BigData Team (BDT)
前往频道在 Telegram
BigData Team: the way you learn best Практико-ориентированное обучение по Big Data, Machine Learning, промышленной разработке на Python. https://bigdatateam.org/ru Чтобы бустнуть: https://t.me/boost/bigdatateam
显示更多804
订阅者
+224 小时
+77 天
+330 天
正在加载数据
吸引订阅者
十月 '2610月 '26
十月 '26
+364
在1个频道中
九月 '260
在0个频道中
Get PRO
八月 '260
在1个频道中
Get PRO
七月 '260
在0个频道中
Get PRO
六月 '260
在0个频道中
Get PRO
五月 '260
在0个频道中
Get PRO
四月 '260
在0个频道中
Get PRO
三月 '260
在2个频道中
Get PRO
二月 '260
在0个频道中
Get PRO
一月 '260
在0个频道中
Get PRO
十二月 '250
在0个频道中
Get PRO
十一月 '250
在0个频道中
Get PRO
十月 '250
在0个频道中
Get PRO
九月 '250
在1个频道中
Get PRO
八月 '250
在5个频道中
Get PRO
七月 '250
在0个频道中
Get PRO
六月 '250
在0个频道中
Get PRO
五月 '250
在0个频道中
Get PRO
四月 '250
在0个频道中
Get PRO
三月 '250
在0个频道中
Get PRO
二月 '250
在0个频道中
Get PRO
一月 '250
在0个频道中
Get PRO
十二月 '24
+7
在1个频道中
Get PRO
十一月 '24
+7
在0个频道中
Get PRO
十月 '24
+7
在1个频道中
Get PRO
九月 '24
+11
在0个频道中
Get PRO
八月 '24
+61
在0个频道中
Get PRO
七月 '24
+153
在3个频道中
Get PRO
六月 '240
在1个频道中
Get PRO
五月 '24
+2
在0个频道中
Get PRO
四月 '24
+16
在0个频道中
Get PRO
三月 '24
+15
在0个频道中
Get PRO
二月 '24
+6
在0个频道中
Get PRO
一月 '24
+249
在1个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 26 十月 | +2 | |||
| 25 十月 | +2 | |||
| 24 十月 | +2 | |||
| 23 十月 | 0 | |||
| 22 十月 | +1 | |||
| 21 十月 | 0 | |||
| 20 十月 | +5 | |||
| 19 十月 | +1 | |||
| 18 十月 | 0 | |||
| 17 十月 | 0 | |||
| 16 十月 | 0 | |||
| 15 十月 | 0 | |||
| 14 十月 | +1 | |||
| 13 十月 | +1 | |||
| 12 十月 | 0 | |||
| 11 十月 | 0 |
频道帖子
Repost from Заметки математика-программиста, Алексей Драль
+5
🌍 25 международных грантов на AI Agents Engineer, Level 2
Александр Гущин, Никита Синчинов и ещё один IT-друг (инкогнито) запускают уже 3й социальный проект для поддержки развития в data-профессиях.
Правила просты: если вы готовы вкладывать в своё образование в сфере IT хотя бы 10 часов в неделю на протяжении 6 месяцев, то грантодатели как минимум удваивают ваш личный вклад в ваше образование.
Истории успеха
Не бывает "рано" или "поздно", самое важное — горящие глаза и трудолюбие. Несколько личных примеров:
1️⃣ Адильхан (учащийся колледжа, Бишкек, Кыргызстан)
В период обучения прокачался по хардам и устроился на работу в EPAM.2️⃣ Виталий (career switch, Алматы, Казахстан)
Переквалифицировался из ученого института зоологии в ML/AI разработчика и уже работает над AI моделями в индустрии (финтех).3️⃣ Нуржан (ученый и преподаватель, Бишкек, Кыргызстан)
Прокачивается по распределенным вычислениям (Big Data) для науки и за успехи в период обучения уже переведена на грант с полным покрытием (история из первых уст на LinkedIn).И еще много других историй из 🇰🇿🇰🇬🇮🇱🇷🇺🇩🇪. В этом наборе очень хочется расширить географию, поэтому смело распространяйте информацию по клубам выпускников, университетам и IT сообществам. И покажите личным примером, что такие проекты полезны для общества: 👉 подать заявку. Лауреаты прошлых запусков: — 2025 — 2026 H1 // преподаватели, ученые, студенты, аналитики, ... Учебная программа Специализация AI Agents Engineer (Big Data, ML, DevOps), от агентской разработки до ИИ-агентов: Level 1: Agentic Coding & AI Agents (core) Level 2: DevOps и Data Analytics Level 3: трек BD, ML или AI 🗓 Старт обучения: 28 октября ▶️ Видео о школе и программе ✍️ Тезисно — в первом комментарии 👉 Все подробности обучения (сайт) Инструкция и трудозатраты на подачу заявки После регистрации на платформе Learn BDT 💎 0. Внимательно изучите "инструкцию" И затем пройдите: 1. Базовые тесты, 1-2 часа 2. Дополнительные тесты, 30-90 минут // много ответов "Не знаю" в этом разделе — ожидаемо 3. Опросники по профилю и мотивации, 30 минут 4. Загрузите CV/Резюме, 10 минут Дедлайны конкурса — I волна отбора — до 18 октября, 23:59 — II волна отбора — до 25 октября, 23:59 Что мы придумали, чтобы пойти вам навстречу По опыту отбора на гранты и анализа страхов, с которыми сталкиваются кандидаты, мы разработали новый формат грантовой поддержки:
чем лучше вы учитесь, тем больший размер поддержки вы получаете.Это означает, что: 1. Вы можете начать с 1-2х месяцев обучения и, если поймете, что страшно, не ваше или не получается, то на этом и остановиться без каких-либо штрафных санкций; 2. Если вы учитесь на "отлично", то ваше грантовое покрытие вырастает на 25% (или сохраняется, если вы уже на полном грантовом покрытии). Стоимость Стоимость обучения в месяц в зависимости от грантового покрытия: — грант 50%: 185 $ в месяц — грант 75%: 92 $ в месяц — грант 100%: бесплатно С учетом пункта выше, грантовое покрытие 75-100% доступно каждому. Размер начального грантового покрытия определяется по результатам оценки социального профиля (сразу подсвечу: использование GPT играет вам в минус, сдавайте честно и пишите самостоятельно). Примеры критериев нашего процесса отбора:
личная потребность: без этих курсов (знаний и навыков) человеку было бы сложно изменить свое социальное положение или сменить род деятельности.
