fa
Feedback

فریب کلاهبرداران را نخورید! تل‌متریو این کانال‌ها را شناسایی و برچسب‌گذاری می‌کند 👉 برای مشاهده برچسب، اشتراک تهیه کنید

📚Python Books

📚Python Books

رفتن به کانال در 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

نمایش بیشتر

📈 تحلیل کانال تلگرام 📚Python Books

کانال 📚Python Books (@pythonlbooks) بازیگری فعال است. در حال حاضر جامعه شامل 33 176 مشترک است و جایگاه 4 048 را در دسته فناوری و برنامه‌ها و رتبه 19 199 را در منطقه روسيا دارد.

📊 شاخص‌های مخاطب و پویایی

از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 33 176 مشترک جذب کرده است.

بر اساس آخرین داده‌ها در تاریخ 15 نوامبر, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -150 و در ۲۴ ساعت گذشته برابر -7 بوده و همچنان دسترسی گسترده‌ای حفظ شده است.

  • وضعیت تأیید: تأیید نشده
  • نرخ تعامل (ER): میانگین تعامل مخاطب 8.53% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 2.53% واکنش نسبت به کل مشترکان کسب می‌کند.
  • دسترسی پست‌ها: هر پست به طور میانگین 2 829 بازدید دریافت می‌کند. در اولین روز معمولاً 839 بازدید جمع‌آوری می‌شود.
  • واکنش‌ها و تعامل: مخاطبان به‌طور فعال حمایت می‌کنند؛ میانگین واکنش به هر پست 0 است.
  • علایق موضوعی: محتوا بر موضوعات کلیدی مانند сотрудников, курса, инструменты, использовать, docker تمرکز دارد.

📝 توضیح و سیاست محتوایی

نویسنده این فضا را محل بیان دیدگاه‌های شخصی توصیف می‌کند:
“📚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”

به لطف به‌روزرسانی‌های پرتکرار (آخرین داده در تاریخ 16 نوامبر, 2026)، کانال همواره به‌روز و دارای دسترسی بالاست. تحلیل‌ها نشان می‌دهد مخاطبان به‌طور فعال با محتوا تعامل دارند و آن را به نقطه اثرگذاری مهم در دسته فناوری و برنامه‌ها تبدیل کرده‌اند.

