Prog books

🔥 Хочешь быстрее расти в IT? Хватит учиться в одиночку Окружение решает больше, чем кажется. Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре. AI: t.me/ai_machinelearning_big_data Python: t.me/pythonl Linux: t.me/linuxacademiya Хакинг: t.me/linuxkalii DevOps: t.me/DevOPSitsec Docker: https://t.me/+90Z5TAyfuNU5YmRi Golang: t.me/Golang_google Rust: t.me/rust_code C++: t.me/cpluspluc C#: t.me/csharp_ci Java: t.me/javatg JavaScript: t.me/javascriptv React: t.me/react_tg Frontend: t.me/front PHP: t.me/phpshka Android: t.me/android_its Мобильная разработка: t.me/mobdevelop Базы данных: t.me/sqlhub Data Science: t.me/data_analysis_ml Big Data: t.me/bigdatai Математика: t.me/data_math Физика: t.me/fizmat Kubernetes: t.me/kubernetc GameDev: https://t.me/gamedev Haskell: t.me/haskell_tg Собеседования и карьера: DS собеседования: t.me/machinelearning_interview Python собеседования: t.me/python_job_interview Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy Папка Frontend: https://t.me/addlist/mzMMG3RPZhY2M2Iy Полезное сверху: ИТ-мемы: t.me/memes_prog Английский для программистов: t.me/english_forprogrammers ИИ и технологии: t.me/vistehno 954 ГБ open-source курсов: https://t.me/+rKBQEMccAA01MTcy ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy Max Ai: https://max.ru/ai_machinelearning_big_data Max python: https://max.ru/pythonl ТЕХНО: https://max.ru/vistehno Max Go: https://max.ru/Golang_google Max Linux: https://max.ru/linuxkalii Devops: https://max.ru/DevOPSitsec C#: https://max.ru/csharp_ci C++: https://max.ru/cpluspluc SQL: https://max.ru/sqlhub Java: https://max.ru/javatg Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд.

📌Baseten выпустила бесплатный учебник по инженерии инференса Платформа, которая хостит модели Cursor, Notion и Harvey, выложила в открытый доступ книгу Inference Engineering за авторством Филипа Кайли. который четыре года работает в Baseten и написал её по интервью с инженерами компании и собственным докладам.

Среди рецензентов - автор FlashAttention Три Дао.

Книга собирает в одном месте путь от выбора модели и GPU до мониторинга работающего сервиса.

Baseten основана в 2019 году тремя выходцами из Gumroad, четвёртым сооснователем стал Панкадж Гупта из Uber. Компания продаёт выделенные развёртывания открытых и собственных моделей клиентов, готовые Model APIs и инфраструктуру для дообучения, а также развивает открытый фреймворк упаковки моделей Truss.

Восемь глав объясняют, как сформулировать требования к продукту, как устроены модели и где они тормозят, прежде всего в механизме внимания, разбирают GPU NVIDIA поколений Hopper и Blackwell и программный уровень, от CUDA и PyTorch до движков vLLM, SGLang, TensorRT-LLM и Dynamo. Отдельные главы посвящены методам ускорения, моделям для речи, изображений и видео, а также эксплуатации - от автомасштабирования и батчинга до постепенной выкатки новых версий. Новичку книга даёт карту области и порядок действий - как определить задачу, бюджет задержки, стоимости и подобрать модель, а в последующем заняться оптимизацией. Базовые понятия вроде предзаполнения, декодирования и KV-кэша объяснены с нуля, а незнакомые термины можно найти в глоссарии. Опытным инженерам будут интересны пороги и практические правила. Для каждой техники ускорения автор объясняет, как она устроена, при каком трафике и размере модели окупается и чем рискует качество ответов. Отдельно сравниваются движки инференса и разобраны задачи эксплуатации, которые обычно приходится решать методом проб и ошибок. Последний раздел посвящён продуктам компании, а оборудование рассматривается почти целиком на примере NVIDIA, другим ускорителям отведено около двух страниц. 🔜 Запросить книгу бесплатно в форматах PDF, EPUB или аудиоверсию @ai_machinelearning_big_data #AI #ML #Inference #Book #Baseten

