Полигон YMLSYMLS PolygonТашкент · 2026Tashkent · 2026
до попыткиuntil the attempt —
ML-школаML School

Лестница навыковSkill ladder

Уровни меняет только тьютор по журналу доказательств; задачи здесь — материал для него.Only the tutor changes levels, based on the evidence log; your answers here are that evidence.

уровниlevels
  • 0не изученnot met
  • 1знакомствоexposed
  • 2понимает разборfollows
  • 3решает без подсказокsolves alone
  • 4свободноfluent
  • 5переносит в новоеtransfers
  • ?не оценёнnot assessed

Счёт и дискретная вероятностьCounting and discrete probability

ididНавыкSkillНужно доPrerequisitesУровеньLevelСтатусStatusПовторNext reviewВ приложенииIn the app
F1.1Счёт вариантов: правило произведения, перестановки, сочетанияCounting: rule of product, permutations, combinations—3решает без подсказокsolves aloneнужно освежитьstaleпора повторитьdue—
F1.2Классическая вероятность: благоприятные исходы / все исходыClassical probability: favorable / total outcomesF1.13решает без подсказокsolves aloneнужно освежитьstaleпора повторитьdue—
F1.3Сложный счёт: суммы на кубиках, расстановки с промежутками, шары и перегородкиAdvanced counting: dice sums, arrangements with gaps, stars and barsF1.12понимает разборfollowsнужно освежитьstaleпора повторитьdue—
F1.4Дополнение и «хотя бы один»Complement and "at least one"F1.22понимает разборfollowsнужно освежитьstaleпора повторитьdue—
F1.5Биномиальная схема: успех, ровно k успехов, суммы случаевBinomial model: success, exact counts, sums of casesF1.23решает без подсказокsolves aloneнужно освежитьstaleпора повторитьdue—
F1.6Условная вероятность, таблицыConditional probability, tablesF1.23решает без подсказокsolves aloneнужно освежитьstaleпора повторитьdue—
F1.7Формула полной вероятности и формула БайесаTotal probability and BayesF1.63решает без подсказокsolves aloneнужно освежитьstaleпора повторитьdue—
F1.8Взвешенные доли и смеси подгруппWeighted rates / mixtures of subgroupsF1.63решает без подсказокsolves aloneнужно освежитьstaleпора повторитьdue—

Случайные величины и статистикаRandom variables and statistics

ididНавыкSkillНужно доPrerequisitesУровеньLevelСтатусStatusПовторNext reviewВ приложенииIn the app
F2.1Математическое ожидание, линейность, индикаторыExpectation, linearity, indicator variablesF1.22понимает разборfollowsнужно освежитьstaleпора повторитьdue—
F2.2Дисперсия, дисперсия суммы, независимостьVariance, variance of sums, independenceF2.12понимает разборfollowsнужно освежитьstaleпора повторитьdue—
F2.3Непрерывные распределения: плотность, функция распределения, квантиль и медианаContinuous distributions: density, CDF, quantile/medianF3.41знакомствоexposedнужно освежитьstaleпора повторитьdue—
F2.4Геометрическая вероятность (равномерное распределение на области)Geometric probability (uniform on regions)F2.3 F3.42понимает разборfollowsнужно освежитьstaleпора повторитьdue—
F2.5Оценки: смещение и дисперсияEstimators: bias and varianceF2.23решает без подсказокsolves aloneнужно освежитьstaleпора повторитьdue—
F2.6Метод моментовMethod of momentsF2.11знакомствоexposedнужно освежитьstaleпора повторитьdue—
F2.7Метод максимального правдоподобия (дискретный случай): правдоподобие, логарифм, максимумMaximum likelihood (discrete): likelihood, log, maximizeF2.1 F3.2 F3.61знакомствоexposedнужно освежитьstaleпора повторитьdue—
F2.8Метод максимального правдоподобия (непрерывный случай), глобальный максимум на областиMaximum likelihood (continuous), global max on a domainF2.7 F2.31знакомствоexposedнужно освежитьstaleпора повторитьdue—

