса. «Здесь я застрял, вот что пробовал» — самая полезная обратная связь, которая бывает у автора курса: она означает, что объяснение не сработало, и это дефект текста, а не ваш.

Про порядок

Части I–II пропускать нельзя, даже если вы уже что-то знаете про ML. Именно там вводится язык, на котором написан весь остальной курс: утверждение, базовая линия, честное сравнение. Модуль 14 про PPO опирается на модуль 1 не риторически, а буквально — там будет тот же бутстрэп на тех же зёрнах.

Дальше порядок частей III–VI можно менять, если у вас есть цель. Часть VII читается последней всегда.