📚 280 страниц о машинном обучении в инвестициях от J.P. Morgan Big Data and AI Strategies Марко Колановича и Раджеша Кришнамачари: масштабный отчёт о том, как использовать ML и альтернативные данные для анализа рынков. Внутри: • Какие данные могут дополнять финансовую отчётность: соцсети, поисковые запросы, транзакции и другие источники. • Как оценивать их качество и полезность. • Обзор методов машинного обучения для анализа данных. • Возможности и ограничения применения этих подходов в инвестициях. Отчёт вышел в 2017 году. Его стоит читать как фундаментальный материал по ML и данным в финансах, учитывая возраст примеров. PDF доступен бесплатно, на английском: 📓 Книга @datascienceiot

Бесплатные учебники по математике от профессора Университета Альберты Джереми Сильвестр, доцент кафедры математики Университета Альберты, выложил свои учебники в открытый доступ. Их можно читать онлайн, а часть скачать в PDF. Главная находка здесь Discover Linear Algebra, полноценный курс линейной алгебры на два семестра. Для тех, кому нужно быстрее, есть сокращённая версия на один семестр. Для ML это база: векторы, матрицы, собственные значения, разложения и всё, на чём держатся нейросети. Ещё два учебника: Calculus Concepts & Modelling по матанализу и дифференциальным уравнениям с упором на моделирование и Elementary Foundations по дискретной математике и логике, который автор обещает скоро открыть полностью. Хороший вариант, если хочется подтянуть математику под машинное обучение по нормальным университетским учебникам и бесплатно. https://sites.ualberta.ca/~jsylvest/

## Бесплатная книга по Physics-based Deep Learning 461-страничный учебник о применении глубокого обучения в физических симуляциях. Внутри: - Physics-Informed Neural Networks - физические ограничения в loss-функциях - дифференцируемые симуляции - обучение с подкреплением - моделирование неопределённости - практические примеры в Jupyter Notebook Полезно для изучения научного ML, PINN и нейросетевого решения физических задач. https://arxiv.org/abs/2109.05237

📘 OSTEP - 714 страниц про операционные системы, написанные двумя профессорами University of Wisconsin после почти 25 лет преподавания. Первая глава называется буквально: “A Dialogue on the Book” Профессор и студент просто обсуждают, зачем вообще изучать операционные системы, ещё до появления первых терминов. Дальше в том же стиле разбираются: CPU virtualization, память, concurrency, persistence. Подход очень сильный: сначала интуиция → потом механизм → потом детали реализации Поэтому OSTEP до сих пор остаётся одной из лучших бесплатных книг по ОС для разработчиков. Читать бесплатно: https://pages.cs.wisc.edu/~remzi/OSTEP/

🕸 Как превратить граф в признаки и векторы для машинного обучения Седьмая лекция курса Graph Machine Learning посвящена Shallow Graph Learning - методам построения представлений графов без глубоких графовых нейросетей. Внутри: * Graphlets - небольшие подграфы для описания локальной структуры. * Laplacian Eigenmaps - построение эмбеддингов через спектр лапласиана. * Кратчайшие пути и диффузионные расстояния - способы измерять близость вершин. * Weisfeiler–Lehman - уточнение меток вершин для сравнения структуры графов. * DeepWalk и Node2vec - обучение эмбеддингов на случайных блужданиях. * Skip-gram и negative sampling - как обучаются эти представления. Материал для тех, кто хочет разобраться в основах графовых эмбеддингов перед изучением GNN. PDF - https://storage.googleapis.com/xavierbresson/lectures/GML/lecture07_shallow_graph_learning.pdf

⚙️ Почему процессор ждёт память: разбор от Algorithmica Обход массива подряд и переходы по цепочке указателей могут сильно отличаться по скорости. При pointer chasing адрес следующего элемента становится известен только после чтения предыдущего - процессору приходится ждать данные. В разделе RAM & CPU Caches разбирают: * задержки доступа к кешам и оперативной памяти; * влияние порядка чтения данных на скорость; * кеш-линии и предварительную загрузку — prefetching; * параллельные обращения к памяти; * размещение и упаковку структур данных. По ссылке - глава Memory Latency с примером на C++, измерениями и графиками. Полезно для понимания того, почему код с небольшим числом операций всё равно может тормозить. https://en.algorithmica.org/hpc/cpu-cache/latency/

📚 Бесплатная книга по выпуклой оптимизации - 130 страниц "Convex Optimization: Algorithms and Complexity" - хорошее введение в алгоритмы выпуклой оптимизации и их вычислительную сложность. Внутри: * градиентные методы * ускоренные методы * субградиентная оптимизация * проксимальные алгоритмы * first-order methods * оценки скорости сходимости * сложность оптимизационных алгоритмов Полезно для ML, математики и тех, кто хочет глубже понять, что стоит за обучением моделей. PDF: https://arxiv.org/abs/1405.4980

