Аналитик данных

✔️ Data-Juicer: пайплайн для подготовки данных под foundation models Alibaba и сообщество Data-Juicer развивают open-source систему для обработки датасетов перед обучением, дообучением и RAG. Data-Juicer помогает чистить, фильтровать, дедуплицировать, синтезировать и анализировать данные. Работает не только с текстом, но и с мультимодальными датасетами: изображениями, аудио и видео. В версии 2.0 заявлено больше 100 операторов для разных модальностей. Практический сценарий понятный: есть сырой корпус из разных источников, где много дублей, мусора, слабых примеров и перекоса по доменам. Data-Juicer позволяет собрать воспроизводимый data recipe, прогнать его на локальной машине или в распределённом режиме и потом оценить, как изменения в данных влияют на модель. Проект смотрит на данные как на отдельный слой оптимизации. Позволяет настроить качество, смесь, фильтры и пайплайн обработки. В ранней работе авторы показывали прирост до 7.45% по среднему score на 16 LLM-бенчмарках и 17.5% win rate в GPT-4 pairwise evaluation за счёт data recipes. https://github.com/datajuicer/data-juicer

Мы вообще понимаем, насколько Месси статистически ненормален? Я наткнулся на цифру: по голам + ассистам за 90 минут он почти на 6 стандартных отклонений выше среднего нападающего из топ-лиг. Для контекста: это уже не «очень сильный игрок». Это уровень, который статистика почти не ожидает увидеть при жизни одного поколения. Вот почему спор про Месси часто ломается: его сравнивают как футболиста, а он по цифрам ближе к аномалии. Мы реально застали сбой системы. Или всё ещё есть сомневающиеся?

⚡️ Ling & Ring 2.6: новый техрепорт и open-weight модели Ant Ling выпустили технический отчёт по Ling & Ring 2.6 и открыли два base checkpoint. Главное: * 7:1 Hybrid Linear Attention: 7 Lightning Attention слоёв + 1 MLA слой, чтобы сделать 256K context практичнее * KPop RL: адаптивный Binary KL вместо uniform KL, прирост SWE-bench Verified с 70.8% до 76.28% * ~4× token efficiency: больше “интеллекта” на меньшее число output-токенов * Ling-2.6-flash: 104B, быстрый inference * Ling-2.6-1T: trillion-scale flagship * Ring-2.6-1T: deep reasoning и long-horizon agentic задачи Суть релиза: команда оптимизирует не только модель, а всю связку architecture + training + agentic capability. Открыты: * Ling-2.6-1T-base * Ling-2.6-flash-base * код и inference-стек 📑 Full technical report: http://arxiv.org/abs/2606.15079 🧱 Ling-2.6-1T-base: http://huggingface.co/inclusionAI/Ling-2.6-1T-base 🧱 Ring-2.6-flash-base: http://huggingface.co/inclusionAI/Ling-2.6-flash-base 💻 Code: http://github.com/inclusionAI/Ling-V2.5 ⚙️ Inference: http://github.com/inclusionAI/linghe

The Information: по сообщениям, Anthropic переходит от аренды облачных вычислений к аренде и самостоятельному управлению дата-центрами. Планируемая мощность в США — более 1 ГВт, а Google потенциально может выступить гарантом или поддержкой по арендным платежам. Старая модель была простой: Anthropic платит облачным провайдерам за GPU или кастомные чипы, но сам провайдер контролирует здание, электропитание, сеть, охлаждение и большую часть графика поставок железа. Новая модель приближает Anthropic к «цеху» ИИ-индустрии, где дата-центры — это уже не офисные здания, а энергоёмкие машинные залы, круглосуточно питающие системы обучения и инференса. Для контекста: до сих пор вычислительная стратегия Anthropic в основном строилась через облачных провайдеров. Компания уже взяла на себя обязательства по аренде серверных мощностей более чем на 10 ГВт, включая соглашение с Google на $200 млрд. Также Anthropic заключила крупные облачные сделки с Akamai, AWS, CoreWeave и Fluidstack. Они охватывают в том числе железо Amazon Trainium и партнёрство с Fluidstack на $50 млрд. Кроме того, компания расширила команду по дата-центрам и подписала договор аренды со SpaceX/xAI на весь дата-центр Colossus 1 за $1,25 млрд в месяц, а также получила площади в Colossus II.

