Python Portal

Вы уже видели конспекты лекций Стэнфорда по архитектуре GPU и программированию на CUDA? Отличный курс! https://gfxcourses.stanford.edu/cs149/fall25/lecture/gpuarch/ 👉 @PythonPortal

«The Little Book of Generative AI Foundations» — свежая бесплатная книга для тех, кто хочет разобраться в математике современных генеративных моделей, которые учатся на данных и создают новый контент: текст, изображения, аудио и видео. Книга последовательно разбирает основы генеративного моделирования: от метода главных компонент и его вероятностной версии до вариационных автоэнкодеров, диффузионных моделей, нормализующих потоков, авторегрессионных моделей, GAN, Wasserstein GAN и энергетических моделей. Особенно интересно то, что авторы делают упор на математические выводы, но при этом стараются сохранить интуитивное понимание того, как работают разные семейства генеративных моделей и как они связаны между собой. Хороший ресурс, если хочется понять математику генеративного ИИ, а не просто научиться пользоваться готовыми моделями. arxiv.org/pdf/2605.29713 👉 @PythonPortal

«Маленькая книга по основам генеративного ИИ» — интуитивное введение в математику: arxiv.org/pdf/2605.29713 👉 @PythonPortal

Если вы только начинаете изучать машинное обучение и хотите глубже разобраться в математике, необходимой для машинного и глубокого обучения, советую попробовать эту платформу. Это что-то вроде LeetCode для машинного обучения. Это не реклама: я сам ей пользовался и решил поделиться с вами. https://deep-ml.com

Как только начинаешь визуализировать свои SQL-схемы вот так, назад пути уже нет. sqltoerdiagram.com 👉 @PythonPortal

Uniface Автоматизируйте обнаружение лиц, распознавание и анализ ключевых точек лица с помощью единой Python-библиотеки Uniface. https://github.com/yakhyo/uniface 👉 @PythonPortal

😭😭😭 👉 @PythonPortal

«Методы машинного обучения, которые стоит знать экономистам» Сьюзан Эйти и Гвидо В. Имбенс https://annualreviews.org/content/journals/10.1146/annurev-economics-080217-053433 👉 @PythonPortal

Чувак провёл довольно безумный эксперимент: сделал сайт, который сам себя развивает с помощью ИИ. На сервере установлен Claude Code. Пользователи присылают идеи, а каждые 4 часа ИИ сам выбирает лучшую и реализует её. При этом весь код автоматически публикуется здесь: https://github.com/midudev/tuweb.dev Сам сайт — https://tuweb.dev, если хотите посмотреть. Пока изменения ограничены: из соображений безопасности Claude Code не имеет доступа к базе данных и не может создавать API. Но админ думает снять эти ограничения и дать ему полную свободу, чтобы посмотреть, что произойдёт. 👉 @PythonPortal

🎓 Как гарантированно войти в сферу кибербезопасности с официальным дипломом? Самостоятельное обучение в ИБ - это месяцы хаоса и разрозненных роликов с YouTube. Покупка курсов по отдельности на популярных платформах легко переваливает за 300 000 ₽. 🔥CyberYozh Academy собрали цельный карьерный трек в один пак: 5 фундаментальных программ + официальный Диплом системного администратора за 50 000 ₽ (вместо ~250 000 ₽) Что входит в программу: ▪️ Linux CyberPunk - системное администрирование с выдачей диплома, открывающего двери в корпоративный сектор. ▪️ SQL для хакера - глубокое понимание архитектуры баз данных и векторов атак. ▪️ HackerPoint - продвинутый уровень пентеста и анализа уязвимостей. ▪️ HackerPoint (Blue vs Red Team) - база сетевой безопасности, защиты и атак. ▪️ AI-помощники на Python - автоматизация рутины безопасника при помощи нейросетей. Вы получаете законченную квалификацию: от администрирования защищенных облачных решений до проведения тестов на проникновение. ⚠️ Обратите внимание: Из-за персональной проверки заданий и официального оформления дипломов на каждый поток действует жесткий лимит - не более 15 мест. 🦔Отправь промокод PythonPortal в чат с менеджером, чтобы закрепить за собой скидку и узнать подробности: 👉@cyacademy_support

Исследователь OpenAI Алиса Лю прошла 57 собеседований перед тем, как попасть в компанию, а затем открыто опубликовала весь свой путь подготовки и поиска работы. Если вы готовитесь к позициям Research Scientist или MTS, это один из самых насыщенных практических материалов, которые сейчас можно найти. Можно использовать её конспекты напрямую или просто взять список тем и пройти их самостоятельно. Такое публикуют редко. Конспекты по LLM: https://alisawuffles.notion.site/alisa-s-book-of-llms Математика: https://alisawuffles.notion.site/math-notes Разбор поиска работы и собеседований: https://alisawuffles.github.io/blog/job-search/ 👉 @PythonPortal

Вышла открытая альтернатива Jev — Kev. Модель доступна в трёх размерах. Она работает локально, поэтому данные остаются на вашем компьютере. Kev может отвечать «да» или «нет», выбирать один из вариантов и добавлять примечание. Подходит для задач классификации. 👉 @PythonPortal

