diff --git a/doc/get_data_documentation_ru.md b/doc/get_data_documentation_ru.md
index bf1bf53..dcbcca1 100644
--- a/doc/get_data_documentation_ru.md
+++ b/doc/get_data_documentation_ru.md
@@ -1,5 +1,28 @@
 # Документация по классу GetData
 
+> **Документ актуален для Simple-LLM v1.0 (июль 2025)**
+
+---
+
+**Краткое summary:**
+Документ описывает класс GetData для создания датасетов из последовательных данных. Включает алгоритм, параметры, примеры, рекомендации и типовые ошибки.
+
+---
+
+**Структура документа:**
+- Назначение
+- Основные возможности
+- Алгоритм работы
+- Пример использования
+- Параметры класса
+- Методы
+- Рекомендации
+- Типовые ошибки и их решения
+- Применение
+- Пример с текстовыми данными
+
+---
+
 ## Назначение
 Класс `GetData` предназначен для создания датасетов из последовательных данных для обучения языковых моделей и других задач, работающих с последовательностями.
 
@@ -56,19 +79,31 @@ print(f"Вход: {x.tolist()} → Цель: {y.tolist()}")
 - `__len__()`: Возвращает количество обучающих примеров
 - `__getitem__(idx)`: Возвращает пару тензоров по индексу
 
-## Ошибки
-- `ValueError`: Если `seq_len` <= 0 или >= длины данных
+## Рекомендации
+- Для текстовых данных предварительно токенизируйте текст
+- Для больших датасетов используйте GPU (`device='cuda'`)
+- Подбирайте `seq_len` в зависимости от задачи
+
+---
+
+## Типовые ошибки и их решения
+
+### Ошибка: ValueError при создании датасета
+**Возможные причины:**
+- `seq_len` <= 0
+- `seq_len` >= длины данных
+
+**Решение:**
+- Задайте `seq_len` > 0 и < длины данных
+- Проверьте корректность входных параметров
+
+---
 
 ## Применение
 1. Обучение языковых моделей
 2. Прогнозирование временных рядов
 3. Любые задачи, требующие работы с последовательностями
 
-## Рекомендации
-- Для текстовых данных предварительно токенизируйте текст
-- Для больших датасетов используйте GPU (device='cuda')
-- Подбирайте seq_len в зависимости от задачи
-
 ## Пример с текстовыми данными
 ```python
 text_tokens = [10, 20, 30, 40]  # Токенизированный текст