🖥 Python в 2026 - уже не просто «первый язык программирования». Это инструмент, с которым можно автоматизировать задачи, писать скрипты, собирать проекты, работать с данными, делать ботов и использовать ИИ как ускоритель разработки. Но есть проблема: большинство новичков учат Python кусками. Немного синтаксиса, пару задачек, немного теории - и потом ступор: «а что с этим делать дальше?» Этот курс сделан иначе. Здесь упор на реальную практику: вы не просто смотрите уроки, а постепенно учитесь писать код, разбирать ошибки, собирать рабочие решения и понимать, как Python применяется в нормальных задачах. Что внутри: - Python с нуля понятным языком - практика вместо бесконечной сухой теории - реальные задачи и проекты - автоматизация рутины - работа с файлами, данными и API - понятная логика программирования - современный подход к разработке с ИИ - отдельный акцент на вайбкодинг Вайбкодинг -это умение правильно ставить задачу, проверять код, понимать результат и ускорять работу без слепого копирования. В 2026 году это уже не бонус, а нормальный навык разработчика. Сегодня скидка 60 процентов: https://stepik.org/course/288218/info

👣 Я заставил LLM писать Rust полгода. Вот что они стабильно ломают Полгода я использовал Claude, GPT и Cursor как основной инструмент для написания Rust-кода в проде. Не как «помощник для бойлерплейта», а как полноценного второго разработчика на монолите примерно в 80 тысяч строк (бэкенд обработки потоковых данных, tokio, sqlx, немного unsafe в hot path). Доля сгенерированного кода в коммитах последних шести месяцев около 40%, остальное это правки, рефакторинг и места, куда модель я не пускаю. За это время накопилась коллекция ошибок, которые модели делают с пугающей регулярностью, и которые проходят cargo build, проходят cargo test, иногда даже проходят cargo clippy, и при этом являются либо UB, либо логически некорректным кодом, либо тем самым «работает на моей машине». Я не буду писать, какая модель лучше. К моменту публикации статьи рейтинг устареет. Я расскажу про категории ошибок, которые воспроизводятся у всех топовых моделей весной 2026 года, и которые упираются не в качество обучающих данных, а в фундаментальные слепые пятна архитектуры трансформеров применительно к системе типов Rust. Цифры, которые буду приводить дальше, получены так: я завёл бенчмарк из 50 типовых задач (написать функцию, отрефакторить, добавить фичу), прогонял каждую через четыре модели в течение полугода, и руками классифицировал ошибки. Это не academic-level статистика, но порядки величин показывает. 🔜 Читать дальше @rust_code

20-летний парень заработал $37 250 за месяц на YouTube-контенте, почти не открывая монтажку. Он собрал автономную «фабрику контента», где Claude работает мозгом, а Premiere Pro - руками. Система крутится 24/7, пока он просто живёт своей жизнью. Claude анализирует ниши с высоким CPM, пишет сценарии и через Python-скрипты запускает озвучку и генерацию видео. Уже в первый месяц один из его каналов набрал сотни тысяч просмотров на Shorts. Одно клиентское видео за $400 - 15 минут работы ИИ - $400 прибыли. 20 видео в неделю - $8 000. У него была идея, а Claude сделал всё остальное: от первой строки сценария до финального рендера. https://x.com/shmidtqq/status/2053216306384515081