знания и навыки, которые получит человек, будут иметь социальную значимость для общества (e.g. ученый или преподаватель).Last, but not least 📩 Вопросы: в комментариях или на study@bigdatateam.org 🙏 Репост — лучший способ поддержать проект: возможно, кто-то из ваших знакомых ждёт именно эту возможность. BigData Team: the way you learn best AI Agents | Py4BDA | Python | Machine Learning | Big Data #study #BigDataTeam #mgrant #AIE
| 2 | ![🐍 Python для анализа [больших] данных ❗️ последний поток 2026 года Знакомая картина: анализ в Jupyter готов, график красивый](data:image/jpeg;base64,/9j/4AAQSkZJRgABAQAAAQABAAD/2wBDACgcHiMeGSgjISMtKygwPGRBPDc3PHtYXUlkkYCZlo+AjIqgtObDoKrarYqMyP/L2u71////m8H////6/+b9//j/2wBDASstLTw1PHZBQXb4pYyl+Pj4+Pj4+Pj4+Pj4+Pj4+Pj4+Pj4+Pj4+Pj4+Pj4+Pj4+Pj4+Pj4+Pj4+Pj4+Pj4+Pj/wAARCAAXACgDASIAAhEBAxEB/8QAHwAAAQUBAQEBAQEAAAAAAAAAAAECAwQFBgcICQoL/8QAtRAAAgEDAwIEAwUFBAQAAAF9AQIDAAQRBRIhMUEGE1FhByJxFDKBkaEII0KxwRVS0fAkM2JyggkKFhcYGRolJicoKSo0NTY3ODk6Q0RFRkdISUpTVFVWV1hZWmNkZWZnaGlqc3R1dnd4eXqDhIWGh4iJipKTlJWWl5iZmqKjpKWmp6ipqrKztLW2t7i5usLDxMXGx8jJytLT1NXW19jZ2uHi4+Tl5ufo6erx8vP09fb3+Pn6/8QAHwEAAwEBAQEBAQEBAQAAAAAAAAECAwQFBgcICQoL/8QAtREAAgECBAQDBAcFBAQAAQJ3AAECAxEEBSExBhJBUQdhcRMiMoEIFEKRobHBCSMzUvAVYnLRChYkNOEl8RcYGRomJygpKjU2Nzg5OkNERUZHSElKU1RVVldYWVpjZGVmZ2hpanN0dXZ3eHl6goOEhYaHiImKkpOUlZaXmJmaoqOkpaanqKmqsrO0tba3uLm6wsPExcbHyMnK0tPU1dbX2Nna4uPk5ebn6Onq8vP09fb3+Pn6/9oADAMBAAIRAxEAPwCopG0Zbn/PvScf3z+n+NIGwo4/lRnPIH8qZIuB/wA9D+n+NMJI6MSPrSk7uo/LFN2j0P50gDefU0U1uDxRQFiQSDy9vH5UBwAB/SiimUBl7jFIZT6CiikAxsdQefSiiigD/9k=){kind=small} +1🐍 Python для анализа [больших] данных
❗️ последний поток 2026 года
Знакомая картина: анализ в Jupyter готов, график красивый, выводы есть. Данные выгружены руками, окружение "у меня на машине", отладка через print. Задачу вы решили — а повторить её завтра, на свежих данных, на другом сервере или вместе с коллегой уже не получается.
Py4BDA — курс про анализ данных на Python с фундаментом, которого обычно не хватает самоучкам: базой по Computer Science и привычкой делать вычисления воспроизводимыми. Почему мы так упираем на окружение и консоль — отвечали ученику.
Кому подойдёт
— аналитикам, которым тесно в выгрузках и хочется задач посложнее;
— разработчикам, которые идут в данные;
— Data Scientists, у которых 90% времени уходит на сбор и предобработку данных;
— дата-инженерам, которым нужно закрыть пробелы в CS: Big-O, структуры данных — те самые, что спрашивают на собеседованиях.
