📚Python Books
前往频道在 Telegram
📚Python библиотека admin - @workakkk @ai_machinelearning_big_data - машинное обучение @programming_books_it - бесплатные it книги @pythonl - 🐍 @ArtificialIntelligencedl - AI @datascienceiot - ml РКН: clck.ru/3FmsTi
显示更多
网络:📈 Telegram 频道 📚Python Books 的分析概览
频道 📚Python Books (@pythonlbooks) 是活跃参与者。目前社区聚集了 33 356 名订阅者，在 技术与应用 类别中位列第 3 941，并在 俄罗斯 地区排名第 19 117 位。
📊 受众指标与增长动态
自 невідомо 创建以来，项目保持高速增长，吸引了 33 356 名订阅者。
根据 05 十月, 2026 的最新数据，频道保持稳定运转。过去 30 天订阅人数变化为 -177，过去 24 小时变化为 -1，整体触达仍然可观。
- 认证状态： 未认证
- 互动率 (ER)： 平均受众互动率为 11.00%。内容发布后 24 小时内通常能获得 2.70% 的反应，占订阅者总量。
- 帖子覆盖： 每篇帖子平均可获得 3 669 次浏览，首日通常累积 901 次浏览。
- 互动与反馈： 受众积极参与，单帖平均反应数为 0。
- 主题关注点： 内容集中在 сотрудников, курса, инструменты, использовать, docker 等核心主题上。
📝 描述与内容策略
作者将该频道定位为表达主观观点的平台：
“📚Python библиотека
admin - @workakkk
@ai_machinelearning_big_data - машинное обучение
@programming_books_it - бесплатные it книги
@pythonl - 🐍
@ArtificialIntelligencedl - AI
@datascienceiot - ml
РКН: clck.ru/3FmsTi”
凭借高频更新（最新数据采集于 06 十月, 2026），频道始终保持新鲜度与高覆盖。分析显示受众积极互动，使其成为 技术与应用 类别中的关键影响点。
33 356
订阅者
-124 小时
-157 天
-17730 天
数据加载中...
相似频道
标签云
进出提及
---
---
---
---
---
---
吸引订阅者
十月 '2610月 '26
十月 '26
+18
在0个频道中
九月 '26
+64
在1个频道中
Get PRO
八月 '26
+89
在1个频道中
Get PRO
七月 '26
+117
在0个频道中
Get PRO
六月 '26
+67
在2个频道中
Get PRO
五月 '26
+63
在0个频道中
Get PRO
四月 '26
+20
在0个频道中
Get PRO
三月 '26
+49
在2个频道中
Get PRO
二月 '26
+275
在0个频道中
Get PRO
一月 '26
+485
在2个频道中
Get PRO
十二月 '25
+434
在1个频道中
Get PRO
十一月 '25
+521
在5个频道中
Get PRO
十月 '25
+293
在0个频道中
Get PRO
九月 '25
+619
在2个频道中
Get PRO
八月 '25
+1 070
在1个频道中
Get PRO
七月 '25
+1 143
在1个频道中
Get PRO
六月 '25
+539
在1个频道中
Get PRO
五月 '25
+534
在3个频道中
Get PRO
四月 '25
+716
在1个频道中
Get PRO
三月 '25
+646
在14个频道中
Get PRO
二月 '25
+776
在2个频道中
Get PRO
一月 '25
+1 073
在16个频道中
Get PRO
十二月 '24
+653
在5个频道中
Get PRO
十一月 '24
+1 221
在1个频道中
Get PRO
十月 '24
+1 895
在5个频道中
Get PRO
九月 '24
+731
在2个频道中
Get PRO
八月 '24
+679
在2个频道中
Get PRO
七月 '24
+776
在4个频道中
Get PRO
六月 '24
+870
在6个频道中
Get PRO
五月 '24
+862
在40个频道中
Get PRO
四月 '24
+618
在43个频道中
Get PRO
三月 '24
+721
在21个频道中
Get PRO
二月 '24
+930
在4个频道中
Get PRO
一月 '24
+900
在44个频道中
Get PRO
十二月 '23
+760
在40个频道中
Get PRO
十一月 '23
+395
在7个频道中
Get PRO
十月 '23
+598
在19个频道中
Get PRO
九月 '23
+844
在0个频道中
Get PRO
八月 '23
+899
在0个频道中
Get PRO
七月 '23
+675
在0个频道中
Get PRO
六月 '23
+1 051
在0个频道中
Get PRO
五月 '23
+1 617
在0个频道中
Get PRO
四月 '23
+269
在0个频道中
Get PRO
三月 '23
+438
在0个频道中
Get PRO
二月 '23
+375
在0个频道中
Get PRO
