В открытый доступ выложен свободный курс AI Engineering from Scratch: 523 урока в 20 фазах, где каждый алгоритм — от линейной алгебры и обратного распространения ошибки до агентов и роев — сначала выводится из сырой математики, и только затем подключаются фреймворки вроде PyTorch. Проект распространяется под лицензией MIT, не требует оплаты и аккаунтов, а его репозиторий на GitHub собрал свыше 62 тысяч звёзд и активно обновляется. Это бесплатный маршрут в современный AI-инжиниринг — от механики нейросетей до продакшена, safety и MCP.

image
image

Что произошло

Пост о курсе появился на Hacker News 3 октября 2026 года. Автор проекта — инженер Рохит Гхумаре (rohitg00), материалы открыты в репозитории github.com/rohitg00/ai-engineering-from-scratch. По данным GitHub API на 3 октября 2026 года, репозиторий собрал 62 904 звезды, последний пуш датирован 2 октября 2026 года, а месячный книжный релиз v2026.10 вышел 27 сентября 2026 года. Уроки сгруппированы в четыре трека: построение и деплой AI-приложений, инженерные основы, агент-ассистированная разработка и продуктовые навыки, к ним прилагаются отдельные маршруты по MCP (Model Context Protocol). Примеры кода пишутся на Python, TypeScript, Rust и Julia — язык подбирается под конкретную тему.

Контекст

Проект отражает сдвиг в обучении AI-инжинирингу: вместо разрозненных гайдов по обёрткам над LLM он покрывает полный инженерный стек — механизм внимания (attention), токенизаторы, циклы агентов и роев, MCP, обучение с подкреплением, мультимодальность, продакшен и safety. Подход «сначала выведи математику руками, потом бери PyTorch» известен в ML-образовании давно, поэтому новизна здесь не в идее, а в масштабе и оформлении: каждый урок идёт по воспроизводимому циклу, где за условием следует вывод формул, код и тест, и любой вывод можно проверить независимо. Открытых учебных материалов по Model Context Protocol до сих пор мало, что делает соответствующие маршруты курса особенно востребованными. В состав проекта входит и подготовка к сертификациям Claude и MCP Associate (MCPA) — с явным дисклеймером о том, что курс не аффилирован с Anthropic и Linux Foundation.

Почему это важно для индустрии

Для индустрии проект демонстрирует два переносимых паттерна. Первый — content-as-code: одни и те же уроки автоматически собираются средствами CI в книжные издания, что упрощает поддержание большого учебного корпуса в актуальном состоянии. Второй — упаковка образования как agent skill: репозиторий распространяется в формате SKILL.md, и ИИ-репетитор разворачивается прямо в рабочем окружении разработчика. Системное объяснение механики — attention, токенизаторов, agent-циклов, MCP — до подключения фреймворков помогает инженерам осознанно управлять inference cost и latency и быстрее находить причины проблем в прод-системах. Для команд курс выглядит готовым кандидатом в онбординг без закупки лицензий, а при сохранении темпа месячных релизов может закрепиться как де-факто открытое издание по AI-инжинирингу; знание MCP в ближайшие годы способно стать базовым ожиданием при найме инженеров LLM-приложений.

Почему это важно для пользователей

Практическая сторона проста: достаточно склонировать репозиторий командой git clone https://github.com/rohitg00/ai-engineering-from-scratch и открыть первый урок phases/00-setup-and-tooling/01-dev-environment — оплата и создание аккаунтов не нужны. Тем, кто учится в терминале, подойдёт ИИ-репетитор: команда npx skills add rohitg00/ai-engineering-from-scratch разворачивает его в рабочей среде и строит персональный маршрут по результату плейсмент-теста. Кто предпочитает чтение, получит готовое книжное издание в шести томах в форматах EPUB и PDF, прикреплённое к релизам GitHub. Соло-разработчик может совмещать уроки с привычными инструментами вроде Claude, Cursor или Codex, не переключаясь между разрозненными статьями.

Что пока неизвестно / ограничения

Качество уроков пока ничем, кроме популярности репозитория, не подтверждено: независимых внешних оценок в доступных источниках нет, а число в 523 урока остаётся заявленной автором величиной. Звёзды на GitHub измеряют внимание аудитории, а не качество материала; обсуждение на Hacker News на момент снятия данных насчитывало 1 балл и 0 комментариев, так что внешняя валидация ещё отсутствует. Курс не приносит новых научных результатов — это учебный ресурс и открытый справочник, а не исследование. Разделы про агентов и MCP описывают быстро меняющуюся часть стека, поэтому без регулярных обновлений материал рискует превратиться в устаревший срез 2026 года, и устойчивая ценность курса зависит от поддержки комьюнити и темпа релизов.

Источники

Автор

Look at AI, редакция