Что внутри: 10 недель, 10 модулей, каждую неделю — практический мини-проект с моментальной проверкой на Grader. Четыре блока — ровно по целям курса:
1️⃣ Анализ данных: pandas и SQL — выгрузить, склеить, сгруппировать, проверить и показать результат (join, group by, window; SQL и для аналитики, и из кода: connection, cursor, transaction)
2️⃣ Python глазами разработчика: ООП, pythonic код, PEP-8, генераторы — чтобы ваш код понимали коллеги-разработчики
3️⃣ Консоль и воспроизводимость: Linux, ssh + IDE, bash, regexp, git, тесты и GitHub Actions, Docker — чтобы анализ запускался не только у вас
4️⃣ Алгоритмы и структуры данных: Big-O, бинарный поиск, quicksort, хэш-таблицы, графы, bfs/dfs — то, что чаще всего спрашивают на собеседованиях, и база, чтобы прокачивать это дальше самостоятельно
🧑🏫 Преподают практики из Amazon AWS, Яндекса, eBay, Nebius AI и Next Step Fusion: Алексей Драль, Илья Бойцов, Александр Климов и Евгений Адищев. Py4BDA — одна из составляющей нашей специализации AIE: посмотрите, какие pet-проекты её слушатели собрали по задаче Евгения Адищева.
В нашем гайде по Data-профессиям этот курс стоит на ступени Grade 2 — "типовая задача в данных решается от начала до конца": выгрузка, обработка, проверка, результат. Это фундамент, с которого аналитик растёт в Data Science, Data Engineering или разработку — с ним следующий грейд берётся за месяцы, а не за годы проб и ошибок.
Формат: онлайн, раз в неделю по 3 часа, с видеозаписями; на обучение закладывайте 8–12 часов в неделю. Можно взять курс целиком, по частям или записаться только на интересующие модули — за деталями обращайтесь к менеджерам. Успешно прошедшим курс — удостоверение о повышении квалификации государственного образца, есть налоговый вычет.
Учите команду? Для групп — индивидуальные условия: b2b@bigdatateam.org.
🗓 Старт обучения — 12 октября, уже в понедельник 🔥 Это последний запуск в этом году: следующий поток только в 2027-м.
🧑🎓 Отзывы выпускников
👉 Подробная программа и регистрация
💬 Остались вопросы? Пишите в WA или TG.
BigData Team: the way you learn best
AI Agents | Py4BDA | Python | Machine Learning | Big Data
#BigDataTeam #study #Py4BDA #python #announce | 211 |
| 3 |  ✍️ Tech Orda: как не упустить грант — краткий план
1️⃣ Общая инструкция, независимо от выбора школы обучения.
— 21 сентября, 23:59 — закрыт приём заявок на обучение в школах Astana Hub. Если вы не подали заявку на портале (напр., AI Agents Engineer), школа не сможет выдать грант.
— 22–23 сентября — школы модерируют заявки и проставляют статусы: «Грант», «Лист ожидания» или отказ.
Раунд 1
🧑🏫 24–26 сентября — вы подтверждаете одну заявку со статусом «Грант» или пропускаете раунд (в надежде на освобождение гранта у нужной школы). Подтвердить = подписать ЭЦП.
🏛 27–28 сентября — школы перераспределяют освободившиеся гранты.
Раунд 2
🧑🏫 29 сентября – 1 октября — можно:
— принять грант, или
— принять «лист ожидания» (учеба с общей группой грантников с возможностью перейти на грант на условиях школы),
— или пропустить.
🏛 2–3 октября — перераспределение освободившихся грантов.
Раунд 3
🧑🏫 4–6 октября — финальное решение: подтвердить «Грант» / «Лист ожидания» или отказаться.
🏛 7–8 октября — документы/бюрократия между студентами, школами и Фондом (Astana Hub).
⚠️ Ничего не нажали в раундах 1–2 = пропустили раунд. Ничего не нажали в раунде 3 = отказались от гранта.
🍁 октябрь — старт обучения AI Agents Engineer.
2️⃣ Как это будет в BigData Team
По опыту прошлых лет, большинство грантов подтверждаются уже в Раунде 1. Шансы остаются, если:
a) кто-то не на связи/не успевает подписать → грант освободится;
b) вы — сильный кандидат, которого мы не заметили на этапе тестов → мы предложим индивидуальный грант в формате "лист ожидания" в рамках Раунда 2.
3️⃣ Что сделать сейчас
Проверьте, что ЭЦП рабочий: без него грант не подписать. Проверяйте почту/спам и Telegram, чтобы быть в курсе возможных изменений. До конца дня 23 сентября мы проставим статусы и разошлем финальные офферы по грантам. Если кто-то не подпишет в ближайшие дни, то некоторые гранты могут освободиться.
👉 Поставьте лайк, сохраните инструкцию и перешлите другу, кому это актуально.
📩 Вопросы: личка, комментарии или techorda@bigdatateam.org
P.S. Всем, кто проходил тестирование и не получил гранты, мы ответим с рекомендациями и индивидуальными предложениями 7–12 октября.
