Data Portal | DS & ML

«Математические методы в науке о данных с Python» Себастьяна Роша. https://mmids-textbook.github.io

Нашёл ещё один хороший бесплатный учебник — Classical Mechanics. Это больше 300 страниц классической механики уровня первого курса университета. Внутри скорость и ускорение, импульс, кинетическая энергия, силы, работа и мощность, движение в двух измерениях, вращательная динамика, гравитация, гармонические колебания, волны и многое другое. Что особенно хорошо — авторы постоянно связывают физику с математикой. Например, скорость рассматривается как производная координаты, а ускорение как вторая производная. И дальше эта логика проходит через весь учебник. Есть много разобранных примеров и задач, а объяснения при этом довольно доступные. Если хотите системно подтянуть механику и заодно лучше почувствовать, как математика описывает физический мир, точно стоит сохранить. https://scholarworks.uark.edu/oer/3/

Представляю вам сильно обновлённую открытую книгу Machine Learning Engineering за август 2026 года. https://github.com/stas00/ml-engineering Если удобнее читать в PDF, теперь в ней уже 498 страниц. https://github.com/stas00/ml-engineering#ebook-versions-of-the-book Книга получила огромное обновление. Характеристики современного высокопроизводительного железа привели в актуальное состояние, а многие примеры и разборы обновили под свежие версии PyTorch, CUDA и других критически важных компонентов для машинного обучения. Также исправили множество ошибок и неточностей.

Использование искусственного интеллекта как полноценного участника команды при анализе данных. Курс Габора Бекеша «Data Analysis with AI», обновлённый летом 2026 года, больше ориентирован на практику, чем на теорию. И при этом он полностью бесплатный и с открытым исходным кодом. https://gabors-data-analysis.com/ai-course/

Бесплатный курс по современной робототехнике. Учебник Modern Robotics Кевина Линча и Фрэнка Парка теперь доступен в формате полноценного курса на YouTube. В программе шесть частей. Основы движения роботов, кинематика, динамика, планирование и управление движением, манипуляция и колёсные мобильные роботы, а в конце итоговый проект по мобильной манипуляции. Разбираются пространство конфигураций, движения твёрдых тел, прямая и обратная кинематика, динамика, построение траекторий, планирование движения, управление роботами, захват объектов и мобильные роботы. Вместе с курсом доступны задачи с решениями, экзамены Seoul National University за 2017–2020 годы, видеолекции и код на Python, MATLAB и Mathematica. Курс можно пройти бесплатно на YouTube.

Нашёл отличный открытый курс от Zhejiang University — Large Model Basics. У проекта уже больше 16 тысяч звёзд на GitHub, и это не просто один учебник. Внутри последовательно разобраны Transformer, архитектуры больших моделей, промпты, цепочки рассуждений, LoRA, редактирование моделей, RAG и другие базовые темы. Но самое полезное здесь — структура. К каждой главе приложен список оригинальных научных работ. Отдельно собраны классические статьи и еженедельные подборки с arXiv. То есть можно сначала разобраться в теме по учебнику, а потом сразу идти в первоисточники. Сейчас многие изучают LLM очень фрагментарно. Сегодня агенты, завтра обучение с подкреплением, послезавтра Harness. В итоге знаний становится много, но между ними остаются огромные дыры. А этот репозиторий как раз выглядит как нормальная карта, по которой можно системно закрыть фундамент. https://github.com/ZJU-LLMs/Foundations-of-LLMs

