Курс рассчитан на подростков с прочной базой. Мы не принимаем всех желающих — это не массовый продукт, а инженерная программа для подготовленных учеников.

🔹 Обязательные требования:

• Возраст: от 14 лет (оптимально: 9–11 класс)
• База по программированию: пройден курс «Спортивное программирование» или аналогичный уровень
• Язык: уверенное владение Python (или C++) — переменные, функции, ООП, работа с данными
• Математическая готовность: базовое понимание алгебры, логики, работы с массивами

🔹 Что проверяем на диагностике:

• Умение читать и понимать чужой код
• Базовые алгоритмы (сортировка, поиск, работа с массивами)
• Понимание ООП (классы, наследование, инкапсуляция)
• Логическое мышление и способность разбивать задачу на шаги

🔹 Если базы нет:

Мы рекомендуем начать с подготовительных курсов (Python, спортивное программирование). Через 1–2 года подросток придёт на ИИ готовым и освоит материал в 3 раза быстрее.

Программа рассчитана на 2 года системного погружения — от работы с данными до создания полноценных нейросетей. Это не поверхностный обзор, а инженерная школа, где ребёнок проходит путь от «что такое нейросеть» до «какую архитектуру выбрать и почему».

📅 Программа по годам:

🎯 Что получит ребёнок за 2 года:

• Понимание архитектуры ИИ: как устроены нейросети, что такое обучение, веса, функции активации — без «магии»
• Практика на Python: библиотеки NumPy, Pandas, Scikit-learn, TensorFlow/Keras — реальные инструменты дата-сайентиста
• Работа с данными: сбор, очистка, визуализация, подготовка датасетов — 80% работы ИИ-инженера
• Создание моделей: классификация, регрессия, кластеризация, нейросети — от идеи до работающего прототипа
• Этика и безопасность: смещение данных, приватность, ответственность — как использовать ИИ без вреда

🔄 Чем мы отличаемся от «курсов по нейросетям для всех»:

Нейросети — это не «надстройка», а вершина айсберга. Чтобы создавать и понимать ИИ-модели, ребёнку нужна прочная база: алгоритмическое мышление (спортивное программирование) и свободное владение языком (4 года практики). Без этого он будет бороться с синтаксисом вместо того, чтобы изучать архитектуру нейросетей.

🔹 Спортивное программирование учит:

• Разбивать задачу на шаги, оценивать сложность алгоритма
• Находить ошибки логикой, а не перебором — это мышление инженера, а не пользователя

🔹 4 года языка (Python/C++) дают:

• Автоматизм в написании кода, понимание ООП, работу с данными, отладку, чтение чужого кода
• Без этого невозможно работать с библиотеками типа TensorFlow, PyTorch, Scikit-learn

🔹 Почему нельзя «сразу к нейросетям»:

• Чтобы обучить модель, нужно уметь готовить данные, писать функции потерь, оценивать метрики — это уровень продвинутого программиста, а не новичка
• Риск без базы: ребёнок будет копировать код из примеров, не понимая, «почему это работает» — результат: выученные действия вместо настоящего навыка

Нет, курс не рассчитан на новичков. Нейросети — это продвинутый уровень ИИ-инженерии. Для записи обязательна база: возраст от 14 лет, пройденный курс «Спортивное программирование» и 4 года изучения Python или C++.

🔹 Почему без базы нельзя:

• Обучение моделей требует работы с массивами, написания функций потерь, отладки и понимания метрик — это уровень уверенного программиста, а не пользователя

🔹 Роль спортивного программирования:

• Учит разбивать сложные задачи, оценивать вычислительную сложность и находить логические ошибки — мышление, без которого архитектуру нейросети не построить

🔹 Зачем 4 года языка:

• Автоматизм в синтаксисе, понимание ООП, работа с библиотеками (NumPy, Pandas, Scikit-learn) — без этого код будет копироваться, а не пониматься

🔹 Честная траектория:

• Если базы нет, мы рекомендуем начать с подготовительных курсов. Через 1–2 года подросток придёт на ИИ готовым и освоит материал в 3 раза быстрее

Мы не продаём «доступ к видеоурокам». Наш курс — это двухлетняя программа с преподавателем, где ребёнок получает не просто знания, а инженерное мышление и персональную обратную связь. Онлайн-марафоны дают «посмотреть и повторить», мы учим «понять и создать».

🔹 Сравнение форматов:

Нет, покупать игровой ПК сразу не обязательно. Для обучения на курсе подойдут большинство современных ноутбуков. Мы разделяем требования по годам: первый год — работа с данными и классические алгоритмы, второй — нейросети, где мощность желательна, но не критична.

🔹 Минимальные требования (хватит для старта):

• Процессор: Intel Core i3 / AMD Ryzen 3 (или новее)
• ОЗУ: 8 ГБ (можно работать, но с перерывами на «подумать»)
• Накопитель: SSD от 256 ГБ (обязательно — ускоряет загрузку библиотек и данных)
• ОС: Windows 10+, macOS 10.15+, Linux — любые, где работает Python
• Интернет: стабильный, для установки пакетов и работы с облачными ресурсами

🔹 Рекомендуемые (для комфорта на 2-м году):

• Процессор: Intel Core i5 / AMD Ryzen 5 или выше
• ОЗУ: 16 ГБ — чтобы не закрывать браузер при запуске Jupyter
• Видеокарта: дискретная (NVIDIA GTX/RTX) — ускоряет обучение нейросетей
• Накопитель: SSD 512 ГБ+ — для датасетов и проектов

Да, это сложный курс. Мы не скрываем этого: машинное обучение и нейросети — это высший уровень программирования, где пересекаются код, математика и инженерное мышление. Именно поэтому мы ставим жёсткие требования к базе и возрасту.