BigData Team: the way you learn best
AI Agents | Py4BDA | Python | Machine Learning | Big Data
#study #BigDataTeam #TechOrda #AstanaHub #AIE | 291 |
| 4 |  🏁 Гранты Tech Orda: результаты волны III
Подробности о программе AI Agents Engineer, грантах Tech Orda, правилах участия в конкурсе: https://t.me/bigdatateam/645.
🔄 Волны отбора
— I волна — до 23 августа, 23:59
— II волна — до 30 августа, 23:59
— III волна — до 6 сентября, 23:59
— последний вагон — до 20 сентября, 23:59 🔥
По заявкам мы уже отобрали 60 классных ребят и девчат. Грантов у нас всего 50, поэтому мы предварительно связываемся с кандидатами, чтобы убедиться в серьезности намерений.
Мы с вами еще не связались? Не беспокойтесь, здесь ровно 2 сценария:
😃 тестирование еще не завершено
Не успели раньше? Пройдите оставшиеся тесты на Learn BDT до 20 сентября, 23:59 (см. раздел как подать заявку).
💛💛 все тесты уже пройдены
Вы в пуле кандидатов "последний вагон". Уверены, что хотите учиться у нас и только у нас? Обязательно напишите об этом менеджеру (или на techorda@bigdatateam.org).
Отдельный трек Level 1.5. Если у вас слабая база по Python, bash, SQL и аналитике, но вы хотите учиться у нас и готовы инвестировать в свое образование, напишите об этом менеджеру, чтобы вас взяли на обучение Level 1.5 с дополнительными учебными модулями по Computer Science.
Last, but not least
⏳ Сдача тестирований на грант — до 20 сентября, 23:59. Следующий вагон — только через год.
📩 Вопросы: личка, комментарии или techorda@bigdatateam.org
🤗 Лайк и репост — у кого-то из ваших знакомых сейчас закроется вопрос "а на что учиться".
BigData Team: the way you learn best
AI Agents | Py4BDA | Python | Machine Learning | Big Data
#study #BigDataTeam #TechOrda #AstanaHub #BDMLE #AIE | 286 |
| 5 |  💾 Модель обучена. Уверены, что загрузится через месяц?
рубрика pro #ml
Проект на курсе, трек трансформеров: DistilBERT дообучается отличать хорошие отзывы IMDB от плохих. Студенты собирают класс ModelTrainer, одиннадцать методов: загрузка данных, обучение, валидация, метрики, логирование. Есть там и save_model, десятая часть балла за проект. Всё условие умещается в докстринг: "Saves model to dst_path". Плюс одно предупреждение: проверьте, не обёрнута ли модель в DataParallel.
В 41% проектов метод закрыт одной строчкой: torch.save(model.state_dict()). По букве не придерёшься: модель сохранена в dst_path, файл на диске лежит, галочка стоит. Через месяц файл открывают. Модели там нет.
Файл есть. Чего нет:
1️⃣ Архитектуры
В state_dict только веса, голый словарь тензоров: ни конфига, ни описания слоёв. Загрузить его можно лишь в модель, заново собранную руками ровно той же архитектуры, иначе загрузка не сойдётся по слоям.
2️⃣ Токенизатора
Модель принимает индексы токенов, а не текст. Токенизатор рядом не сохранён, значит текст не во что превращать: инференс не собрать вовсе. Причём нужен тот же самый: у другого соответствие "слово → номер" своё.
Ирония: единственное, о чём условие предупредило прямым текстом, сделали почти все — обёртку развернули. Почти: в одной работе проверка на DataParallel написана, а строка внутри неё ничего не присваивает. Галочка снова стоит, эффекта снова ноль. Сломались не там, где условие предупреждало, а там, где оно промолчало.
🚭 Полезные привычки курильщика ML'щика
Сохраняйте модель перезагружаемой. model.save_pretrained(path), из-под обёртки — model.module.save_pretrained(path), и рядом в ту же папку tokenizer.save_pretrained(path). Тогда один from_pretrained(path) поднимает всё разом: конфиг, архитектуру, веса, токенизатор, на любой машине. Проверить легко: сохраните чекпойнт, перезапустите сессию и поднимите модель заново с диска — from_pretrained(path). Прогоните несколько примеров через инференс: предсказания должны совпасть с теми, что модель выдавала до сохранения. Совпали — сохранилась модель, а не файл.
Сохранить файл и сохранить модель — разные вещи. Первое закрывает букву условия, второе — смысл. А прод экзаменует без докстринга: предупреждений не пишет, подсказок не даёт, вопрос у него один. Загрузится?
Ставить такие привычки проще на практике с экспертами по DNN: здесь модель считается сохранённой, только когда поднялась на чужой машине.
🗓 Ближайший поток запланирован на 17 сентября
BigData Team: the way you learn best
AI Agents | Py4BDA | Python | Machine Learning | Big Data
#study #ml #MachineLearning #DataScience | 233 |
| 6 |  🤐 Вы готовы услышать правду?
Есть вопросы, которые лучше не задавать. В ML — особенно.
Или как говорится - в каждой шутке есть доля шутки.
// перевод изображения на русский: Gemini
Emoji-голосование:
👍 данные важнее модели, всё так
🗿 модель важнее, данные подтянутся
👀 согласен, но вслух не скажу
Разобраться, кто прав, проще на практике. 14 сентября стартуют сразу три потока — Big Data, Machine Learning и анализ данных.