✔️ Mistral выпустила Medium 3.5 и Remote Agents в среде Vibe Medium 3.5 - модель на 128 млрд параметров с контекстным окном 256K токенов. Веса опубликованы на Hugging Face под модифицированной лицензией MIT. Цена API - $1,50/$7,50 за млн. входящих/сгенерированных токенов. Уровень рассуждений настраивается под каждый промпт. На SWE-Bench Verified модель набрала 77,6%, опередив Claude Sonnet 4.5. Вместе с моделью Mistral представила Remote Agents в среде Vibe. Сессию рефакторинга или генерации кода, начатую локально, можно перенести в облако: агент дальше работает асинхронно в изолированной песочнице, ставит зависимости, вносит правки и создаёт PR. Le Chat получил Work Mode для многошаговых задач: ассистент на базе Medium 3.5 разбирает почту, сверяется с календарём, заводит тикеты в Jira. mistral.ai ✔️ AWS запустил Amazon Quick: фоновый ассистент с долговременной памятью. Quick - десктопный ассистент, который работает в фоне, индексирует локальные файлы, календари и почту и подключается к Slack, Teams, Outlook, Gmail, Salesforce и Jira. Он строит персональный граф знаний пользователя: запоминает предпочтения, контакты в команде и бизнес-контекст между сессиями. Параллельно отслеживает активность в приложениях и подтягивает документы к встречам, напоминает о задачах и предупреждает о конфликтах в расписании. В релизе: генерация приложений, дашбордов и веб-страниц по текстовым запросам, а также создание документов, презентаций, инфографики и изображений прямо в чате. Плюс браузерная автоматизация и интеграция с Kiro CLI и Claude Code. Quick доступен в 2 тарифах - бесплатном и Plus. aboutamazon.com ✔️ Exa становится одним из поисковых бэкендов Gemini Exa получила 2 канала интеграции с Gemini: Grounding with Exa в Vertex AI (пока в режиме превью) и Exa Agent на маркетплейсе агентов в Gemini Enterprise. Grounding with Exa подключает Gemini к публичному вебу через API Exa. Модель Highlights отбирает из страниц релевантные фрагменты и отдаёт их в контекст вместо сырого HTML- это снижает шум на задачах, где важна свежесть данных или фактическая точность. Exa Agent работает из рабочего пространства Gemini: ресерч по вебу, поиск похожих страниц, вытягивание контента по URL. Установка - через каталог агентов, без кода. exa.ai ✔️ Исследователь Manifold обнаружил ботнет из агентов на ClawHub Акс Шарма из Manifold обнаружил на платформе ClawHub кампанию ClawSwarm: 30 скиллов для OpenClaw превращали ИИ-агентов в криптовалютный ботнет. Суммарно расширения скачали около 10 тысяч раз. Вредоносная логика лежит в инструкциях файлов SKILL.md: агент в фоне регистрируется на стороннем сервере, передаёт список своих возможностей, создаёт криптокошелёк в сети Hedera и отправляет управляющему узлу приватный ключ. Каждые 4 часа агент опрашивает сервер за новыми задачами по фармингу токенов. Сканеры безопасности угрозу не ловят: скрипты делают чистые запросы и используют официальные SDK, да и атака сводится к злоупотреблению логикой ИИ, а не к программному взлому. theregister.com ✔️ ElevenMusic: стриминг с генерацией и монетизацией ремиксов ElevenLabs запустила площадку ElevenMusic, где стриминг совмещён с генерацией треков. На бесплатном тарифе доступно 7 генераций в день, подписка за $9,99 в месяц поднимает лимит до 500 композиций. Треки можно публиковать и слушать только внутри сервиса. Для использования в играх, рекламе и других внешних продуктах нужен тариф ElevenCreative Music. На старте в каталоге работы более 4000 авторов. Слушатель может менять темп или жанр любого трека из библиотеки и собирать собственные композиции по текстовым промптам. Платформа платит авторам за прослушивания оригиналов и ремиксов - та же механика, что в библиотеке голосов ElevenLabs, где создатели моделей суммарно получили более $11 млн. elevenlabs.io

⚡️ Вы слышали про Rust. Знаете, что он быстрый, безопасный и что за ним будущее. Осталось одно: сесть и выучить. Этот курс со Stepik- кратчайший путь от «знаю что такое Rust» до «пишу на нём». 6 модулей, 50 уроков, 143 теста. Ownership, borrowing, traits, async, Tokio, Axum, макросы, WASM — всё разложено по полочкам и закреплено практикой. Никакого видео на 40 минут ради одной мысли. Подробный текст, много кода, реальные задачи после каждого урока. На выходе — портфолио из 10+ проектов: от CLI-утилит до REST API с базой данных. 48 часов действует скидка 55 процентов: stepik.org/course/269250

