• Кирсти Нейту и Кэролинн Леви: Юридические основы запуска стартапа;
• Кирсти Нейту и Кэролинн Леви: Основы привлечения инвестиций.

• Сэм Альтман и Дастин Московитц: Как и зачем создавать стартап?
• Сэм Альтман: Как сформировать команду и культуру стартапа?
• Пол Грэм: Нелогичный стартап;
• Адора Чьюнг: Продукт и кривая честности;
• Адора Чьюнг: Стремительный рост стартапа;
• Питер Тиль: Конкуренция – удел проигравших;
• Питер Тиль: Как построить монополию?
• Алекс Шульц: Введение в growth hacking [1, 2, 3];
• Кевин Хейл: Тонкости в работе с пользовательским опытом [1, 2];
• Стэнли Тэнг и Уокер Уильямс: Начинайте с малого;
• Джастин Кан: Как работать с профильными СМИ?
• Андрессен, Конуэй и Конрад: Что нужно инвестору;
• Андрессен, Конуэй и Конрад: Посевные инвестиции;
• Андрессен, Конуэй и Конрад: Как работать с инвестором;
• Брайан Чески и Альфред Лин: В чем секрет культуры компании?
• Бен Сильберман и братья Коллисон: Нетривиальные аспекты командной работы [1, 2];
• Аарон Леви: Разработка B2B-продуктов;
• Рид Хоффман: О руководстве и руководителях;
• Рид Хоффман: О лидерах и их качествах;
• Кит Рабуа: Управление проектами;
• Кит Рабуа: Развитие стартапа;
• Бен Хоровитц: Увольнения, повышения и переводы по службе;
• Бен Хоровитц: Карьерные советы, вестинг и опционы;
• Эммет Шир: Как проводить интервью с пользователями;

• Эммет Шир: Как в Twitch разговаривают с пользователями;
• Хосейн Рахман: Как в Jawbone проектируют hardware-продукты;
• Хосейн Рахман: Процесс проектирования в Jawbone.

   Введение   
      Базовый сценарий: Простой логический элемент в схеме
      Цель
         Стратегия №1: Произвольный локальный поиск

         Стратегия №2: Числовой градиент

         Стратегия №3: Аналитический градиент

      Схемы с несколькими логическими элементами
         Обратное распространение ошибки

         Шаблоны в «обратном» потоке 
      Пример "Один нейрон"

      Становимся мастером обратного распространения ошибки

      Бинарная классификация

      Обучение сети на основе метода опорных векторов (SVM)

      Обобщаем SVM до нейронной сети

      Более традиционный подход: Функции потерь