一月 '23
+390
在0个频道中
Get PRO
十二月 '22
+247
在0个频道中
Get PRO
十一月 '22
+408
在0个频道中
Get PRO
十月 '22
+439
在0个频道中
Get PRO
九月 '22
+414
在0个频道中
Get PRO
八月 '22
+314
在0个频道中
Get PRO
七月 '22
+337
在0个频道中
Get PRO
六月 '22
+440
在0个频道中
Get PRO
五月 '22
+1 583
在0个频道中
Get PRO
四月 '22
+470
在0个频道中
Get PRO
三月 '22
+1 846
在0个频道中
Get PRO
二月 '22
+273
在0个频道中
Get PRO
一月 '22
+325
在0个频道中
Get PRO
十二月 '21
+417
在0个频道中
Get PRO
十一月 '21
+698
在0个频道中
Get PRO
十月 '21
+299
在0个频道中
Get PRO
九月 '21
+498
在0个频道中
Get PRO
八月 '21
+323
在0个频道中
Get PRO
七月 '21
+537
在0个频道中
Get PRO
六月 '21
+332
在0个频道中
Get PRO
五月 '21
+332
在0个频道中
Get PRO
四月 '21
+351
在0个频道中
Get PRO
三月 '21
+325
在0个频道中
Get PRO
二月 '21
+264
在0个频道中
Get PRO
一月 '21
+431
在0个频道中
Get PRO
十二月 '20
+4 178
在0个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 06 十月 | 0 | |||
| 05 十月 | +2 | |||
| 04 十月 | +5 | |||
| 03 十月 | 0 | |||
| 02 十月 | +7 | |||
| 01 十月 | +4 |
频道帖子
100 вопросов на Python Senior: к чему готовиться на собеседовании в 2026
Вышла подборка из 100 вопросов для собеседования на Python Senior с развёрнутыми ответами и рабочими примерами кода. Уровень там явно выше «чем список отличается от кортежа».
Первый большой блок про внутренности CPython: как устроен объект, как работают подсчёт ссылок и сборщик мусора, зачем нужен weakref при циклических ссылках. Дальше идёт конкурентность. Почему существует GIL, когда потоки всё ещё полезны, что даёт free-threaded Python по PEP 703 и как выбирать между threading, multiprocessing и asyncio, включая TaskGroup и структурную конкурентность.
Отдельно разобраны дескрипторы и метаклассы, декораторы с параметрами, генераторы и yield from. По типизации есть современный синтаксис дженериков из PEP 695, Protocol и сужение типов через TypeIs. В конце вопросы про профилирование и поиск узких мест, стандартную библиотеку, тестирование и архитектуру, зависимости и безопасность в продакшене. Свежие изменения из Python 3.13 и 3.14 тоже учтены: экспериментальный JIT, отложенные аннотации и отдельный GIL на каждый интерпретатор.
Полезно и тем, кто идёт на собеседование, и тем, кто сам их проводит.
https://uproger.com/voprosy-na-sobesedovanii-python-senior/
| 2 |  📘 195 страниц математики, чтобы понять, как устроен Generative AI
Вышла The Little Book of Generative AI Foundations: An Intuitive Mathematical Primer — компактная книга, которая объясняет математическую основу современных генеративных моделей без ухода в бесконечную теорию.