⚡️ 12 крутых вещей, которые умеет Claude Большинство до сих пор общается с Claude как с обычным чат-ботом. В итоге использует примерно 10% того, что он реально умеет. Вот остальные 90%. 1. Сайты без кода через Claude Code Подключаете GitHub, описываете обычным языком, что нужно собрать, и выкатываете в прод. Лендинги, дашборды, внутренние тулзы - это уже не демо, а рабочий сценарий. 2. Доступ к вашему компьютеру Claude может кликать, открывать сайты и работать на Mac, пока вас нет рядом. Управлять процессом можно с телефона через Dispatch. 3. Skills через /commands Один раз описываете сценарий, дальше команда вроде /linkedin или /brief запускает его в один клик. Skills можно расшаривать всей команде. 4. Слайды с ресёрчем из одного промпта Claude изучает тему, собирает структурированный бриф и превращает его в презентацию через Gamma. Без ручной копипасты между вкладками. 5. Расписание Регулярные задачи запускаются автоматически. Например, сводка по конкурентам каждый понедельник в 7 утра. Настройка занимает пару минут. 6. Excel-файлы из текста Описываете, какая таблица нужна, и получаете финансовую модель, дашборд или аналитику. Без ручного написания формул. 7. Connectors Claude можно подключить к Slack, Gmail, Google Drive, Notion и десяткам других сервисов. Он не просто пересказывает данные, а работает внутри ваших инструментов. 8. Cowork как AI-сотрудник Указываете рабочую папку, дальше Claude сам читает файлы, задаёт уточняющие вопросы и выдаёт готовые документы, отчёты и черновики. 9. Projects с памятью Cowork Projects помнят прошлые сессии. Пишете «продолжи отчёт с прошлой недели», и контекст подтягивается без повторного объяснения. 10. Плагины под роль Есть готовые наборы для Sales, Marketing, Legal, Finance и Data. Каждый даёт специализированные workflow, команды и шаблоны под конкретную работу. 11. AskUserQuestion Claude сам задаёт нужные уточняющие вопросы в виде кликабельной формы. Не нужно писать километровый промпт и пытаться заранее предусмотреть всё. 12. Claude Design Лендинги, pitch decks, прототипы приложений, экспорт в Canva, PDF или сразу в Claude Code на доработку. Главная мысль простая: Claude давно перестал быть чат-окном с текстом. Это связка из агента, инструментов, расписаний, памяти и доступа к вашим сервисам. Вопрос уже не в том, что он умеет. Вопрос в том, какие из этих 12 возможностей вы реально подключили.

🚀 OpenAI выкатили набор бесплатных скиллов для Codex — можно сильно разгрузить разработку Теперь часть задач можно просто отдать агенту: от генерации презентаций до полноценной разработки приложений. - Внутри уже готовы рабочие воркфлоу: - агент умеет собирать презентации - помогает с iOS и macOS разработкой - интегрируется с Figma и работает с дизайном и это только базовый набор Устанавливается всё в один клик — без долгой настройки и шаманства. Фактически это превращает Codex из “помощника” в полноценный инструмент, который закрывает куски реальной работы. https://developers.openai.com/codex/use-cases

🚀 Ты всё ещё называешь обёртку над ChatGPT «AI-продуктом»? Пока ты пишешь промпты - рынок уже ушёл дальше. Сейчас выигрывают не те, кто умеет красиво формулировать запросы, а те, кто строит агентные системы: - принимают решения сами - ходят в API - работают с Postgres и Redis - управляют браузером через Playwright - доводят задачи до результата без человека И вот правда, о которой мало говорят: 90% таких систем умирают между ноутбуком и продом. Работает локально. Ломается в реальности. Нет архитектуры. Нет устойчивости. Нет деплоя. AI Agents Engineering - курс со Stepik, который закрывает этот разрыв. - LangGraph, AutoGen, Computer Use - архитектура агентов, а не «скрипты на коленке» - LLMOps, логирование, стабильность - деплой в Docker и работа в проде 8 модулей, 120+ шагов, всё через практику. На выходе не «сертификат ради галочки», а: - рабочий production-агент - понимание, как строить такие системы с нуля - навыки, за которые уже платят Сейчас самое окно входа. Через полгода это станет базой, а не преимуществом. Скидка 55% действует ещё 48 часов: https://stepik.org/a/276971/

Хочешь писать код быстрее в 10 раз? Вот команды Claude Code, которые реально бустят работу. Очистить контекст — /clear Сжать историю — /compact Закоммитить изменения — /commit Развернуть приложение — /ship Проверить код — /review Протестировать — /test Нашёл баги — /debug Нужно улучшить код — /refactor Сделать документацию — /docs Не знаешь с чего начать — /plan Хочешь разобраться — /explore Нужно параллельно — /parallel И для массовых задач — /batch Сохрани эту шпаргалку, чтобы не потерять.

