Od nachylenia do propagacji wstecznej: zbuduj mały silnik autogradowy
Rozkład wektorów i podprzestrzenie: co matryca czyta i kasuje
Jak neurony stały się algebrą liniową
Co robi macierz wag i dlaczego potrzebujemy nieliniowości
Jak od podstaw zbudować drzewo regresyjne
Jak zbudować klasyfikator na drzewie decyzyjnym od zera
Negatywne próbkowanie i uczenie kontrastywne — od word2vec do CLIP
Osadzenia słów — word2vec i wektory, które coś znaczą
Floaty, bfloat i jak bity kształtują pamięć modelu
Dogłębna analiza: jak składać kontekst dla agenta LLM
Budujemy Model Armor: wielowarstwowe filtrowanie bezpieczeństwa dla LLM
Jak zabezpieczyć aplikację webową, której nie rozumiesz do końca
Zrozumieć CNN — konwolucje, mapy cech i pooling
Narzut GPU: dlaczego nasz model MNIST trenuje się szybciej na CPU
Wpływ hiperparametrów na trening
Async/await dla kontenerów: jak Trigger.dev zawiesza i wznawia działające zadania
Trenowanie prawdziwej sieci na MNIST
Anatomia ataku na łańcuch dostaw wymierzonego w programistę
Jak uczą się sieci neuronowe: propagacja wsteczna i spadek gradientu
Jak działa arytmetyka dwójkowa: liczby całkowite w uzupełnieniu do dwóch i liczby IEEE-754
Kod z przesunięciem a uzupełnienie do dwóch: dwa sposoby reprezentowania liczb ze znakiem
Dijkstra miał rację — rekurencja nie powinna być trudna
Rozwiń umiejętności inżynierii wstecznej
Zostań zawodowcem w GIT, poznając architekturę GIT w 15 minut
Jak Number w JavaScripcie i float w Pythonie przechowują liczby
Łagodne wprowadzenie do kompilatorów. Część 1: analiza leksykalna i skaner
Sygnały w Angularze: dogłębna analiza dla zajętych programistów
Łącząc kropki: dokąd mogą zaprowadzić ciężka praca i marzenia
Jak zaokrąglać liczby binarne
Prosta matematyka stojąca za algorytmami konwersji dziesiętno-binarnej