Математический анализCalculus

ididНавыкSkillНужно доPrerequisitesУровеньLevelСтатусStatusПовторNext reviewВ приложенииIn the app
F3.1Пределы; правила для логарифмов и степенейLimits; logarithm and exponent rules—1знакомствоexposedнужно освежитьstaleпора повторитьdue—
F3.2Производные: правила, производная сложной функцииDerivatives: rules, chain ruleF3.12понимает разборfollowsне начатnot started20 октября 2026October 20, 2026f01 решено 4 из 44 of 4 solved
F3.3Оптимизация функции одной переменной (критические точки, концы отрезка)Optimization in one variable (critical points, endpoints)F3.22понимает разборfollowsнужно освежитьstaleпора повторитьdue—
F3.4Интегралы: первообразные, замена переменной, формула Ньютона — ЛейбницаIntegrals: antiderivatives, substitution, FTCF3.22понимает разборfollowsнужно освежитьstaleпора повторитьdue—
F3.5Интегрирование по частям, рекуррентные формулы, понижение степениIntegration by parts, recurrences, power reductionF3.41знакомствоexposedнужно освежитьstaleпора повторитьdue—
F3.6Логарифм произведения (сумма логарифмов)Logarithm of products (sum of logs)F3.12понимает разборfollowsнужно освежитьstaleпора повторитьdue—
F3.7Частные производные и градиент (функции многих переменных)Partial derivatives and gradient (multivariable)F3.21знакомствоexposedне начатnot started19 октября 2026October 19, 2026f01 решено 5 из 105 of 10 solved

Линейная алгебраLinear algebra

ididНавыкSkillНужно доPrerequisitesУровеньLevelСтатусStatusПовторNext reviewВ приложенииIn the app
F4.1Векторы, скалярное произведение, нормаVectors, dot product, norm—3решает без подсказокsolves aloneнужно освежитьstaleпора повторитьdue—
F4.2Действия с матрицами, произведение, транспонированиеMatrix operations, product, transposeF4.13решает без подсказокsolves aloneне начатnot started22 октября 2026October 22, 2026f01 решено 4 из 44 of 4 solved
F4.3Метод Гаусса, ранг, решение системGaussian elimination, rank, solving systemsF4.21знакомствоexposedнужно освежитьstaleпора повторитьdue—
F4.4Обратная матрица, следInverse matrix, traceF4.32понимает разборfollowsне начатnot started20 октября 2026October 20, 2026f01 решено 2 из 42 of 4 solved
F4.5Определитель, внешнее произведение, I + uvᵗDeterminant, outer product, I + uvᵀF4.21знакомствоexposedнужно освежитьstaleпора повторитьdue—
F4.6Собственные значения и собственные векторыEigenvalues and eigenvectorsF4.50не изученnot metне начатnot started——

Алгоритмы и программированиеAlgorithms and programming

ididНавыкSkillНужно доPrerequisitesУровеньLevelСтатусStatusПовторNext reviewВ приложенииIn the app
F5.1Динамическое программирование (состояния, рекуррентные формулы)Dynamic programming (states, recurrences)F1.11знакомствоexposedнужно освежитьstaleпора повторитьdue—
F5.2Основы PythonPython basics—?не оценёнnot assessedне начатnot startedнужна оценкаto assess—
F5.3Массивы NumPy и векторизацияNumPy arrays and vectorizationF5.2 F4.2?не оценёнnot assessedне начатnot startedнужна оценкаto assess—