🚀 SEO теперь можно разбирать через ИИ, а не вслепую Появился мощный инструмент для SEO-оптимизации, который быстро показывает, почему сайт не добирает позиции в поиске и что именно нужно исправить. Сервисы на базе Claude и ChatGPT проводят полный аудит: проверяют AI-видимость, качество контента, SEO-метрики, структурированные данные и техническое состояние сайта. На выходе вы получаете итоговый скор и понятный план действий, а не просто набор сухих замечаний. То есть инструмент не только находит проблемы, но и подсказывает, что делать дальше, чтобы реально подтянуть выдачу. Отдельно есть PDF-отчёт для брендов. В нём собирается анализ упоминаний компании на популярных площадках, чтобы можно было быстро оценить цифровое присутствие и понять, где усиливать маркетинг. Удобная штука для тех, кто хочет не гадать, почему сайт просел, а сразу получить внятную карту роста. https://github.com/zubair-trabzada/geo-seo-claude

AI coding агенты уже реально заменяют часть разработчиков Claude Code - для сложного кода Cursor - если живёшь в IDE Gemini CLI - для автоматизации DeepAgents - почти автономные системы

⚡️ Гелий станет новым дефицитом для AI-индустрии. И это не шутка Все обсуждают нехватку GPU, энергопотребление датацентров и экспортный контроль на чипы. Но мало кто говорит о том, что может ударить по AI-инфраструктуре раньше всего этого. Речь о гелии. В феврале-марте 2026 года в результате военного конфликта на Ближнем Востоке был атакован Ras Laffan Industrial City в Катаре – крупнейший в мире хаб по производству гелия. QatarEnergy сначала остановила производство, потом объявила форс-мажор, а иранские баллистические ракеты нанесли повторные удары, причинив серьёзный ущерб инфраструктуре. Иран также закрыл Ормузский пролив – единственный морской путь, через который гелий вывозится из региона. Катар производил около 63 млн кубометров гелия в год – примерно треть мирового объёма. Эта треть фактически выпала из поставок за несколько недель. Причём тут AI и чипы? Гелий – не замена воздуху в шариках. В производстве полупроводников он незаменим на нескольких критических этапах. Во время травления (etching) гелий подаётся на обратную сторону кремниевой пластины для равномерного отвода тепла: малейшие отклонения температуры – и весь тираж чипов в мусор. Он используется в фотолитографии, в том числе в EUV-машинах от ASML. Он применяется в системах обнаружения утечек во всём производственном цикле, потому что химически инертен. Профессор Чон-хван Ли из Университета Сангмён (Южная Корея) прямо говорит: заменить гелий в охлаждении пластин сегодня нечем. Самые передовые AI-чипы – GPU и ускорители для LLM, автономного вождения, HPC – делают на нескольких фабах в Тайване, Южной Корее и Японии. Все они зависели от стабильных поставок гелия из Катара через Ормузский пролив. Дефицит ещё не ударил, но уже близко Пока кризис не ощущается в полную силу: контейнеры, заполненные до начала конфликта, ещё доходят до потребителей. Стандартное время доставки из Катара в Азию – около трёх недель. Но этот буфер заканчивается. Спотовые цены на гелий уже удвоились. Ряд поставщиков ввёл гелиевые надбавки. Эксперты называют это “Helium Shortage 5.0” – пятый крупный кризис поставок за двадцать лет, но потенциально худший: одновременно остановлено производство, заблокирована логистика, повреждена физическая инфраструктура, и военный конфликт без видимой даты окончания. Восстановление Ras Laffan, по оценкам аналитиков, займёт годы. Полное возобновление добычи гелия ожидается не раньше 2029 года – не из-за нехватки денег, а из-за дефицита специализированных турбин для СПГ-переработки, которых в мире просто мало. Что это меняет для AI-индустрии AI-бум принято считать ограниченным вычислительной мощностью, энергией и кадрами. Никто не закладывал в риски благородный газ, который большинство людей знает по писклявым голосам и воздушным шарикам. Ситуация с гелием – самый наглядный пример того, как физические узкие места в цепочках поставок могут одновременно ударить по фабам в Корее, Тайване и датацентрам в Вирджинии. Гелий – не единственный проблемный элемент: бром, используемый в фотолитографии, и сернокислотные соединения для обработки чипов тоже под давлением из того же региона. Цепочка от сырья до готового чипа пересекает десятки границ, и одна точка отказа в Персидском заливе способна остановить всю AI-инфраструктуру. https://uproger.com/gelij-stanet-novym-deficzitom-dlya-ai-industrii-i-eto-ne-shutka/