Очень рекомендую сохранить осенний курс Стэнфорда MS&E 319 — Efficient Generative Language Models. Курс идёт от предобучения до инференса и постобучения. Материалы и записи лекций обещают выкладывать позже. Мне особенно нравится его исходная идея: модели становятся всё больше, но бюджет всегда ограничен. Если есть конкретная задача и ограниченные вычислительные ресурсы, как выбрать цель обучения, архитектуру модели и способ инференса так, чтобы получить максимум за свои деньги и не запускать GPT-6 на каждой задаче. «Просто купить ещё GPU» тоже вариант — и сейчас это фактически основной подход рынка. В курсе будут MoE, attention, сжатие KV Cache, квантизация, speculative decoding, а также LoRA, RLHF, DPO и дистилляция. Все эти обычно разрозненные техники рассматриваются через один вопрос: какую именно часть вычислений, памяти или времени они экономят и чем за это приходится платить. Например, если нужно снизить стоимость использования модели, один подход позволяет на каждом запросе задействовать только часть параметров, другой уменьшает объём данных, которые нужно хранить и перемещать, третий ускоряет генерацию ответа. Сначала нужно понять, какую именно проблему решает каждый метод, и только потом выбирать подходящий для своей задачи и смотреть, какие из них можно сочетать. Мне самому при оценке ИИ-компаний особенно интересен именно этот уровень: можно ли на тот же бюджет обучить более сильную модель или обслужить больше пользователей. Когда понимаешь компромиссы этих методов, релизы моделей и изменения их стоимости становятся намного понятнее. У курса есть определённый порог входа, но если тема интересна, точно стоит следить: https://web.stanford.edu/class/msande319/ 👉 @PythonPortal

«Принципы механики» — бесплатный учебник с открытым доступом, который даёт всестороннее введение в классическую механику. Книга начинается с математических основ, необходимых для изучения механики, а затем переходит к основным темам: кинематике, законам движения Ньютона, работе и энергии, линейному и угловому моменту, вращательному движению, гравитации, колебаниям и волнам. Теория сочетается с разобранными примерами и задачами, поэтому книга подойдёт как для первого знакомства с механикой, так и для повторения фундаментальных основ. Полная версия книги бесплатно доступна в PDF: https://link.springer.com/content/pdf/10.1007/978-3-030-15195-9.pdf 👉 @PythonPortal

Вот один из лучших материалов для начала, если хотите понять, что процессор на самом деле делает. https://youtu.be/GU8MnZI0snA 👉 @PythonPortal

Отличный материал по современному программированию GPU для систем машинного обучения. MLC Community разбирает архитектуру GPU практически с нуля: потоки и варпы, иерархию памяти, CUDA Cores и Tensor Cores, TMA, устройство Blackwell, GEMM и Flash Attention 4. Отдельный упор сделан на то, как писать действительно быстрые ядра и эффективно загружать вычислительные блоки GPU. https://mlc.ai/modern-gpu-programming-for-mlsys/chapter_background/index.html 👉 @PythonPortal

Псс, хочешь перестать мониторить Telegram в поисках работы? 👀 Ты листаешь каналы, видишь вакансию, сохраняешь и откладываешь отклик «на потом». Потому что на каждую нужно потратить минут 20. В итоге из десятков сохранённых вакансий до отклика доходят единицы. Софи забирает эту рутину на себя. Она сама находит подходящие вакансии в 350+ Telegram-каналах, изучает их, пишет персональное сопроводительное и отправляет отклик. А еще она умеет откликаться на: ▫️ hh ru ▫️ карьерных сайтах компаний - Авито, Сбер, Т-Банк ▫️ Geekjob ▫️ youngjunior.ru Тебе больше не нужно выбирать, где сегодня искать работу. Софи будет искать везде. Доступ откроется уже завтра. Первые 3 дня - бесплатно. Мест немного. Подпишись, чтобы не пропустить старт.

Для Jev появился практический проект Jev Explained с четырьмя примерами, которые показывают, как устроена модель, как работают её основные примитивы и как использовать их в реальных задачах. Репозиторий можно открыть в Claude Code или Codex и попросить агента создать новый пример, используя существующий код как контекст. Проект поддерживает TypeSafe API и Vercel AI Gateway. Идея простая: вместо чтения очередного разбора можно сразу открыть сессию и начать собирать что-то на Jev. Репозиторий: https://github.com/davila7/jev-explained Демо: https://jev-explained-repo.vercel.app 👉 @PythonPortal

В открытом доступе появился GuppyLM — проект, который позволяет обучить языковую модель на 9 млн параметров с нуля примерно за пять минут. Репозиторий включает весь процесс обучения и рассчитан на быстрые эксперименты с небольшими языковыми моделями без крупной инфраструктуры. 👉 @PythonPortal

Один из создателей ChatGPT представил принципиально новый тип ИИ-моделей. Два года, Диогу Алмейда, втайне разрабатывал Jev — модель, которая не пишет текст и не генерирует токены последовательно. Она получает любые неструктурированные данные и параллельно принимает заданные разработчиком решения. Например, выбирает одну категорию из списка, выставляет оценку или определяет вероятность утверждения. Jev также запрещено использовать скрытую цепочку рассуждений. Сложное поведение должно собираться разработчиком из множества простых решений при помощи обычного кода. Именно поэтому модель работает в 20–200 раз быстрее и обходится в 40–400 раз дешевле. Миллион входных токенов стоит 4,2 цента, а выход остаётся бесплатным навсегда (его вычисление настолько дёшево, что компания не видит смысла его считать.) Компания заявляет о нулевых галлюцинациях. Jev не может выдать ответ вне заданных вариантов или нарушить структуру. При этом модель может выбрать неправильный вариант. Это не замена GPT-6 Astra и не новый чат-бот. Jev создан для автоматизации, где программам не нужны тексты. Им нужны быстрые решения в заданном формате.