Прислать ваш мем в конкурс мемасиков можно в личку этого канала. Всем хороших выходных и не забываем ставить лайки.
BigData Team: the way you learn best
AI Agents | Py4BDA | Python | Machine Learning | Big Data
#meme #ml #BigDataTeam | 278 |
| 7 |  ❤️🔥 Гранты Tech Orda: последний вагон 🚂
По решению Astana Hub конкурс на гранты продлён до 20-го сентября 23:59. Таким образом, мы открываем набор "последний вагон". Подробности о программе AI Agents Engineer, грантах Tech Orda, правилах участия в конкурсе: https://t.me/bigdatateam/645.
Результаты волны III еще разбираем ==> счастливчикам напишем по личным каналам + следите за анонсами в официальном каналах BigData Team.
🔄 Волны отбора
— I волна — до 23 августа, 23:59
— II волна — до 30 августа, 23:59
— III волна — до 6 сентября, 23:59
— последний вагон — до 20 сентября, 23:59 🔥
Еще не получили от нас сообщения? Не беспокойтесь, здесь ровно 2 сценария:
😃 тестирование еще не завершено
Last call: пройдите оставшиеся тесты на Learn BDT до 20 сентября, 23:59 (см. раздел как подать заявку).
💛💛 все тесты уже пройдены
Вы уже в пуле кандидатов: оставшиеся гранты распределим по результатам тестирования.
Отдельный трек для определившихся. Если вы уже выбрали учебную программу и однозначно понимаете, что это будет интенсивный формат (Level 2 или Level 3), то напишите об этом менеджеру (или на techorda@bigdatateam.org).
Last, but not least
⏳ Следующий вагон — только через год. Двери закрываются 20 сентября в 23:59.
📩 Вопросы: личка, комментарии или techorda@bigdatateam.org
🤗 Лайк и репост — у кого-то из ваших знакомых сейчас закроется вопрос "а на что учиться".
BigData Team: the way you learn best
AI Agents | Py4BDA | Python | Machine Learning | Big Data
#study #BigDataTeam #TechOrda #AstanaHub #BDMLE #AIE | 268 |
| 8 |  🚀 Гранты Tech Orda: результаты волны II
Подробности о программе AI Agents Engineer, грантах Tech Orda, правилах участия в конкурсе: https://t.me/bigdatateam/645.
🔄 Волны отбора
— I волна — до 23 августа, 23:59
— II волна — до 30 августа, 23:59
— III волна — до 6 сентября, 23:59 🔥
По итогам волны II мы отобрали следующие по рейтингу (тесатм) 20 кандидатов. Согласование немного затянулось (CEO в командировке, проводит интенсив по этим AI/Big Data/ML в Кокшетау 🇰🇿❤️🔥) ==> счастливчикам напишем по личным каналам на этих выходных.
Не дождались сообщения на выходных? Не беспокойтесь, здесь ровно 2 сценария:
😃 тестирование еще не завершено
Final call: пройдите оставшиеся тесты на Learn BDT до дедлайна волны III (см. раздел как подать заявку).
💛💛 все тесты уже пройдены
Вы уже в пуле кандидатов волны III. На следующей неделе мы распределим оставшиеся гранты по результатам тестирования.
Отдельный трек для определившихся. Если вы уже выбрали учебную программу и однозначно понимаете, что это будет интенсивный формат (Level 2 или Level 3), то напишите об этом менеджеру (или на techorda@bigdatateam.org).
Last, but not least
📩 Вопросы: личка, комментарии или techorda@bigdatateam.org
🤗 Лайк и репост — у кого-то из ваших знакомых сейчас закроется вопрос "а на что учиться".
BigData Team: the way you learn best
AI Agents | Py4BDA | Python | Machine Learning | Big Data
#study #BigDataTeam #TechOrda #AstanaHub #BDMLE #AIE | 328 |
| 9 |  📖 Преступление и наказание
Сентябрь, самое время перечитать классику. Раскольникова к признанию полкниги подводил следователь, наш герой — раскололся на первом же вопросе.
Emoji-голосование:
😁 сам так делал
🗿 видел у коллег
🔥 у нас всё по-взрослому
Узнали в нём себя или своего знакомого? За такое пока дают условно. Ближайшие потоки 1️⃣ Big Data, 2️⃣ ML и 3️⃣ анализа данных запланированы на 14 сентября: поможем встать на путь исправления.
Прислать ваш мем в конкурс мемасиков можно в личку этого канала. Всем хороших выходных и не забываем ставить лайки.
BigData Team: the way you learn best
AI Agents | Py4BDA | Python | Machine Learning | Big Data
#meme #bigdata #BigDataTeam | 265 |
| 10 |  🚀 Гранты Tech Orda: результаты волны I ➕ 🎁 bonus track
Подробности о программе AI Agents Engineer, грантах Tech Orda, правилах участия в конкурсе: https://t.me/bigdatateam/645.
🔄 Волны отбора
— I волна — до 23 августа, 23:59
— II волна — до 30 августа, 23:59 🔥
— III волна — до 6 сентября, 23:59
По итогам волны I мы отобрали топ-10 кандидатов и связались с каждым по личным каналам, чтобы согласовать обучение по грантам.