❗️ Распространите ❗️ Найден ИИ-ассистент, который реально экономит рабочее время и не сливает корпоративные данные Сотрудникам не придется тратить время на поиск информации по разрозненным документам, регламентам и ссылкам. С корпоративным ИИ-ассистентом от Selectel и KTS все собрано в единой базе знаний с умным поиском. С вас — запросы на естественном языке, с ассистента —  мгновенные структурированные ответы, краткие выжимки и ключевые тезисы по внутренним файлам, черновики документов и многое другое.  Решение подойдет компаниям даже со строгими требованиями к безопасности:  ✨ Ассистент автоматически маскирует чувствительные данные в запросах и проверяет их на соответствие политикам безопасности.  ✨ Продукт можно интегрировать с корпоративными системами управления доступом и разграничить права пользователей при работе с информацией. ✨ Решение можно развернуть как в облаке Selectel, так и в вашем контуре – в этом случае Selectel предоставляет серверы с GPU в аренду на вашей площадке.  Корпоративного ИИ-ассистента можно внедрить всего за 2 недели, включая настройку решения под данные и процессы компании. Протестируйте и убедитесь сами ✨ клик

❗️ Распространите ❗️ Найден ИИ-ассистент, который реально экономит рабочее время и не сливает корпоративные данные Сотрудникам не придется тратить время на поиск информации по разрозненным документам, регламентам и ссылкам. С корпоративным ИИ-ассистентом от Selectel и KTS все собрано в единой базе знаний с умным поиском. С вас — запросы на естественном языке, с ассистента —  мгновенные структурированные ответы, краткие выжимки и ключевые тезисы по внутренним файлам, черновики документов и многое другое.  Решение подойдет компаниям даже со строгими требованиями к безопасности:  ✨ Ассистент автоматически маскирует чувствительные данные в запросах и проверяет их на соответствие политикам безопасности.  ✨ Продукт можно интегрировать с корпоративными системами управления доступом и разграничить права пользователей при работе с информацией. ✨ Решение можно развернуть как в облаке Selectel, так и в вашем контуре – в этом случае Selectel предоставляет серверы с GPU в аренду на вашей площадке.  Корпоративного ИИ-ассистента можно внедрить всего за 2 недели, включая настройку решения под данные и процессы компании. Протестируйте и убедитесь сами ✨ клик

«Learning Mathematics» — самая читаемая публикация за всю историю алгебры. Автор очень лично рассказывает о том, что математика — не что-то, доступное только людям с особым талантом или врождённым даром. Ей может научиться каждый — постепенно, шаг за шагом, с практикой, временем и упорством. Если вы хотя бы раз думали «математика просто не для меня», возможно, эту статью стоит прочитать. https://algebrica.org/learning-mathematics/

Полный курс по Hugging Face Transformers. Что вы изучите: — Поймёте устройство трансформеров и LLM без отношения к ним как к «чёрному ящику» — Разберётесь, как модели обучаются, оптимизируются и улучшаются на данных — Научитесь работать с последовательностями, текстом и задачами языкового моделирования — Сформируете практическое понимание этой части LLM и генеративного ИИ — Разберётесь с последовательностными моделями вроде RNN и LSTM для задач обработки естественного языка https://www.youtube.com/playlist?list=PLOj3JD_j8uXEsxFZGcRyjI_ZawoSvCfti

