История изменений книги
Эта книга развивается постепенно. Новые главы дописываются, существующие переписываются и уточняются, примеры кода обновляются, а формулировки становятся точнее. Ниже зафиксированы ключевые изменения, чтобы читатель понимал, что именно и когда поменялось.
Текущая версия
Добавлено:
Новая глава "Трансформеры и контекст: от статических векторов к пониманию смысла"
Новая глава "Практика: эмбеддинги на PHP с помощью трансформеров"
Новая глава "RAG: Retrieval-Augmented Generation как инженерная система"
Изменения:
Переписан "Кейс 4. Одинаковая точность – разный log loss" в главе "Ошибка, loss-функции и зачем они нужны"
Переписан "Кейс 4. Интеллектуальная навигация по событиям / таймлайнам" в главе "Практика: эмбеддинги на PHP с помощью трансформеров"
Добавлено описание "TransformersPHP" в главe "Экосистема ML в PHP"
Переписан "Кейс 4. Оценка вероятного чека клиента" в главе "Линейная регрессия как базовая модель"
Переписан "Пример 1. Траектория параметра" в главе "Градиентный спуск на пальцах"
Переписан "Кейс 2. Медицинский тест: обновление уверенности (Байес)" в главе "Вероятность как степень уверенности"
Добавлено описание LLPhant в главу "Экосистема ML в PHP"
Январь 2026
Развитие книги в сторону более глубокого понимания представления данных и геометрии алгоритмов.
В этой версии:
добавлены главы про деревья решений и разбиение пространства признаков, включая интуитивное объяснение того, как алгоритм «режет» пространство решений
введён блок про текстовые данные: от объяснения, почему слова вообще приходится превращать в числа, до классических подходов Bag of Words, TF–IDF и embeddings как непрерывных пространств смысла
расширены и переписаны ключевые практические кейсы с упором на интерпретацию результата, а не только на вычисления
переработаны примеры для вероятностных моделей, логистической регрессии, наивного Байеса, k-ближайших соседей и деревьев решений, чтобы чётче показать связь между интуицией алгоритма и итоговым решением
добавлен учебный пример дерева решений, полностью реализованный на чистом PHP, как связующее звено между теорией и практикой.
Декабрь 2025
Это первая публичная версия книги, в которой сформирована основная структура и логика изложения.
В этой версии:
зафиксирована общая концепция книги: зачем PHP-разработчику понимать машинное обучение и как использовать его на практике, а не на уровне абстрактной математики
добавлены базовые главы про ошибки и loss-функции, линейную и логистическую регрессию, k-ближайших соседей и наивный Байес
введены практические кейсы с примерами на чистом PHP и с использованием RubixML
сформирован глоссарий ключевых терминов (градиент, learning rate, epochs, batch и stochastic gradient descent и др.)
заложен единый стиль повествования: минимум формального «академического» языка и максимум инженерной интуиции.
Ноябрь 2025
Подготовительный этап перед первой публичной версией.
В этой версии:
пересобрана структура книги, главы выстроены от интуиции к практике
переработаны объяснения MSE и log loss с акцентом на смысл, а не формулы
добавлены первые иллюстрации и геометрические интерпретации алгоритмов
уточнена терминология и единый стиль обозначений.
Last updated