Не получили от нас сообщения? Не беспокойтесь, здесь ровно 2 сценария:
😃 тестирование еще не завершено
Пройдите оставшиеся тесты на Learn BDT до дедлайна волны II (см. раздел как подать заявку).
💛 все тесты уже пройдены
Вы уже в пуле кандидатов волны II. И на следующей неделе мы рассмотрим топ-20 кандидатов по результатам тестирования.
🎁 Bonus track.
Отдельный трек для определившихся. Если вы уже выбрали учебную программу и однозначно понимаете, что это будет интенсивный формат (Level 2 или Level 3), то напишите об этом менеджеру (или на techorda@bigdatateam.org).
Last, but not least
Поспешите! (почему)
📩 Вопросы: личка, комментарии или techorda@bigdatateam.org
🤗 Лайк и репост — у кого-то из ваших знакомых сейчас закроется вопрос "а на что учиться".
BigData Team: the way you learn best
AI Agents | Py4BDA | Python | Machine Learning | Big Data
#study #BigDataTeam #TechOrda #AstanaHub #BDMLE #AIE | 363 |
| 11 |  🔥 Лучшие курсы для работы, сохраняй (но немного)
credit за находку: Денис С.
// выпускник практических курсов BigData Team
С вас - лайки 😉
BigData Team: the way you learn best
BD/ML Engineer | AI Agents Engineer 🆕🔥
Py4BDA | Python | Machine Learning | Big Data
#meme #BigDataTeam | 340 |
| 12 | +3 🚀 50 грантов Tech Orda: специализация AI Agents Engineer
Уникальная возможность для граждан РК от 18 до 45 лет:
1. Получить грант 400 000 ₸ от государства на обучение в IT;
2. С вероятностью 60+% достичь карьерных целей в ближайшие 6 месяцев при обучении с BigData Team.
📌 Как подать заявку? До 6 сентября 21 сентября 23:59:
1. Нажать "подать заявку" на портале Astana Hub
2. Зарегистрироваться и пройти тестирование на Learn BDT
3. Подписаться на наш Telegram, чтобы не пропустить новости.
Результаты отбора — на почту; анонсы — здесь.
Особенности 2026
1️⃣ Конечно же ИИ (Agentic Coding и AI Agents)
Не банальный prompt engineering, а фундаментальная база: tools, skills, MCP, окружения (*code*, *claw) или harness. Управление памятью (context, memory, fine-tuning vs RAG, embeddings vs Zettelkasten) и качеством (MAS, ralph-loop, evals, понимание LLMs).
2️⃣ Стоимость
Разработали программу доступную каждому:
— стоимость программы (level 1): 595 000 ₸
— грант Tech Orda: 400 000 ₸
— остаток: 195 000 ₸. Если поделить на 6 месяцев обучения:
🔥 32 500 ₸/месяц
3️⃣ Аналитика зарплат и выпускников от Astana Hub
По нашим выпускникам программы Tech Orda в Казахстане:
— 44% пришли без профильного ИКТ-образования
— 61% достигли карьерных успехов уже в период обучения
💰 1+ млн ₸ средняя зарплата выпускника
Откуда цифры — из налоговой (но анонимно). Подробности читайте в гайде по Data-профессиям.
📌 Ключевая информация
В AI-native эпоху в IT профессии базовых навыков Computer Science уже недостаточно — важно уметь ускорять процессы разработки и аналитики в десятки раз с помощью автономных ИИ-агентов, не теряя контроля над кодовой базой и архитектурой. В 2026 году мы трансформировали программу BDMLE в новый стандарт — AI Agents Engineer (AIE).
🗓 Старт обучения: сентябрь–октябрь
▶️ Видео о школе и программе (10 минут)
🔄 Волны отбора
— I волна — до 23 августа, 23:59
— II волна — до 30 августа, 23:59
— III волна — до 6 сентября, 23:59
— последний вагон — до 21 сентября, 23:59 🔥
Last, but not least
Поспешите! (почему)
📩 Вопросы: личка, комментарии или techorda@bigdatateam.org
🤗 Лайк и репост — у кого-то из ваших знакомых сейчас закроется вопрос "а на что учиться".
BigData Team: the way you learn best
AI Agents | Py4BDA | Python | Machine Learning | Big Data
#study #BigDataTeam #TechOrda #AstanaHub #BDMLE #AIE | 5 050 |
| 13 |  🏠❤️🩹 Вся правда о микросервисной архитектуре
credit за находку: Денис Л.
// CPO образовательных курсов BigData Team
Прислать ваш мем в конкурс мемасиков можно в личку этого канала.
Всем хорошей недели и не забываем ставить лайки, авторам будет приятно.