🔹 Почему сложно:

• Абстрактные концепции (градиентный спуск, функции потерь, архитектуры сетей)
• Отладка моделей, которые «не учатся» с первого раза
• Работа с метриками вместо готовых ответов

🔹 Кому подойдёт:

• Подросткам от 14 лет, прошедшим спортивное программирование и 4 года языка
• Тем, кто не боится сложных задач и готов к системной двухлетней работе

🔹 Как мы сопровождаем:

• Пошаговое введение, живой разбор ошибок, парное программирование
• Облачные GPU — чтобы технические барьеры не мешали учиться

Да, однозначно стоит, если у ребёнка уже есть база по математике, программированию и алгоритмическому мышлению. Сложность курса — это не недостаток, а фильтр: он формирует настоящий инженерный навык, недоступный на поверхностных марафонах.

🔹 Что получает ребёнок:

• Конкурентное преимущество: навыки уровня junior data scientist в 14–16 лет выделяют абитуриента среди тысяч других выпускников
• Синтез компетенций: курс объединяет математику, алгоритмы и код — редкий набор, который высоко ценится в реальных IT-компаниях
• Устойчивость к автоматизации: умение создавать и настраивать ИИ-модели требует инженерного мышления, которое не заменят сами нейросети
• Ускоренный рост: после этого курса любые смежные направления (компьютерное зрение, NLP, Big Data, Data Science) осваиваются в разы быстрее

Курс ведут практики с высокой квалификацией, но главное их отличие — умение объяснять сложные темы школьникам. Да, наши преподаватели работают в IT, знают машинное обучение изнутри, но они не читают лекции «как в вузе». Они переводят абстрактные концепции на язык, который понимает подросток 14–17 лет.

🔹 Почему университетский преподаватель или чистый программист не подойдёт:

• Они объясняют «как есть» — с терминами, формулами, допущениями, которые понятны взрослым специалистам, но перегружают школьника

🔹 Наш подход: «сначала смысл, потом термин»:

• Не «градиентный спуск — это оптимизация функции потерь», а «представь, что ты спускаешься с горы с завязанными глазами — как найти самую низкую точку?»

🔹 Педагогика + практика:

• Наши преподаватели проходят внутреннюю подготовку по работе с подростками: как давать обратную связь, как разбивать сложное на шаги, как поддерживать мотивацию при ошибках

🔹 Язык общения:

• Мы не «упрощаем до примитива», но и не «грузим академикой». Ребёнок слышит: «вот как это работает, вот почему так, вот как проверить» — без воды, но и без барьера

Первый курс — это фундамент понимания нейросетей. Ребёнок не просто «использует готовые модели», а понимает, как они устроены изнутри: от простейшего персептрона до сверточных сетей.

🧠 Введение в ИИ:

• Что такое ИИ и нейросети: история создания, эволюция, современное состояние
• Сферы применения: где ИИ уже работает и где будет работать
• Промпт-инжиниринг: как правильно писать запросы к нейросетям

🐍 Python для нейросетей:

• Повторение синтаксиса и подготовка к работе с библиотеками
• NumPy: работа с массивами и матрицами
• Pandas: обработка табличных данных
• Matplotlib: визуализация результатов

🔬 Архитектура нейросетей:

• Персептрон: линейная модель — основа всех нейросетей
• Весовые коэффициенты и пороги: как нейрон «принимает решение»
• Функции активации: Sigmoid, ReLU, Tanh — зачем они нужны
• Градиентный спуск: как нейросеть «учится» на ошибках
• Функция ошибки: как измерить, насколько модель ошибается

🏗 Полносвязные и сверточные сети:

• Полносвязная сеть: архитектура, слои, передача данных
• Решение задач классификации: от теории к практике
• Сверточные сети (CNN): зачем нужны, как работают свёртки
• CNN на практике: распознавание рукописных цифр (MNIST) и изображений одежды (FASHION MNIST)

🎯 Сравнение и проекты:

• Сравнение архитектур: когда использовать полносвязные, а когда сверточные сети
• Реальные задачи и проекты: применение нейросетей к практическим задачам

🎁 Результат курса:

Ребёнок понимает, как устроены нейросети изнутри: от персептрона до CNN. Может обучить простую модель, оценить её качество, выбрать подходящую архитектуру для задачи. Это база, без которой на 2 курсе будет сложно.

Для занятий нужен компьютер с современным процессором, 8+ ГБ оперативной памяти и SSD. Все библиотеки и среды разработки бесплатные. Для тяжёлых задач обучения нейросетей мы предоставляем доступ к облачным GPU — бесплатно для студентов курса.

🔍 Диагностика перед записью:

• Обязательна для всех: мы не записываем без проверки уровня
• Проверяем: знание Python (переменные, функции, ООП), базовые алгоритмы, логическое мышление
• Формат: онлайн или очно, занимает около часа
• Результат: методист говорит, готов ли ребёнок к курсу, или рекомендует подготовительные курсы

📚 Формат занятий:

• Мини-группы: 4–6 человек, чтобы преподаватель мог уделить внимание каждому
• Очные занятия: 1 раз в неделю, 2 академических часа
• Живой разбор кода: преподаватель смотрит, как ребёнок пишет, помогает с отладкой
• Домашние задания: обязательные, с проверкой и обратной связью

☁️ Облачные GPU:

Для обучения нейросетей нужна вычислительная мощность. Мы предоставляем бесплатный доступ к облачным GPU (Google Colab, Kaggle и другие платформы), чтобы технические барьеры не мешали учиться.

Запись на диагностику: it-schools.org/year/course/neuron/