Навыки курса YMLSYMLS course rungs

ididНавыкSkillНужно доPrerequisitesУровеньLevelСтатусStatusПовторNext reviewВ приложенииIn the app
CM.1Производная как лучшее линейное приближение; о-малоеDerivative as best linear approximation; little-o notationF3.1 F3.21знакомствоexposedпройден на лекцииtaught in lecture 10-13—m01 решено 0 из 20 of 2 solved
CM.2Теорема Лагранжа о среднем; формула Тейлора с остаточным членом в форме Лагранжа (формулировка и идея доказательства)Mean value theorem; Taylor's theorem with Lagrange remainder (statement + proof idea)CM.11знакомствоexposedпройден на лекцииtaught in lecture 10-13—m01 решено 0 из 60 of 6 solved
CM.3Ряды Тейлора для eˣ, sin, cos; остаточный член → 0Taylor series of eˣ, sin, cos; remainder → 0CM.21знакомствоexposedпройден на лекцииtaught in lecture 10-13—m01 решено 0 из 20 of 2 solved
CM.4Векторная и матричная запись; вектор-строки и вектор-столбцы; правила транспонированияVector/matrix notation; row vs column vectors; transpose rulesF4.21знакомствоexposedпройден на лекцииtaught in lecture 10-13—f01 m01 решено 2 из 112 of 11 solved
CM.5Скалярное произведение матриц tr(AᵗB), норма Фробениуса, ‖AB‖ ≤ ‖A‖‖B‖Matrix inner product tr(AᵀB), Frobenius norm, ‖AB‖ ≤ ‖A‖‖B‖CM.4 F4.11знакомствоexposedпройден на лекцииtaught in lecture 10-13—m01 решено 0 из 40 of 4 solved
CM.6Производная отображения f: ℝⁿ→ℝᵈ как матрица Якоби; градиент; производная по направлениюDerivative of f: ℝⁿ→ℝᵈ as Jacobian matrix; gradient; directional derivativeCM.1 F3.7 CM.41знакомствоexposedпройден на лекцииtaught in lecture 10-13—m01 решено 0 из 50 of 5 solved
CM.7Цепное правило для функций многих переменных как произведение матриц (+ доказательство через функцию G)Multivariable chain rule as matrix product (+ proof via G-function)CM.6 F4.21знакомствоexposedпройден на лекцииtaught in lecture 10-13, 10-14—f01 m01 m02 решено 1 из 51 of 5 solved
CM.8Матричное дифференцирование: ∇‖b−Ax‖² = 2Aᵗ(Ax−b); ∇ₓ aᵗXb = abᵗ; приём со следомMatrix calculus: ∇‖b−Ax‖² = 2Aᵀ(Ax−b); ∇ₓ aᵀXb = abᵀ; trace trickCM.5 CM.61знакомствоexposedпройден на лекцииtaught in lecture 10-13—m01 решено 0 из 50 of 5 solved
CM.9Производная как линейное отображение; Df(X) ∈ M_{n×m} через U ↦ tr(Df·U)Derivative as a linear map; Df(X) ∈ M_{n×m} via U ↦ tr(Df·U)CM.6 CM.8 F4.21знакомствоexposedпройден на лекцииtaught in lecture 10-14—m02 решено 0 из 40 of 4 solved
CM.10Производная по направлению = Df(x₀)u = ⟨∇f, u⟩ через цепное правилоDirectional derivative = Df(x₀)u = ⟨∇f, u⟩ via chain ruleCM.6 CM.71знакомствоexposedпройден на лекцииtaught in lecture 10-14—m02 решено 0 из 20 of 2 solved
CM.11Цепное правило при замене переменных (полярные и сферические координаты), лапласианChain rule for change of variables (polar/spherical), LaplacianCM.7 F3.71знакомствоexposedпройден на лекцииtaught in lecture 10-14—f01 m02 решено 1 из 71 of 7 solved
CM.12Формула Тейлора для функций многих переменных через g(t) = f((1−t)a + tb); матрица ГессеMultivariable Taylor via g(t) = f((1−t)a + tb); HessianCM.2 CM.7 F3.71знакомствоexposedпройден на лекцииtaught in lecture 10-14—m02 решено 0 из 20 of 2 solved
CM.13Теорема Ферма: Df = 0 во внутренней точке экстремума; внутренняя точка и открытый шар; необходимое ≠ достаточноеFermat: Df = 0 at interior extremum; interior point / open ball; necessary ≠ sufficientCM.6 F3.31знакомствоexposedпройден на лекцииtaught in lecture 10-14—m02 решено 0 из 30 of 3 solved
CM.14Нормальные уравнения метода наименьших квадратов AᵗAx = AᵗbLeast squares normal equations AᵗAx = AᵗbCM.8 CM.13 F4.31знакомствоexposedпройден на лекцииtaught in lecture 10-14—m02 решено 0 из 20 of 2 solved
CM.15Множители Лагранжа: множество уровня касается ограничения; ∇f = Σλᵢ∇gᵢ, условие на рангLagrange multipliers: level set tangent to constraint; ∇f = Σλᵢ∇gᵢ, rank conditionCM.13 F4.31знакомствоexposedпройден на лекцииtaught in lecture 10-14—m02 решено 0 из 40 of 4 solved
CM.16Пример с максимумом энтропии: x ln x → 0, равномерное распределениеMax entropy example: x ln x → 0, uniform distributionCM.15 F3.11знакомствоexposedпройден на лекцииtaught in lecture 10-14—m02 решено 0 из 20 of 2 solved