content: hero.svg + cover.image для всех бандлов (68/68), frontmatter для 3 без него

content/posts/20260418 ml-begin/hero.svg

@@ -0,0 +1,33 @@
+<svg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 1200 400" width="100%" height="auto">
+  <rect width="1200" height="400" fill="#0a0c10"/>
+  
+  <!-- Hexagon pattern -->
+  <g stroke="#1a2332" stroke-width="1" fill="none" opacity="0.5">
+    <polygon points="100,100 130,80 160,100 160,140 130,160 100,140"/>
+    <polygon points="250,100 280,80 310,100 310,140 280,160 250,140"/>
+    <polygon points="400,100 430,80 460,100 460,140 430,160 400,140"/>
+    <polygon points="550,100 580,80 610,100 610,140 580,160 550,140"/>
+    <polygon points="700,100 730,80 760,100 760,140 730,160 700,140"/>
+    <polygon points="850,100 880,80 910,100 910,140 880,160 850,140"/>
+    <polygon points="1000,100 1030,80 1060,100 1060,140 1030,160 1000,140"/>
+    
+    <polygon points="175,160 205,140 235,160 235,200 205,220 175,200"/>
+    <polygon points="325,160 355,140 385,160 385,200 355,220 325,200"/>
+    <polygon points="475,160 505,140 535,160 535,200 505,220 475,200"/>
+    <polygon points="625,160 655,140 685,160 685,200 655,220 625,200"/>
+    <polygon points="775,160 805,140 835,160 835,200 805,220 775,200"/>
+    <polygon points="925,160 955,140 985,160 985,200 955,220 925,200"/>
+    <polygon points="1075,160 1105,140 1135,160 1135,200 1105,220 1075,200"/>
+  </g>
+  
+  <!-- Center text -->
+  <text x="600" y="175" font-family="monospace" font-size="36" fill="#58a6ff" text-anchor="middle" font-weight="bold">
+    Что надо знать до того как начнёшь изуч…
+  </text>
+  <text x="600" y="215" font-family="monospace" font-size="20" fill="#8b949e" text-anchor="middle">
+    ml-begin
+  </text>
+  
+  <!-- Decor line -->
+  <line x1="200" y1="250" x2="1000" y2="250" stroke="#30363d" stroke-width="1"/>
+</svg>

content/posts/20260418 ml-begin/index.md

@@ -16,6 +16,8 @@ tags:
 keywords:
   - 'MachineLerning'
   - 'Andriy Burkov'
+cover:
+    image: "hero.svg"
 ---
 
 Начнем с простой истины: машины не учатся. Типичное машинное обучение заключается в поиске математической формулы, которая при применении к набору входных данных (называемых обучающими данными) дает желаемые результаты. Эта математическая формула также генерирует правильные выходные данные для большинства других входных данных (отличных от обучающих) при условии, что эти входные данные поступают из того же или подобного статистического распределения, из которого были получены обучающие данные.