🔥 10 бесплатных книг для программистов, которые стоит сохранить в 2026 году Не старые PDF с давно умершими технологиями, а книги, которые до сих пор можно нормально читать и применять на практике. Все доступны легально и бесплатно онлайн. 1. The Rust Programming Language Официальная книга по Rust от команды языка. Ownership, borrowing, lifetimes, traits, concurrency, async и устройство типичной Rust-программы. Сейчас онлайн-версия уже ориентирована на Rust 2024 Edition, поэтому это один из самых актуальных способов войти в язык. https://doc.rust-lang.org/book/ 2. Eloquent JavaScript Одна из лучших бесплатных книг по JavaScript. Четвёртое издание вышло в 2024 году и использует современный JavaScript. Кроме самого языка разбираются браузер, DOM, HTTP, Node.js, асинхронность и несколько полноценных проектов. https://eloquentjavascript.net/ 3. Automate the Boring Stuff with Python Python через реальные задачи: файлы, регулярки, SQLite, веб-скрейпинг, Excel, JSON, PDF, автоматизация браузера и рабочего стола. На сайте уже доступно третье издание. https://automatetheboringstuff.com/3e/ 4. Think Python, 3rd Edition Хороший вариант для тех, кто хочет не просто запомнить синтаксис Python, а разобраться в программировании как таковом. Третье издание построено вокруг Jupyter Notebook, добавляет тестирование, регулярные выражения и современные практические задания. https://greenteapress.com/wp/think-python-3rd-edition/ 5. Crafting Interpreters Книга, после которой компиляторы и языки программирования перестают выглядеть магией. За время чтения ты собственноручно создаёшь язык с парсером, областями видимости, функциями, closures, классами, байткодом и сборщиком мусора. https://craftinginterpreters.com/ 6. Operating Systems: Three Easy Pieces Одна из самых известных открытых книг по операционным системам. Процессы, виртуальная память, планировщики, concurrency, файловые системы, I/O и виртуализация. https://pages.cs.wisc.edu/~remzi/OSTEP/ 7. Dive into Systems Отличный мост между обычным программированием и пониманием того, что реально происходит внутри компьютера. C, Assembly, память, CPU, кэши, архитектура компьютера, ОС, pthreads и параллельное программирование. https://diveintosystems.org/ 8. Beej's Guide to Network Programming Легендарное практическое руководство по сокетам. socket(), bind(), listen(), accept(), TCP, UDP, IPv4 и IPv6 с примерами на C/C++. https://beej.us/guide/bgnet/ 9. Software Engineering at Google Редкий случай, когда большая книга O'Reilly целиком доступна бесплатно. Code review, тестирование, документация, dependency management, большие кодовые базы, CI, build-системы и инженерная культура Google. https://abseil.io/resources/swe-book 10. Pro Git Одна из лучших книг для глубокого понимания Git. Не только commit, push и pull, но и internals Git, branching, rebasing, hooks, серверная часть и устройство объектов Git. Есть полноценная русская версия: https://git-scm.com/book/ru/v2 Если этих десяти мало, есть ещё огромный открытый каталог бесплатных книг по языкам, базам данных, алгоритмам, ML, безопасности и DevOps: https://ebookfoundation.github.io/free-programming-books/