Если хотите разобраться, как обучить большую модель с нуля, рекомендую посмотреть вот это ↓ Сооснователь ARC Prize и создатель Keras Франсуа Шолле недавно посоветовал путь для изучения LLM с нуля. Он сказал, что если вам 17 лет или вообще сколько угодно и вы хотите с нуля научиться создавать LLM, просто прочитайте главы 15 и 16 его книги *Deep Learning with Python*. Я бегло их просмотрел, и эти две главы точно стоит сохранить. Глава 15 начинается с самых базовых языковых моделей и постепенно доходит до Character-level Language Model → Seq2Seq → Attention → QKV → Scaled Dot-Product Attention → Multi-Head Attention → Self-Attention → Transformer Там даже есть отдельный раздел с объяснением того, почему вообще работает Dot-Product Attention. Сам он говорит, что это одно из лучших объяснений этой темы. Автор не останавливается на формулах вроде QKᵀ / √d. Он начинает с Word2Vec и пространства эмбеддингов, а затем объясняет, как Transformer слой за слоем через Attention постепенно превращает связи между токенами в отношения расстояний в векторном пространстве. Глава 16 ещё практичнее. В ней напрямую показывают, как обучить mini-GPT с нуля. Разбирается, как взять почти 1 миллиард токенов из C4, собрать словарь SentencePiece на 32 тысячи токенов, настроить mini-GPT на 41 миллион параметров с 8 слоями, 8 головами внимания и размером скрытого состояния 512, а затем самостоятельно собрать конвейер данных, сделать weight tying, прогрев скорости обучения, предобучение и генерацию с temperature и top-k. От токенизатора, конвейера данных, causal attention, weight tying и прогрева скорости обучения до предобучения, greedy decoding, temperature и top-k sampling. По сути, вас шаг за шагом проводят через полный процесс обучения GPT. Для этого даже не нужен дорогой сервер. В официальном примечании указано, что весь пример можно запустить на бесплатной T4 в Google Colab. Обучение займёт около 6 часов. На A100 — чуть больше часа. Дальше в книге разбираются Gemma, SFT, RLHF, RAG и мультимодальные модели. Поэтому если меня спросят «Я никогда раньше не обучал большую модель. С чего начать?» Эти две главы действительно могут быть отличной отправной точкой. Третье издание *Deep Learning with Python* сейчас доступно для бесплатного чтения онлайн, а все сопутствующие ноутбуки полностью открыты. Их можно просто загрузить в Colab и запустить. В 2026 году для изучения LLM уже необязательно сразу садиться и разбирать сотню научных статей. Если один раз самостоятельно обучить GPT на 41 миллион параметров от подготовки данных до генерации текста, очень многие концепции после этого естественным образом складываются в единую картину. 👉 @PythonPortal

Лекции курса «Machine Learning & Causal Inference: A Short Course», подготовленного профессором Стэнфордского университета Сьюзан Эйти, можно посмотреть по ссылке ниже. https://youtube.com/playlist?list=PLxq_lXOUlvQAoWZEqhRqHNezS30lI49G-&si=uwNV2GcR4yOBQA_d

«Complex Analysis» — ещё один большой открытый учебник по основам комплексного анализа объёмом более 470 страниц. Он рассчитан на студентов математики, физики и инженерных специальностей и охватывает комплексные числа и функции, аналитические и гармонические функции, контурное интегрирование, ряды Тейлора и Лорана, теорию вычетов, конформные отображения, ряды Фурье, а также преобразования Фурье и Лапласа. Материал начинается с базовых тем и постепенно переходит к более сложным. Для чтения желательно уже знать математический анализ, особенно функции нескольких переменных. При этом учебник написан очень понятно, в нём много примеров, приложений и упражнений. Я бы сохранил его как хороший справочник. Учебник полностью открыт и доступен бесплатно. https://complexanalysis.org/howell-complex-analysis-web.pdf

Вышел, пожалуй, самый полный список материалов для изучения производительности GPU и ИИ. Новая версия начинается с разбора того, как выполняется один запрос на инференс, а затем постепенно переходит к модели выполнения CUDA, Roofline, вычислительной арифметике трансформеров, TTFT, TPOT, goodput и оптимизации ядер. Именно эти материалы мы используем, чтобы глубоко разобраться в том, как оптимизировать системы инференса. Также добавили FlashAttention-4, Tensor Memory в Blackwell и низкоточные тензорные ядра, непрерывный батчинг, системы KV-кэша, квантизацию, спекулятивное и структурированное декодирование. Отдельно разбираются обслуживание MoE-моделей, коллективные операции, топология, разделение prefill и decode, а также Blackwell Ultra, MI350/CDNA 4, Ironwood и Trainium3. Ещё появились KernelBench-Verified и SOL-ExecBench, плюс отдельный список технологий, за которыми стоит следить — Rubin и CDNA 5. https://github.com/wafer-ai/gpu-perf-engineering-resources

