Понять свои системы и добрать то, чего в них нет
Начинаем с девяти систем, которые уже работают в студии, но пока видны тебе как чёрные ящики: очередь агентных задач, песочницы, MCP-серверы, корпус прогонов, обученная голова, инференс на телефоне, поставка. Нужно понять, как они устроены. Затем добрать то, чего в них нет: RAG, SQL, облако, сервисный слой, LangGraph, PyTorch.
Как проходит модуль
- Разбор — я пишу по нашему коду: как он работает, почему так устроен и что его ограничивает.
- Своими руками — небольшой артефакт за вечер. Для него нужно переписать код, замерить работу или проверить отказ.
- Допрос — я играю интервьюера, включая неудобные вопросы, до честного «не знаю».
- Запись — конспект твоими словами. К собеседованию повторяешь материал по нему вместо чтения кода.
Маршрут по неделям
Порядок учитывает спрос на рынке, нашу базу и время на модуль. Модули 4 и 9 идут в одну неделю: MCP требует мало времени, SQL — самый быстрый вход из списка.
Общий чеклист процесса
Эти пункты выполняются параллельно любому модулю. Модуль считается закрытым, когда отмечены его задачи и все семь пунктов процесса.
Обозначения
Модули
Прогресс хранится в браузере и никуда не отправляется. Кнопка «экспорт» сохраняет файл прогресса — его можно перенести на другое устройство через «импорт».
Статьи по нашим системам
Внутри модулей читаем пять разборов: обучение своего решателя, парный замер моделей, локальный инференс, распознавание речи на малине и приёмка работы модели по проверкам. Ответа агента для приёмки недостаточно. Всего 67 минут чтения.
План не даёт формального ML-образования, опыта работы с ML у чужого клиента (Airflow/Kafka/Spark, DWH, A/B, дежурства) или публичных звёзд. Эти границы нужно знать заранее и прямо назвать на интервью.
Источник данных страницы: learning/PLAN.md. Реестр чёрных ящиков ведётся там же.