Внутри:
- PCA и probabilistic PCA;
- VAE;
- diffusion models;
- normalizing flows;
- autoregressive models;
- GAN и Wasserstein GAN;
- energy-based models.
Автор показывает, как они математически связаны между собой и откуда выводятся основные идеи.
Подойдёт тем, кто уже пользуется LLM и diffusion-моделями, но хочет разобраться глубже, чем на уровне «вот нейросеть, вот loss».
195 страниц, один цельный маршрут по фундаменту Generative AI.
PDF: https://arxiv.org/pdf/2605.29713 | 2 315 |
| 3 |  Учить Rust через язык, который уже знаешь.
Microsoft собрала бесплатную коллекцию руководств: Rust для разработчиков на C/C++, C# и Python. Вместо объяснений с нуля каждый гид опирается на знакомые концепции и показывает, что в Rust устроено иначе.
Есть и материалы для тех, кто уже пишет на Rust: асинхронность, продвинутые паттерны, проектирование с помощью типов и инженерные практики.
Книги Microsoft - https://microsoft.github.io/RustTraining/ | 2 292 |
| 4 |  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 | 3 528 |
| 5 |  📘 Elementary Probability for Applications - бесплатная книга по теории вероятностей
163 страницы с базой по вероятностям и прикладными примерами.
Подойдёт тем, кто хочет нормально разобраться в случайных событиях, распределениях, ожиданиях и других основах, которые постоянно встречаются в Data Science и Machine Learning.
Хороший компактный материал без перегруза.
https://clcoding.com/2026/07/elementary-probability-for-applications.html | 3 895 |
| 6 | 🔥 Хак в Django: Meta.indexes можно использовать для собственных миграций
Оказывается, models.Index в Django можно превратить почти в универсальную migration-операцию.
Идея:
class CustomMigrationOperation(models.Index):
def create_sql(self, model, schema_editor, **kwargs):
...
def remove_sql(self, model, schema_editor, **kwargs):
...
А затем добавить её прямо в модель:
class Meta:
indexes = [CustomMigrationOperation()]
После этого makemigrations сам подхватит изменение, а migrate выполнит нужный SQL.
Почему это работает:
Index уже умеет генерировать SQL через create_sql() и remove_sql().
Так можно описывать не только индексы, но и:
triggers
table comments
security labels
другие schema-level настройки
Автор использовал этот приём для PostgreSQL Anonymizer, чтобы правила анонимизации жили рядом с моделью и автоматически попадали в миграции.
Подход довольно hacky, но как способ расширить механизм миграций Django — очень интересный.
https://www.better-simple.com/django/2026/09/02/nifty-feature-use-index-for-custom-migrations/ | 4 013 |
| 7 |  📚 Бесплатный 17-страничный PDF по Hidden Markov Models
Короткий и плотный разбор HMM от Stanford.
Внутри:
- скрытые состояния и наблюдения
- transition и emission probabilities
- вычисление вероятности последовательности
- Forward algorithm
- Viterbi algorithm
- обучение параметров модели
- базовые примеры применения
Хороший материал, чтобы быстро понять HMM без огромного учебника.
PDF:
https://web.stanford.edu/~jurafsky/slp3/A.pdf | 4 157 |
| 8 |  MIT бесплатно выложил 920-страничный учебник Mathematics for Computer Science.
Это большой курс по математике, которая реально нужна в Computer Science.
Внутри:
- логика и доказательства
- множества и отношения
- индукция
- графы
- теория чисел
- рекуррентные соотношения
- комбинаторика
- вероятность
- дискретные структуры и алгоритмическое мышление
Хорошая база для алгоритмов, теории вычислений и более серьёзного изучения CS.