City2Graph — новая библиотека на Python, которая превращает геопространственные данные вроде зданий, улиц и маршрутов общественного транспорта в гетерогенные графы. Она связывает GeoPandas с PyTorch Geometric, чтобы такие городские данные можно было напрямую использовать в графовом машинном обучении. https://github.com/c2g-dev/city2graph

Высокоуровневые библиотеки машинного обучения упрощают обучение с подкреплением, но могут скрывать то, что на самом деле происходит внутри. В этом курсе вы с нуля создадите полноценный фреймворк для обучения с подкреплением на чистом C. Вы реализуете автоматическое дифференцирование, матричные операции и конвейер обучения методом градиента политики. А заодно создадите симуляцию игры «Змейка». https://freecodecamp.org/news/building-a-reinforcement-learning-framework-from-scratch-in-pure-c/

Интерактивный учебник на 7 500 строк, который учит с нуля собирать современную языковую модель. Весь путь реализован на Python, а код подробно прокомментирован, чтобы можно было последовательно разобраться, как устроено обучение GPT-подобной модели, а не просто запускать готовые библиотеки. https://github.com/raiyanyahya/how-to-train-your-gpt

«Functional Analysis» — строгий продвинутый учебник по математике объёмом более 700 страниц для магистрантов, аспирантов и читателей с хорошей математической подготовкой. В книге разбираются пространства Банаха и Гильберта, ограниченные операторы, двойственность, теоремы Хана — Банаха, топологии, спектральная теория, краевые задачи, теория полугрупп и приложения к квантовой механике, а также многие другие темы. Для чтения нужна уверенная база по вещественному анализу и интегралу Лебега, поэтому это точно не вводный материал. Делюсь, потому что книга очень полная, хорошо написана и её определённо стоит сохранить, если вы изучаете продвинутый математический анализ. https://arxiv.org/pdf/2112.11166

Безумие: теперь можно буквально в прямом эфире смотреть, как обучают модель на 535 млрд параметров. Профессор Стэнфорда и основатель simile_ai Перси Лян только что объявил, что на этой неделе официально стартует обучение их новой модели Marin 535B-A23B. И весь процесс обучения будет полностью открытым. У Marin 535 млрд параметров, из которых 23 млрд активны. Для обучения команда подготовила 18,75 трлн токенов данных и развернула 11 стоек GB200 NVL72 — это примерно 792 ускорителя GB200. Обучение планируют вести непрерывно около трёх месяцев. Общий объём вычислений составит примерно 2,7×10²⁴ FLOPs. После этого начнётся дополнительное обучение модели. И самое интересное — Marin действительно открывает весь процесс. Перед запуском основной модели команда сначала обучила так называемую Scaling Ladder из четырёх моделей — от 1,6B-A61M до 27,7B-A1.2B. Эти меньшие модели использовали, чтобы заранее предсказать потери и поведение основной модели на 535 млрд параметров. Теперь основное обучение уже запущено, и любой желающий может в реальном времени следить за кривыми обучения. Данные, журналы экспериментов и возникающие инженерные проблемы тоже будут постепенно публиковаться. Подобное уже было. В 2022 году, когда BigScience обучала BLOOM на 176 млрд параметров, прогресс обучения и TensorBoard тоже были открыты. Но теперь Marin поднимает масштаб публичного обучения сразу до 535 млрд параметров. Судя по всему, это одно из крупнейших обучений большой модели, за которым человечество когда-либо могло наблюдать публично. Следующие три месяца должны быть очень интересными. Насколько конкурентоспособной получится модель — это отдельный вопрос. Мне гораздо интереснее увидеть, как именно обучают и настраивают MoE-модель размером более 500 млрд параметров и сколько раз всё успеет сломаться по дороге. Такие возможности появляются крайне редко. По сути, перед всем миром открывают эксперимент по обучению модели стоимостью в десятки миллионов долларов — то, что обычно могут видеть только сотрудники крупнейших ИИ-лабораторий.

Конспект лекций Стэнфорда по статистике и теории информации. PDF → https://web.stanford.edu/class/stats311/lecture-notes.pdf