diff --git a/README.md b/README.md
index 58df1bc..8b5a989 100644
--- a/README.md
+++ b/README.md
@@ -1 +1,144 @@
-"# Tic-Tac-Toe-AI" 
+# Tic-Tac-Toe AI (5 в ряд на поле 10x10)
+
+Добро пожаловать в репозиторий **Tic-Tac-Toe AI**!  
+Здесь вы найдёте реализацию популярной игры «Крестики-нолики» на поле **10x10** с условием победы при **5 в ряд**, дополненную простым обучением с подкреплением на базе **PyTorch** и визуализацией при помощи **Pygame**.
+
+<p align="center">
+  <img width="400" src="https://user-images.githubusercontent.com/25181517/183357849-86f72a59-fbfc-49a0-b28d-3b2fce5a8c6e.png" alt="Tic Tac Toe 5 in a row">
+</p>
+
+---
+
+## Оглавление
+1. [Особенности проекта](#особенности-проекта)
+2. [Используемые технологии](#используемые-технологии)
+3. [Установка и запуск](#установка-и-запуск)
+4. [Принцип работы](#принцип-работы)
+5. [Структура репозитория](#структура-репозитория)
+6. [Возможности для доработки](#возможности-для-доработки)
+7. [Обратная связь](#обратная-связь)
+8. [Лицензия](#лицензия)
+
+---
+
+## Особенности проекта
+- **Расширенное поле**: 10x10 вместо классических 3x3.
+- **Нейронная сеть**: использует `PyTorch` для оценки выгодности ходов.
+- **Обучение с подкреплением**: каждое действие вознаграждается или наказывается, что позволяет модели учиться более осмысленной стратегии.
+- **Визуализация**: библиотека `Pygame` отображает текущую доску, ходы и процесс игры.
+- **Награда за победу / ничью / проигрыш**:
+  - **Победа**: `+1`
+  - **Ничья**: `+0.5`
+  - **Проигрыш**: `-1`
+
+---
+
+## Используемые технологии
+- [**Python**](https://www.python.org/) — основной язык разработки
+- [**NumPy**](https://numpy.org/) — для удобной работы с массивами и матрицами
+- [**PyTorch**](https://pytorch.org/) — фреймворк для создания и обучения нейронных сетей
+- [**Pygame**](https://www.pygame.org/) — для визуализации игрового поля
+- [**random**](https://docs.python.org/3/library/random.html) — для выбора случайных ходов соперника
+- [**torch.optim**](https://pytorch.org/docs/stable/optim.html) — оптимизатор (Adam) для обучения сети
+- [**torch.nn**](https://pytorch.org/docs/stable/generated/torch.nn.Module.html) — слои и функции потерь (MSE) для нейросети
+
+---
+
+## Установка и запуск
+
+### 1. Клонирование репозитория
+```bash
+git clone https://github.com/ваш-логин/tic-tac-toe-ai-10x10.git
+cd tic-tac-toe-ai-10x10
+```
+
+### 2. Создание и активация виртуального окружения (рекомендуется)
+```bash
+python -m venv venv
+# Для Windows:
+venv\Scripts\activate
+# Для macOS / Linux:
+source venv/bin/activate
+```
+
+### 3. Установка зависимостей
+```bash
+pip install -r requirements.txt
+```
+> **Примечание**: убедитесь, что у вас установлены Python (3.7+) и pip.  
+> Если зависимостей немного и они не вынесены в файл `requirements.txt`, установите их вручную:
+> ```bash
+> pip install numpy torch pygame
+> ```
+
+### 4. Запуск проекта
+```bash
+python main.py
+```
+> После запуска откроется окно Pygame с игрой. В терминале/консоли будет отражаться прогресс обучения по эпизодам.
+
+---
+
+## Принцип работы
+
+1. **Инициализация**  
+   Создаётся доска размера `10x10`, полностью заполненная нулями (0 означает пустую клетку).
+   
+2. **Нейронная сеть**  
+   - Входной слой: `BOARD_SIZE * BOARD_SIZE = 100` входов (каждая клетка кодируется числом).
+   - Скрытые слои: два по 128 нейронов с функцией активации ReLU.
+   - Выходной слой: `100` нейронов, по одному на каждую клетку (представляет **Q-значение** для каждого возможного хода).
+
+3. **Обучение с подкреплением**  
+   - После каждого хода вычисляется награда: `WIN_REWARD`, `DRAW_REWARD` или `LOSE_REWARD`.
+   - Используется **Q-learning**:
+     \[
+     Q(s, a) \leftarrow Q(s, a) + \alpha \, \bigl[r + \gamma \max_{a'} Q(s', a') - Q(s, a)\bigr]
+     \]
+   - Оптимизатор **Adam** с функцией потерь **MSE** минимизирует разницу между предсказанными Q-значениями и целевыми.
+
+4. **Игровой процесс**  
+   - Игрок `1` (AI) выбирает ход согласно стратегии (берёт **argmax** по Q-значениям).
+   - Игрок `2` (случайный выбор) ставит «крестик» в любую свободную клетку.
+   - Проверяется, сформированы ли 5 в ряд:
+     - по горизонтали,
+     - по вертикали,
+     - по диагонали и \ или против диагонали.
+   - Переход к следующему состоянию и повтор шага обучения (обновление Q-значений).
+
+---
+
+## Структура репозитория
+
+```
+tic-tac-toe-ai-10x10/
+├── main.py               # Основной скрипт с игрой и логикой обучения
+├── requirements.txt      # Список необходимых зависимостей (при наличии)
+├── README.md             # Текущий файл README
+└── assets/               # (опционально) изображения, иконки и др. ресурсы
+```
+
+---
+
+## Возможности для доработки
+1. **Добавить функцию сохранения модели** после обучения.
+2. **Реализовать нагрузочное тестирование** (например, через несколько тысяч партий).
+3. **Сделать противника умнее**: вместо случайных ходов использовать алгоритмы минимакса, MCTS или другую нейронную сеть.
+4. **Графический интерфейс**: добавить меню, кнопки «Начать заново», «Выход» и др.
+5. **Многопоточность**: параллельно запускать несколько партий, ускоряя обучение.
+
+---
+
+## Обратная связь
+Если у вас возникли вопросы, идеи или предложения по улучшению проекта, будем рады обратной связи:
+- Открывайте **Issue** в данном репозитории.
+- Или пишите напрямую: [email@example.com](mailto:email@example.com).
+
+---
+
+## Лицензия
+Данный проект распространяется по лицензии **MIT**. Свободно используйте, изменяйте и дополняйте код для любых целей.
+
+<p align="center">
+  Сделано с любовью и увлечённостью к AI и играм!  
+</p>