📗 PDF доступен бесплатно. | 4 055 |
| 9 |  🔥 Python + AI без игрушечных демок. Курс для тех, кто хочет собирать рабочие системы.
Stepik: «Python современный AI для разработчика и автоматизации задач»
63 урока, 382 шага, практика с кодом и автопроверкой.
Внутри: RAG, tool calling, агенты, evals, MCP, Ollama, vLLM, pgvector + HNSW, безопасный text-to-SQL, prompt injection, кэш, очереди и sandbox для агентного кода.
Плюс реальные автоматизации: почта, отчёты, боты, вебхуки и браузерные сценарии.
Для тех, кто уже знает Python и хочет перейти к production AI.
⏳ 72 часа скидка 55%
https://stepik.org/a/295921 | 3 345 |
| 10 |  🔥 Face Anything - восстановление 4D-лица из любой последовательности изображений
На ECCV 2026 представили Face Anything - unified feed-forward модель для высокоточного 4D face reconstruction и плотного трекинга лица.
Ключевая идея - canonical facial point prediction: каждому пикселю назначается нормализованная координата лица в общем каноническом пространстве.
Это позволяет объединить dense tracking и динамическую реконструкцию в одну задачу и получать:
* стабильную геометрию между кадрами
* точные соответствия facial points
* 4D-реконструкцию из произвольной последовательности изображений
Код:
https://github.com/kocasariumut/FaceAnything | 3 191 |
| 11 |  Интегрируйте OCR в ваш Python-продукт за 15 минут 🚀
Создаёте SaaS, автоматизируете B2B или собираете ИИ-агентов на Python? Забудьте про облачные костыли и отправку конфиденциальных данных на чужие сервера!
Provision OCR — российский движок для локального распознавания документов в защищенном контуре.
⚡️ Python-friendly: интеграция через REST API и gRPC для FastAPI, Django или Flask.
⚡️ Docker-ready: быстрый запуск в один контейнер без сложной настройки окружения.
⚡️ 100% локальности: полное соответствие требованиям безопасности.
⚡️ Производительность: от <3 сек/стр. на GPU (RTX 2070+) или работа на CPU, точность до 99%.
⚡️Готовые шаблоны любых документов на русском: договоры, счета-фактуры и другие.
💻 Пример интеграции с Django:
https://github.com/Provision-Labs/Django_OCR_UI
💡 Дистрибутив в нашем Telegram-канале: @ProvisionLabs
#Python #Django #FastAPI #OCR #ProvisionOCR #Backend #OnPremise #AI #DevOps #OpenSource #ИИ | 2 662 |
| 12 |  +1📚 Бесплатная работа по Information Geometry и Fisher–Rao Distance
Исследование посвящено численному приближению расстояния Fisher–Rao между многомерными нормальными распределениями.
Внутри разбираются:
- Fisher–Rao Distance
- Information Geometry
- Fisher Information
- KL и Jeffreys Divergence
- статистические многообразия и геодезические
- SPD-матрицы
- Mahalanobis Distance
- численные методы приближения
Полезно для ML-исследователей, data scientists, статистиков и тех, кто изучает продвинутую теорию вероятностей.
Бесплатный PDF:
https://arxiv.org/pdf/2302.08175 | 2 769 |
| 13 | +1 没有文字... | 1 |
| 14 |  📚 Бесплатная книга по causal inference + ML
Applied Causal Inference Powered by Machine Learning and AI - большая открытая книга про причинно-следственный анализ с современным уклоном в машинное обучение и AI.
Внутри:
* causal graphs и DAG
* потенциальные исходы
* A/B и observational data
* propensity score
* matching и weighting
* heterogeneous treatment effects
* Double/Debiased Machine Learning
* causal forests
* uplift и policy learning
* связь causal inference с современными ML-моделями
Подойдёт тем, кто хочет выйти за пределы обычной корреляции и разбираться, что действительно влияет на результат.
