diff --git a/docs/maths/type-pred.md b/docs/maths/type-pred.md
index 6a2e5a1..a4d75a6 100644
--- a/docs/maths/type-pred.md
+++ b/docs/maths/type-pred.md
@@ -120,10 +120,37 @@ Python для работы. Эти подробности я опустил, и
 3. На выходе будет столько нейронов, сколько типов файлов нужно будет
    предсказать.
 
+Для для задания `loss`-функции и оптимизатора:
+
+```python
+loss_fn = nn.CrossEntropyLoss()
+optimizer = t.optim.SGD(model.parameters(), lr=1e-3)
+```
+
+Цикл обучения в данном случае состоял из 250 эпох. 
+
+Пайплайн обучения можно будет найти в репозитории
+[проекта](https://github.com/rustbas/filetype-prediction), вместе с
+инструкцией по воспроизведению результатов (кроме того факта, что
+файлы различных типов нужно будет скачать самому).
+
 ## Результаты и картинки
 
+Усреденные сигнатуры различных типов файлов можно увидеть ниже.
+
+![](./assets/type-pred/heatmaps.png)
+
+Также, показатели обучения:
+
+![](./assets/type-pred/stats.png)
+
 ## Выводы
 
+По итогу, можно сказать, что в некоторых случаях, *сигнатура* файла
+является неплохим предиктором его типа. Гипотетически, это можно
+использовать для того, чтобы восстанавливать частично испорченные
+файлы, так сигнатура может сохраниться.
+
 ## Источники
 
 1. [https://ru.wikipedia.org/wiki/Executable_and_Linkable_Format](https://ru.wikipedia.org/wiki/Executable_and_Linkable_Format)