BigData Team: the way you learn best
BD/ML Engineer | AI Agents Engineer 🆕🔥
Py4BDA | Python | Machine Learning | Big Data
#meme #AgenticCoding #BigDataTeam | 377 |
| 14 |  🚀 Гайд по Data-профессиям: 6 грейдов от Junior до C-level
Вместо тысячи слов (посчитал, получается ровно 2'830):
https://learn.bigdatateam.org/data-careers-guide
Если вдруг домен *.org у вас не открывается из РФ, то сделали зеркало тут:
https://learn.bigdatateam.ru/data-careers-guide
Из статьи вы узнаете про:
— аналитику IT-зарплат и зарплатных вилки
— систему грейдов в крупных IT компаниях
— аналитику карьеры и зарплаты наших выпускников в 🇰🇿
— то, как выйти на Grade 4 (устроиться на работу в Big Tech)
— эволюцию BigData Team в 2026: BDMLE + AI-native = AIE
А пока коллеги готовят официальные анонсы, я обрадую: стартовал конкурс на гранты Tech Orda. В этом году мы ищем 🔥 50 кандидатов, которых мы будем потно плотно прокачивать на протяжение 6+ месяцев. Все подробности: по ссылке.
Сроки отбора на гранты Tech Orda: до 7 сентября.
Налетай, торопись, изучай ИИ-пись.
P.S. максимальный репост — приветствуется!
// подружиться в 👉 LinkedIn | Facebook | Instagram | Threads
#work #study | 334 |
| 15 |  🧐 График построен. А вывод где?
рубрика pro #ml
Смотрим проект на курсе. Ноутбук образцовый: Learning Curves аккуратные, разложение bias-variance нарисовано, оси подписаны, код отработал без единой красной ячейки. Спрашиваем автора: "ну и какую модель в прод?" Пауза. Ноутбук заканчивается картинкой, и ответа в нём нет.
А ведь самое ценное начинается ровно там, где оборвалась последняя ячейка. Кривые честно показывают over- и underfitting, но сами за себя не говорят: почему одна модель переобучается раньше другой и какую в итоге выбрать. Объяснить это ценнее, чем построить график: картинку рисует код, а понимание видно по выводу под ней.
Где под графиком чаще всего пусто:
1️⃣ Learning Curves без вывода
Даже одна кривая отвечает на главные вопросы: переобучается модель или нет, помогут ли ещё данные. Только ответы эти нужно записать: дальше в том же проекте на них опирается весь подбор параметров. Промолчали — и подбираете вслепую.
2️⃣ Bias-variance без сравнения
Почему бэггинг снижает дисперсию, можно объяснить и без графика. График строят ради другого: увидеть эффект на своих данных и поставить рядом две картинки, одиночное дерево против бэггинга. Обе нарисованы, а сравнения под ними нет.
3️⃣ Сравнение без вердикта
Optuna против Grid и Random Search: сравнение прогнали, таблица с результатами готова. Не хватает одной фразы под ней: какой способ подбора берём дальше и почему. Без неё Optuna и перебор так и остаются двумя строчками в таблице, а не решением.
🚭 Полезные привычки курильщика ML'щика
Под каждым графиком: одно-два предложения о том, что на нём видно и какой выбор из этого следует. Проверка простая: закройте картинку и перечитайте текст. Если по нему восстанавливается решение (какая модель, почему именно она), вывод есть. Если остаётся "см. график выше", вывода нет.
График — это аргумент, а не результат. Он как рентгеновский снимок: снимок сделает и аппарат, а диагноз ставит тот, кто умеет его прочитать. И на защите проекта, и на ревью в команде вопрос к вам будет один и тот же: не "как вы это построили", а "почему вы это выбрали". Привычка выше готовит ответ заранее. Правильный код — это ещё не правильная методология.
Заглядывайте к нам на практику: здесь каждый график доводим до вывода, а каждый вывод — до выбора модели.
🗓 Ближайший поток запланирован на 7 сентября
BigData Team: the way you learn best
BD/ML Engineer | AI Agents Engineer 🆕🔥
Py4BDA | Python | Machine Learning | Big Data
#study #ml #MachineLearning #DataScience | 352 |
| 16 |  🔬 Уровень AI adoption, независимое исследование
credit за находку: Денис С.
// выпускник практических курсов BigData Team
С вас - лайки 😉
BigData Team: the way you learn best
BD/ML Engineer | AI Agents Engineer 🆕🔥
Py4BDA | Python | Machine Learning | Big Data
#meme #AgenticCoding #BigDataTeam | 291 |
| 17 |  🎛 Тюнинг, который ничего не тюнит
рубрика pro #ml
Знакомая сцена с разбора практических проектов: человек честно перебрал гиперпараметры бустинга, пометил ячейку "затюнено" и идёт дальше. А на отложенном тесте после всего перебора ничего не изменилось: default давал 0.87 ROC-AUC, "затюненная" — те же 0.87. Столько усилий, чтобы остаться ровно там же.
И вот где прячется тихая ловушка. Тюнинг ощущается как работа: покрутил ручки, посмотрел на числа, устал — вроде молодец. Но засчитывается он не по усилиям, а по табло held-out: если подобранная модель не бьёт дефолтную на отложенной выборке, в прод едет default, а перебор отправляется в стол.
Смысл ведь не в том, чтобы нажать кнопку и вызвать метод, а в том, чтобы понять, стало ли реально лучше. Тюнинг ради тюнинга — это как учёба ради учёбы: движения есть, смысла нет. На учебном проекте это видно яснее всего: за цифры тут не переспросит ни начальник, ни старший, никто, кроме вас самих.
Где это всплывает чаще всего:
1️⃣ "Затюнено", а метрика на месте
модель помечена как подобранная, но на тесте метрика не выросла или даже просела относительно default. Перебор был, прироста нет.