🔥 Хочешь быстрее расти в IT? Хватит учиться в одиночку Окружение решает больше, чем кажется. Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре. AI: t.me/ai_machinelearning_big_data Python: t.me/pythonl Linux: t.me/linuxacademiya Хакинг: t.me/linuxkalii DevOps: t.me/DevOPSitsec Docker: https://t.me/+90Z5TAyfuNU5YmRi Golang: t.me/Golang_google Rust: t.me/rust_code C++: t.me/cpluspluc C#: t.me/csharp_1001_notes Java: t.me/javatg JavaScript: t.me/javascriptv React: t.me/react_tg Frontend: t.me/front PHP: t.me/phpshka Android: t.me/android_its Мобильная разработка: t.me/mobdevelop Базы данных: t.me/sqlhub Data Science: t.me/data_analysis_ml Big Data: t.me/bigdatai Математика: t.me/data_math Физика: https://t.me/+S4hinvO3QI43ZjNi Kubernetes: t.me/kubernetc GameDev: https://t.me/gamedev Haskell: t.me/haskell_tg Собеседования и карьера: DS собеседования: t.me/machinelearning_interview Python собеседования: t.me/python_job_interview Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy Папка Frontend: https://t.me/addlist/mzMMG3RPZhY2M2Iy Полезное сверху: ИТ-мемы: t.me/memes_prog Английский для программистов: t.me/english_forprogrammers ИИ и технологии: t.me/vistehno 954 ГБ open-source курсов: https://t.me/+rKBQEMccAA01MTcy ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy Max Ai: https://max.ru/ai_machinelearning_big_data Max python: https://max.ru/pythonl ТЕХНО: https://max.ru/vistehno Max Go: https://max.ru/Golang_google Max Linux: https://max.ru/linuxkalii Devops: https://max.ru/DevOPSitsec C#: https://max.ru/csharp_ci C++: https://max.ru/cpluspluc SQL: https://max.ru/sqlhub Java: https://max.ru/javatg Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд.

📚 Бесплатный 348-страничный учебник по Machine Learning для инженеров и исследователей Machine Learning: A First Course for Engineers and Scientists - полноценная книга от Cambridge University Press, которую авторы бесплатно выложили в виде pre-publication PDF для личного использования. Внутри: * supervised learning, k-NN и decision trees * linear/logistic regression и regularization * neural networks и deep learning * random forests, boosting и kernels * Bayesian methods и Gaussian Processes * generative models и unsupervised learning * оценка качества, practical ML и ethics Хороший вариант, если хочется не просто запускать fit(), а реально понять математику и инженерную логику ML. PDF: https://smlbook.org/book/sml-book-draft-latest.pdf #DataScience #MachineLearning #ML #Mathematics #Algorithms

Бесплатный учебник по математике — 850 страниц. «The Rising Sea: Foundations of Algebraic Geometry» Рави Вакила. Книга предлагает подробное введение в алгебраическую геометрию и множество упражнений, позволяющих учиться на практике. Требуется минимум предварительных знаний: необходимые инструменты вводятся по ходу материала — от теории категорий и пучков до коммутативной и гомологической алгебры. Подход построен на примерах и помогает развить математическую интуицию. Самодостаточный учебник для студентов магистратуры и аспирантуры, а также важный справочник для исследователей. Link: https://math.stanford.edu/~vakil/216blog/

Rust, который наконец становится понятным 🦀 Давно хочешь выучить Rust, но ownership, borrowing и lifetimes выглядят как отдельный вид боли? Этот курс проведёт тебя с самого начала до уровня, где ты уже пишешь реальные системные и сетевые программы. Ты разберёшь: Ownership → Borrowing → ошибки → коллекции → Generics → Traits → модули → тесты → сетевой код Никакого бесконечного чтения документации. После каждого урока ты сразу пишешь код, проходишь тесты и решаешь задачу с автопроверкой. 🔥 Rust с нуля 🔥 5–6 часов в неделю 🔥 Практика после каждого урока 🔥 Подойдёт после Python, JavaScript, Java и других языков 🔥 Можно начать сразу В конце у тебя будет понимание Rust, с которым уже можно писать быстрые backend-сервисы, сетевые приложения и системные утилиты, а не смотреть на borrow checker как на врага. Пора добавить Rust в свой стек. Начинай курс и пиши первый код уже сегодня: https://stepik.org/a/294885/

📚 Бесплатный учебник по теории игр - 578 страниц Game Theory от Giacomo Bonanno — большой open-source учебник по некооперативной теории игр. Внутри: * основы теории игр и стратегического взаимодействия; * равновесия и принятие решений; * 165 задач с решениями; * 163 иллюстрации; * материал на стыке математики, экономики и Computer Science. Хорошая база для тех, кто занимается ML, Multi-Agent Systems, математикой и алгоритмами. 📖 Скачать PDF: https://arxiv.org/pdf/1512.06808 #GameTheory #Mathematics #Statistics #Probability #MachineLearning

698 страниц математики, которые учат не считать, а думать Есть бесплатный PDF-учебник Everything You Always Wanted To Know About Mathematics — большой гид по абстрактной математике, теоремам и написанию доказательств. Это не очередной сборник формул, а вход в настоящий математический язык: * что такое доказательство * как читать и писать математические тексты * логика и множества * индукция * абстрактное мышление * задачи и упражнения Книга написана Brendan W. Sullivan вместе с профессором John Mackey в Carnegie Mellon University. Отличная штука для тех, кто хочет наконец понять, как математики реально думают, а не просто механически решать примеры. https://math.cmu.edu/~jmackey/151_128/bws_book.pdf