Папка .claude: полный разбор того, что внутри Большинство разработчиков, работающих с Claude Code, смотрят на папку .claude как на черный ящик. Знают, что она есть. Видели, как она появляется в корне проекта. Но никогда не открывали и уж точно не понимали, что там лежит и зачем. А зря. Папка .claude – это центр управления поведением Claude в вашем проекте. Здесь хранятся инструкции, кастомные команды, правила доступа и даже память модели между сессиями. Разберемся с каждым файлом и папкой по порядку. https://uproger.com/papka-claude-polnyj-razbor-togo-chto-vnutri/

OpenClaw: как зарабатывать с AI-агентом быстрее, чем кажется возможным Когда появился OpenClaw, многие задались логичным вопросом: зачем он, если есть n8n, Make, Zapier? На самом деле это совсем другая история. Автоматизация работает по жёсткому сценарию: шаг за шагом, без отступлений. OpenClaw же позволяет вмешаться в процесс на любом этапе, скорректировать результат и двигаться дальше. Он управляет локальным софтом — например, делает скриншоты через Puppeteer или редактирует проект в Adobe Premiere. И если в процессе обнаруживается, что чего-то не хватает, агент сам находит нужный инструмент и продолжает работу. Вот четыре реальных способа зарабатывать с OpenClaw прямо сейчас. https://uproger.com/openclaw-kak-zarabatyvat-s-ai-agentom-bystree-chem-kazhetsya-vozmozhnym/

🖥 SQL-концепции, которые реально нужно знать: • CRUD → SELECT, INSERT, UPDATE, DELETE • Ключи → PRIMARY KEY, FOREIGN KEY • Ограничения → NOT NULL, UNIQUE, CHECK, DEFAULT • JOIN’ы → INNER JOIN, LEFT JOIN, RIGHT JOIN • Агрегации → COUNT, SUM, AVG, MIN, MAX • Группировка → GROUP BY, HAVING • Фильтрация → WHERE, BETWEEN, IN, LIKE • Сортировка → ORDER BY • Подзапросы → SELECT (SELECT …) • Индексы → CREATE INDEX • Представления → CREATE VIEW • Транзакции → BEGIN, COMMIT, ROLLBACK • Пагинация → LIMIT, OFFSET • Оптимизация → EXPLAIN

🔥 Полезная подборка каналов только код, практика и самые передовые инструменты, которые используют разработчики прямо сейчас.👇 🖥 ИИ: t.me/ai_machinelearning_big_data 🖥 Python: t.me/pythonl 🖥 Linux: t.me/linuxacademiya 🖥 C++ t.me/cpluspluc 🖥 Docker: t.me/DevopsDocker 🖥 Хакинг: t.me/linuxkalii 🖥 Devops: t.me/DevOPSitsec 👣 Golang: t.me/Golang_google 🖥 Аналитика: t.me/data_analysis_ml 🖥 Javascript: t.me/javascriptv 🖥 C#: t.me/csharp_ci 🖥 Java: t.me/javatg 🖥 Базы данных: t.me/sqlhub 👣 Rust: t.me/rust_code 🤖 Технологии: t.me/vistehno 💰 Экономика и инвестиции в ИИ t.me/financeStable 💼 Актуальные вакансии: t.me/addlist/_zyy_jQ_QUsyM2Vi 🖥Подборка по Golang: https://t.me/addlist/MUtJEeJSxeY2YTFi ⚡️ Лучшие ИИ ресурсы: https://t.me/addlist/2Ls-snqEeytkMDgy Max ИИ: https://max.ru/ai_machinelearning_big_data Max Ml: https://max.ru/vistehno Max python: https://max.ru/pythonl Max Go: https://max.ru/Golang_google Max Linux: https://max.ru/linuxkalii Max Java: https://max.ru/javatg Max Sql: https://max.ru/sqlhub Max Devops: https://max.ru/DevOPSitsec Анализ данных: https://max.ru/data_analysis_ml C++ : https://max.ru/cpluspluc C#: https://max.ru/csharp_ci 🖥 Chatgpt бот в тг: t.me/Chatgpturbobot 📚 Бесплатные ит-книги: https://t.me/addlist/HwywK4fErd8wYzQy