33 176
مشترکین
-724 ساعت
-107 روز
-15030 روز
جذب مشترکین
نوامبر '26
نوامبر '26
+31
در 0 کانال‌ها
اکتبر '26
+82
در 0 کانال‌ها
Get PRO
سپتامبر '26
+64
در 1 کانال‌ها
Get PRO
اوت '26
+89
در 1 کانال‌ها
Get PRO
ژوئیه '26
+117
در 0 کانال‌ها
Get PRO
ژوئن '26
+67
در 2 کانال‌ها
Get PRO
مه '26
+63
در 0 کانال‌ها
Get PRO
آوریل '26
+20
در 0 کانال‌ها
Get PRO
مارس '26
+49
در 2 کانال‌ها
Get PRO
فوریه '26
+275
در 0 کانال‌ها
Get PRO
ژانویه '26
+485
در 2 کانال‌ها
Get PRO
دسامبر '25
+434
در 1 کانال‌ها
Get PRO
نوامبر '25
+521
در 5 کانال‌ها
Get PRO
اکتبر '25
+293
در 0 کانال‌ها
Get PRO
سپتامبر '25
+619
در 2 کانال‌ها
Get PRO
اوت '25
+1 070
در 1 کانال‌ها
Get PRO
ژوئیه '25
+1 143
در 1 کانال‌ها
Get PRO
ژوئن '25
+539
در 1 کانال‌ها
Get PRO
مه '25
+534
در 3 کانال‌ها
Get PRO
آوریل '25
+716
در 1 کانال‌ها
Get PRO
مارس '25
+646
در 14 کانال‌ها
Get PRO
فوریه '25
+776
در 2 کانال‌ها
Get PRO
ژانویه '25
+1 073
در 16 کانال‌ها
Get PRO
دسامبر '24
+653
در 5 کانال‌ها
Get PRO
نوامبر '24
+1 221
در 1 کانال‌ها
Get PRO
اکتبر '24
+1 895
در 5 کانال‌ها
Get PRO
سپتامبر '24
+731
در 2 کانال‌ها
Get PRO
اوت '24
+679
در 2 کانال‌ها
Get PRO
ژوئیه '24
+776
در 4 کانال‌ها
Get PRO
ژوئن '24
+870
در 6 کانال‌ها
Get PRO
مه '24
+862
در 40 کانال‌ها
Get PRO
آوریل '24
+618
در 43 کانال‌ها
Get PRO
مارس '24
+721
در 21 کانال‌ها
Get PRO
فوریه '24
+930
در 4 کانال‌ها
Get PRO
ژانویه '24
+900
در 44 کانال‌ها
Get PRO
دسامبر '23
+760
در 40 کانال‌ها
Get PRO
نوامبر '23
+395
در 7 کانال‌ها
Get PRO
اکتبر '23
+598
در 19 کانال‌ها
Get PRO
سپتامبر '23
+844
در 0 کانال‌ها
Get PRO
اوت '23
+899
در 0 کانال‌ها
Get PRO
ژوئیه '23
+675
در 0 کانال‌ها
Get PRO
ژوئن '23
+1 051
در 0 کانال‌ها
Get PRO
مه '23
+1 617
در 0 کانال‌ها
Get PRO
آوریل '23
+269
در 0 کانال‌ها
Get PRO
مارس '23
+438
در 0 کانال‌ها
Get PRO
فوریه '23
+375
در 0 کانال‌ها
Get PRO
ژانویه '23
+390
در 0 کانال‌ها
Get PRO
دسامبر '22
+247
در 0 کانال‌ها
Get PRO
نوامبر '22
+408
در 0 کانال‌ها
Get PRO
اکتبر '22
+439
در 0 کانال‌ها
Get PRO
سپتامبر '22
+414
در 0 کانال‌ها
Get PRO
اوت '22
+314
در 0 کانال‌ها
Get PRO
ژوئیه '22
+337
در 0 کانال‌ها
Get PRO
ژوئن '22
+440
در 0 کانال‌ها
Get PRO
مه '22
+1 583
در 0 کانال‌ها
Get PRO
آوریل '22
+470
در 0 کانال‌ها
Get PRO
مارس '22
+1 846
در 0 کانال‌ها
Get PRO
فوریه '22
+273
در 0 کانال‌ها
Get PRO
ژانویه '22
+325
در 0 کانال‌ها
Get PRO
دسامبر '21
+417
در 0 کانال‌ها
Get PRO
نوامبر '21
+698
در 0 کانال‌ها
Get PRO
اکتبر '21
+299
در 0 کانال‌ها
Get PRO
سپتامبر '21
+498
در 0 کانال‌ها
Get PRO
اوت '21
+323
در 0 کانال‌ها
Get PRO
ژوئیه '21
+537
در 0 کانال‌ها
Get PRO
ژوئن '21
+332
در 0 کانال‌ها
Get PRO
مه '21
+332
در 0 کانال‌ها
Get PRO
آوریل '21
+351
در 0 کانال‌ها
Get PRO
مارس '21
+325
در 0 کانال‌ها
Get PRO
فوریه '21
+264
در 0 کانال‌ها
Get PRO
ژانویه '21
+431
در 0 کانال‌ها
Get PRO
دسامبر '20
+4 178
در 0 کانال‌ها
تاریخ
رشد مشترکین
اشارات
کانال‌ها
15 نوامبر0
14 نوامبر0
13 نوامبر+5
12 نوامبر+2
11 نوامبر+4
10 نوامبر+8
09 نوامبر+3
08 نوامبر0
07 نوامبر+2
06 نوامبر+1
05 نوامبر+2
04 نوامبر0
03 نوامبر+2
02 نوامبر+1
01 نوامبر+1
پست‌های کانال
Зачем вам Hugo и Jekyll? На Python теперь можно собрать статический сайт в три строки Разработчик nanodjango показал, как превратить Django в генератор статических сайтов без сложной конфигурации и десятков файлов. Всё приложение:

from nanodjango import Django

app = Django()
app.pages("/", path="pages")
Устанавливаем зависимости:

pip install nanodjango django-nanopages django-distill
Теперь достаточно положить Markdown-файлы в папку pages/. Они автоматически превращаются в страницы с поддержкой Django-шаблонов. Что особенно интересно: - Markdown и HTML с поддержкой frontmatter. - Автоматическая перезагрузка страниц при редактировании. - Генерация статического сайта одной командой. - Поддержка Django ORM, моделей и админки. - Возможность превратить проект в полноценное веб-приложение без переписывания с нуля. Сборка HTML:

nanodjango manage website.py distill generate \
  --output-directory=output/ --collectstatic
Самая необычная возможность: можно управлять контентом через Django Admin и базу данных, а на выходе получать обычные статические HTML-файлы без серверной логики. Подойдёт для документации, блогов, лендингов и небольших сайтов. https://nanodjango.dev/blog/2026-10-static-site-builder/

2
ИИ научили «телепатии»: модели передают друг другу внутренние представления вместо текста Обычно один ИИ-агент пишет сообщени
ИИ научили «телепатии»: модели передают друг другу внутренние представления вместо текста Обычно один ИИ-агент пишет сообщение, а второй читает его и заново обрабатывает. Swarm Telepathy, или SwaT, позволяет передавать KV-кеш - внутренние данные, которые модель накапливает при обработке контекста. Особенность метода - обмен между разными семействами моделей. Обучаемый преобразователь адаптирует кеш отправителя для получателя, позволяя пропустить повторную обработку переданного контекста. В экспериментах, объединяющих SwaT со сжатием KV-кеша, авторы получили в среднем на 40% выше точность и в четыре раза меньше времени, чем при текстовом общении. Проверки охватили 17 бенчмарков, 12 моделей и шесть семейств. Ещё интереснее эксперимент с изображениями: модель со зрением передавала информацию текстовой модели, и та отвечала на вопросы о картинке точнее, чем после получения текстового описания. При этом веса обеих моделей оставались замороженными. Для обучения связующего механизма потребовалось менее 50 млн токенов и менее одних GPU-суток. Это результаты исследовательских тестов, а не универсальное ускорение любых агентов. https://arxiv.org/abs/2610.15095
3 267
3
ИИ научили «телепатии»: модели передают друг другу внутренние представления вместо текста Обычно один ИИ-агент пишет сообщени
ИИ научили «телепатии»: модели передают друг другу внутренние представления вместо текста Обычно один ИИ-агент пишет сообщение, а второй читает его и заново обрабатывает. Swarm Telepathy, или SwaT, позволяет передавать KV-кеш - внутренние данные, которые модель накапливает при обработке контекста. Особенность метода - обмен между разными семействами моделей. Обучаемый преобразователь адаптирует кеш отправителя для получателя, позволяя пропустить повторную обработку переданного контекста. В экспериментах, объединяющих SwaT со сжатием KV-кеша, авторы получили в среднем на 40% выше точность и в четыре раза меньше времени, чем при текстовом общении. Проверки охватили 17 бенчмарков, 12 моделей и шесть семейств. Ещё интереснее эксперимент с изображениями: модель со зрением передавала информацию текстовой модели, и та отвечала на вопросы о картинке точнее, чем после получения текстового описания. При этом веса обеих моделей оставались замороженными. Для обучения связующего механизма потребовалось менее 50 млн токенов и менее одних GPU-суток. Это результаты исследовательских тестов, а не универсальное ускорение любых агентов. https://arxiv.org/abs/2610.15095
1
4
👨🏻‍🎓Хотите сменить профессию, но не знаете, с чего начать? Кибербезопасность можно освоить с нуля! Академия CyberYozh помо