2️⃣ Ручной перебор без кросс-валидации
параметры подобраны несколькими ручными попытками на одной отложенной выборке. Несколько точек нестабильны: удачная конфигурация легко оказывается случайной, а не реальным свойством модели.
3️⃣ Таблица default vs tuned "на глаз"
сравнение собрано с приблизительными числами вместо реально посчитанной метрики. Доказать прирост тогда попросту нечем.
🚭 Полезные привычки курильщика ML'щика
Тюнинг — это гипотеза "стало лучше", а не медаль за старания. Гоняем её кросс-валидацией на train (RandomizedSearchCV, GridSearchCV или Optuna), а не одной удачной ручной попыткой, и кладём рядом два честных числа: метрику до и после. Вырос held-out — прирост едет в прод; не вырос — остаётся default.
Отрицательный результат на held-out — тоже результат, причём честный, и о нём стоит рассказать: это экономит время тем, кто иначе полез бы в тот же тупик. В индустрии за честно закрытый неудачный эксперимент спасибо скажут не меньше, чем за удачный — так что привычки выше пригодятся и джуну, и любому синьору-помидору. Плохо не когда тюнинг не помог, плохо — когда его всё равно записали в победы.
Заглядывайте к нам на практику, где тюнинг засчитан только приростом на held-out.
🗓 Ближайший поток запланирован на 7 сентября
BigData Team: the way you learn best
BD/ML Engineer | AI Agents Engineer 🆕🔥
Py4BDA | Python | Machine Learning | Big Data
#study #ml #MachineLearning #DataScience | 329 |
| 18 |  ❤️🩹 Будни ИИ-стартапов
credit за находку: Денис Л.
// CPO образовательных курсов BigData Team
Прислать ваш мем в конкурс мемасиков можно в личку этого канала.
Всем хороших выходных и не забываем ставить лайки, авторам будет приятно. Перевод и upscale: Gemini (сравниваем и улыбаемся).
BigData Team: the way you learn best
BD/ML Engineer | AI Agents Engineer 🆕🔥
Py4BDA | Python | Machine Learning | Big Data
#meme #AgenticCoding #BigDataTeam | 276 |
| 19 |  💤 Идеальный код, который никто не запускал
рубрика pro #ml
Открываешь присланный ноутбук: код чистый, структура на месте, комментарии по делу. Листаешь вниз, а у каждой ячейки пусто. In [ ]:, ни одного вывода, execution_count = 0. Модель описана, обучение написано, метрика где-то в тексте даже заявлена. Только всё это ни разу не прогонялось.
Мысль тут простая до обидного: непрогнанный код — это ещё не результат, а только заявка на него. Пока ячейка не выполнена, судить особо не о чем: неизвестно, обучается ли модель, сходится ли лосс, чему на самом деле равна метрика. Тихие ошибки любят прятаться именно здесь: несовпадение форм тензоров, не то устройство, внезапный OOM. Вылезают они ровно в момент запуска, а не раньше.
Где это ловится чаще всего:
1️⃣ Ноутбук не прогнан начисто сверху вниз
код эволюционирует: ячейки перезапускают, меняют местами, счётчик исполнения скачет — In [7] стоит выше In [3]. Воспроизводится ли такой прогон с нуля — уже большой вопрос. А нередко выводов и вовсе нет: ни логов обучения, ни метрик, ни графиков. Для генеративных задач та же беда: ни кривых лосса, ни реконструкций, ни единого сгенерированного сэмпла. Засчитать тут можно разве что аккуратную структуру, но не результат.
2️⃣ Метрика есть, но не в выводе
финальная цифра вписана в markdown или в комментарий руками, а не посчитана в исполненной ячейке. А раз в выводе её нет — такую метрику нельзя ни проверить, ни воспроизвести.
🚭 Полезные привычки курильщика ML'щика
Restart & Run All перед сдачей, а потом глазами пройтись сверху вниз: у каждой ячейки есть вывод, а финальная метрика стоит в выводе ячейки, а не вписана в markdown руками. Код без прогона — как рецепт, который вы так и не приготовили: на бумаге пальчики оближешь, а на деле...
В ML верят не тому, что написано, а тому, что выполнилось: пустые In [ ]: — это не "почти сдал", а ноль доказательств.
Заглядывайте к нам на практику, здесь мы хорошие привычки доводим до автоматизма.
🗓 Ближайший поток запланирован на 7 сентября
BigData Team: the way you learn best
BD/ML Engineer | AI Agents Engineer 🆕🔥
Py4BDA | Python | Machine Learning | Big Data
#study #ml #MachineLearning #DataScience | 304 |
| 20 |  🔞 Три самых главных слова этого лета
credit за находку: Евгений Адищев
// CDO и преподаватель образовательных курсов BigData Team
Прислать ваш мем в конкурс мемасиков можно в личку этого канала.
P.S. всем хороших выходных и не забываем ставить лайки, авторам будет приятно.
BigData Team: the way you learn best
BD/ML Engineer | AI Agents Engineer 🆕🔥
Py4BDA | Python | Machine Learning | Big Data
#meme #AgenticCoding #BigDataTeam | 256 |