🔥 Хочешь быстрее расти в IT? Хватит учиться в одиночку В IT прокачивается тот, кто каждый день видит сильные идеи, новые инструменты, реальные задачи, вакансии и разборы. Окружение решает больше, чем кажется. Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре. AI: t.me/ai_machinelearning_big_data Python: t.me/pythonl Linux: t.me/linuxacademiya Хакинг: t.me/linuxkalii DevOps: t.me/DevOPSitsec Docker: t.me/DevopsDocker Golang: t.me/Golang_google Rust: t.me/rust_code C++: t.me/cpluspluc C#: t.me/csharp_1001_notes Java: t.me/java_library JavaScript: t.me/javascriptv React: t.me/react_tg Frontend: t.me/front PHP: t.me/phpshka Android: t.me/android_its Мобильная разработка: t.me/mobdevelop Базы данных: t.me/sqlhub Data Science: t.me/data_analysis_ml Big Data: t.me/bigdatai Математика: t.me/data_math Физика: t.me/fizmat Kubernetes: t.me/kubernetc GameDev: https://t.me/gamedev Haskell: t.me/haskell_tg Собеседования и карьера: DS собеседования: t.me/machinelearning_interview Python собеседования: t.me/python_job_interview Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy Папка Frontend: https://t.me/addlist/mzMMG3RPZhY2M2Iy Полезное сверху: ИТ-мемы: t.me/memes_prog Английский для программистов: t.me/english_forprogrammers ИИ и технологии: t.me/vistehno 954 ГБ open-source курсов: @courses ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy Max Ai: https://max.ru/ai_machinelearning_big_data Max python: https://max.ru/pythonl ТЕХНО: https://max.ru/vistehno Max Go: https://max.ru/Golang_google Max Linux: https://max.ru/linuxkalii Devops: https://max.ru/DevOPSitsec C#: https://max.ru/csharp_ci C++: https://max.ru/cpluspluc SQL: https://max.ru/sqlhub Java: https://max.ru/javatg Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд. Пока кто-то листает шум, ты будешь видеть инструменты, задачи и идеи, которые помогают расти в профессии.

Maths, CS & AI Compendium: бесплатный учебник для будущих AI/ML-инженеров На GitHub завирусился большой open-source компедиум по математике, computer science и AI. Сейчас у проекта уже около 6.3K звёзд. Автор позиционирует его как «нестандартный учебник» для практиков: меньше сухой нотации, больше интуиции, связей между темами и реального контекста. Внутри 20 глав: * векторы, матрицы, calculus * статистика и вероятность * machine learning и deep learning * NLP, computer vision, audio/speech * multimodal learning и autonomous systems * GNN, OS, алгоритмы * production engineering, GPU/SIMD * AI inference, ML systems design и applied AI Отдельно есть MCP server, чтобы Claude Code, Cursor, VS Code и другие AI-ассистенты могли использовать компедиум как локальную базу знаний. Хороший ресурс для тех, кто хочет не просто «выучить ML», а собрать фундамент: математика → CS → ML systems → современный AI. GitHub: https://github.com/HenryNdubuaku/maths-cs-ai-compendium thub.com/HenryNdubuaku/maths-cs-ai-compendium

Algebra, Topology, Differential Calculus, and Optimization Theory For Computer Science and Machine Learning Недавно был обновлен огромный PDF-учебник по математике на 2204 страницы: Внутри - алгебра, топология, дифференциальное исчисление и теория оптимизации для Computer Science и Machine Learning. Найти можно здесь: https://cis.upenn.edu/~jean/gbooks/geomath.html

🖥 Обито учит контейнеризации. Контейнер - это отдельное измерение для приложения. Запускаешь сервис через Docker — и он не ломает основную систему. Хочешь понять, что происходит внутри? Смотри логи и заходи в контейнер через shell. Если сервисов несколько, используй Docker Compose. Одна команда поднимает приложение, базу данных и кеш. А важные данные храни в volume. Контейнер можно удалить, но данные должны остаться. И не забывай чистить Docker. Лишние контейнеры и образы быстро превращают систему в хаос. Настоящий шиноби не запускает хаос. Он изолирует его.