496 страниц, PDF доступен бесплатно:
http://arxiv.org/abs/2403.02467 | 2 625 |
| 15 | 10 бесплатных книг по программированию, которые можно читать прямо с GitHub
1. The Rust Programming Language
https://github.com/rust-lang/book
2. Rust by Example
https://github.com/rust-lang/rust-by-example
3. The Little Book of Rust Books
https://github.com/lborb/book
4. Python Data Science Handbook
https://github.com/jakevdp/PythonDataScienceHandbook
5. Dive Into Deep Learning
https://github.com/d2l-ai/d2l-en
6. Probabilistic Machine Learning
https://github.com/probml/pml-book
7. Algorithms for Decision Making
https://github.com/algorithmsbooks/algforopt-notebooks
8. Operating Systems: Three Easy Pieces
https://github.com/remzi-arpacidusseau/ostep-homework
9. Crafting Interpreters
https://github.com/munificent/craftinginterpreters
10. Free Programming Books — огромная библиотека бесплатных книг по Python, Java, C++, Go, AI, SQL, Linux и десяткам других тем
https://github.com/EbookFoundation/free-programming-books
Последний репозиторий особенно полезен: там собрана огромная регулярно обновляемая база легально доступных книг и учебных материалов по программированию. | 2 738 |
| 16 |  🔥 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. | 2 186 |
| 17 | 🔥 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. | 2 061 |
| 18 |  📚 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 | 4 984 |
| 19 |  🐍 Free-threaded Python убрал GIL, но NumPy всё равно упирался во внутренние блокировки
Казалось бы, Python 3.13+ без GIL должен позволить нескольким потокам одновременно выполнять численные операции.
Но на практике параллельные ufunc начинали конкурировать за внутренние структуры NumPy, счётчики ссылок и выделение памяти.
В NumPy 2.5 разработчики устранили несколько ключевых узких мест:
- таблицу диспетчеризации ufunc заменили на lock-free concurrent hash map;
- часть общих служебных объектов сделали «бессмертными», снизив конкуренцию при подсчёте ссылок;
- выделение памяти перевели на PyMem_RawMalloc и PyMem_RawFree.
Теперь независимые операции можно масштабировать обычными потоками:
from concurrent.futures import ThreadPoolExecutor
import numpy as np
arrays = [
np.random.rand(5_000_000)
for _ in range(8)
]
with ThreadPoolExecutor(max_workers=8) as pool:
results = list(pool.map(np.sin, arrays))
Главное преимущество перед multiprocessing - массивы не нужно сериализовать и копировать между процессами.
Потоки работают в одном адресном пространстве, поэтому могут эффективнее использовать многоядерный CPU и общую память.
Но есть важная оговорка:
free-threaded не означает автоматически thread-safe.
Одновременное изменение одного ndarray из нескольких потоков всё ещё может привести к гонкам, повреждённым данным и падению интерпретатора.
Безопаснее использовать:
- отдельный массив для каждого worker;
- общий массив только для чтения;
- явную синхронизацию при записи.
Удалить GIL оказалось недостаточно. Чтобы Python действительно масштабировался по ядрам, пришлось перепроектировать и внутренности NumPy.
Подробнее:
https://labs.quansight.org/blog/scaling-numpy-on-free-threaded-python | 5 024 |
| 20 |  Лето, ИТ-Пикник и музыка известных артистов уже через несколько дней!
8 августа в Коломенском пройдет ИТ-Пикник.
В программе — выступления проекта LAB Антона Беляева, IOWA, Cream Soda, Pompeya, мартина и Совы.
А днем — научпоп-лекции, дискуссии об ИИ и больших языковых моделях, мастер-классы и интерактивы. Полезные знакомства и развлечения тоже будут.
Зарегистрироваться и узнать подробности можно на сайте мероприятия.
В билет входит +1 — можно позвать близких и друзей.
До встречи в месте притяжения ИТ. | 3 630 |