👨🏻‍🎓Хотите сменить профессию, но не знаете, с чего начать? Кибербезопасность можно освоить с нуля! Академия CyberYozh помогает войти в профессию людям разного возраста и с разным опытом, а потом помогает с трудоустройством: 🔹 есть карьерный модуль 🔹 резюме под нужную позицию 🔹 тестовые собеседования и консультации с HR. Начать можно с бесплатной карьерной консультации. На ней расскажут, как устроено обучение, какие направления есть в профессии (пентест, защита, SOC-аналитика) и с чего лучше стартовать именно вам. Есть рассрочка: первые 6 месяцев платежи вносить не нужно. Подробные условия объяснят менеджеры. 👉 Записаться на консультацию
2 270
5
📓 Лейденский университет выложил бесплатный учебник по ИИ-агентам на 472 страницы Учебник Agentic Large Language Models на 4
📓 Лейденский университет выложил бесплатный учебник по ИИ-агентам на 472 страницы Учебник Agentic Large Language Models на 472 страницы: от токенизации до мультиагентных систем, с практическими кейсами и сайтом курса. Что внутри Книга разбита на семь частей. Первая посвящена языковому моделированию: токенизация, эмбеддинги, механизм внимания, весь пайплайн обучения от сбора данных до выравнивания, законы масштабирования, маленькие модели и энергопотребление. Вторая рассказывает о рассуждениях: chain of thought, саморефлексия, мультимодальные модели, vision-language-action модели для роботов, модели мира и метаобучение. https://uproger.com/agentic-llm-uchebnik-leiden/
4 061
6
100 вопросов на Python Senior: к чему готовиться на собеседовании в 2026 Вышла подборка из 100 вопросов для собеседования на
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/
5 878
7
📘 195 страниц математики, чтобы понять, как устроен Generative AI Вышла The Little Book of Generative AI Foundations: An Int
📘 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
5 033
8
Учить Rust через язык, который уже знаешь. Microsoft собрала бесплатную коллекцию руководств: Rust для разработчиков на C/C++
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/
3 801
9
Бесплатная книга по Physics-based Deep Learning 461-страничный учебник о применении глубокого обучения в физических симуляция
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
4 580
10
📘 Elementary Probability for Applications - бесплатная книга по теории вероятностей 163 страницы с базой по вероятностям и п
📘 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
4 456
11
🔥 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/
4 225
12
📚 Бесплатный 17-страничный PDF по Hidden Markov Models Короткий и плотный разбор HMM от Stanford. Внутри: - скрытые состояни
📚 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
13
MIT бесплатно выложил 920-страничный учебник Mathematics for Computer Science. Это большой курс по математике, которая реальн
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
14
🔥 Python + AI без игрушечных демок. Курс для тех, кто хочет собирать рабочие системы. Stepik: «Python современный AI для раз
🔥 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
15
🔥 Face Anything - восстановление 4D-лица из любой последовательности изображений На ECCV 2026 представили Face Anything - un
🔥 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
16
Интегрируйте OCR в ваш Python-продукт за 15 минут 🚀 Создаёте SaaS, автоматизируете B2B или собираете ИИ-агентов на Python? З
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
17
📚 Бесплатная работа по Information Geometry и Fisher–Rao Distance Исследование посвящено численному приближению расстояния F+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
18
+1
بدون متن...
1
19
📚 Бесплатная книга по causal inference + ML Applied Causal Inference Powered by Machine Learning and AI - большая открытая к
📚 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
20
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