Data Scientist | ML & AI

🔖 62 страницы, на которых стоит современный ML В 1933 году Колмогоров сформулировал фундамент современной теории вероятностей в небольшой книге «Основы теории вероятностей». Спустя почти век эти идеи по-прежнему лежат в основе статистики и машинного обучения. ⛓ Ссылка на GitHub tags: #полезное ➡ Data Scientist | Чат

🔖 Практический гайд по трансформерным моделям Практический репозиторий для изучения трансформеров через Jupyter-ноутбуки. 12 глав: от основ архитектуры до развёртывания моделей. Код можно сразу запускать в Google Colab. ⛓ Ссылка на GitHub tags: #полезное ➡ Data Scientist | Чат

🔖 Практический roadmap по LLM inference Нашли репозиторий, где весь путь строится вокруг одного inference-сервиса. Сначала разбираете базовую архитектуру, затем запускаете модель, подключаете метрики, гоняете нагрузку с 1000+ одновременных запросов и переходите к оптимизации производительности. ⛓ Ссылка на GitHub tags: #полезное ➡ Data Scientist | Чат

В России можно посещать IT-мероприятия хоть каждый день: как оффлайн, так и онлайн Но где их находить? Как узнавать о них раньше, чем когда все начнут выкладывать фотографии оттуда? Переходите на канал IT-Мероприятия России. В нём каждый день анонсируются мероприятия со всех городов России 📆 в канале размещаются как онлайн, так и оффлайн мероприятия; 👩‍💻 можно найти ивенты по любому стеку: программирование, frontend-backend разработка, кибербезопасность, дата-аналитика, osint, devops и другие; 🎙 разнообразные форматы мероприятий: митапы с коллегами по цеху, конференции и вебинары с известными опытными специалистами, форумы и олимпиады от важных представителей индустрии и многое другое А чтобы не искать по разным форумам и чатам новости о предстоящих ивентах: 🚀 IT-мероприятия России — подписывайся и будь в курсе всех предстоящих мероприятий!

🔖 Machine Learning в визуализациях На ML Visualized можно буквально наблюдать, как модели обучаются и как меняется их поведение по ходу процесса. Такой формат сильно упрощает понимание алгоритмов: меньше абстракции, больше наглядности. tags: #полезное ➡ Data Scientist | Чат

Оффер на аналитика после 3 лет поиска работы🤯 И это не кликбейтный заголовок, а реальный кейс команды ИИ-ассистента Софи. Знакомьтесь, это Рауф. 3 года назад он закончил курсы нетологии по DataScience. И с тех пор активно искал работу. ▫️Первые 1000 откликов не давали абсолютно никаких результатов. НОЛЬ интервью. Так было первые два с половиной года. ▫️Устав от поисков, Рауф подключил автоотклики в Софи. ▫️Софи успела сделать ему 360 откликов. Из них он прошел 4 реальных собеседования с разными компаниями. А спустя 3 месяца Рауф получил первый оффер на позицию Middle Data Scientist'a. Зарегистрироваться и попробовать Софи можно здесь. 3 дня - бесплатно.

🔖 ML-шпаргалки на все случаи Регрессия, PCA, ансамбли, нейросети и другие темы Data Science — всё сжато в короткие PDF без лишней воды. Плюс есть отдельные материалы для подготовки к интервью с типовыми вопросами. ⛓ Ссылка на шпоры тут, а разборы для собесов здесь tags: #полезное ➡ Data Scientist | Чат

👩‍💻 Всем программистам посвящается! Вот 14 авторских обучающих IT каналов по самым востребованным областям программирования: Выбирай своё направление: 👩‍💻 Python — t.me/python_ready 🤔 InfoSec & Хакинг — t.me/hacking_ready 🖥 SQL & Базы Данных — t.me/sql_ready 👩‍💻 IT Новости — t.me/it_ready 🤖 AI & ML — t.me/neuro_ready 👩‍💻 Frontend — t.me/frontend_ready 👩‍💻 C/C++ — https://t.me/cpp_ready 👩‍💻 C# & Unity — t.me/csharp_ready 👩‍💻 Linux — t.me/linux_ready 👩‍💻 Java — t.me/java_ready 📖 IT Книги — t.me/books_ready 📱 JavaScript — t.me/javascript_ready 🖼️ DevOps — t.me/devops_ready 🖥 Design — t.me/design_ready 📌 Гайды, шпаргалки, задачи, ресурсы и фишки для каждого языка программирования!

🔖 Большая база материалов по математике Репозиторий собирает бесплатные ресурсы по разным разделам математики: Khan Academy, MIT OpenCourseWare, учебники, конспекты лекций и другие материалы. Хорошая основа для тех, кому нужна математика под ML, Data Science и не только. ⛓ Ссылка на GitHub tags: #полезное ➡ Data Scientist | Чат

🔖 Практический справочник по инференсу Полезный ресурс от Modular для тех, кто хочет разобраться, как запускаются и оптимизируются большие языковые модели на этапе inference. Подойдёт для изучения производительности, архитектуры инференс-систем и практических подходов к работе с LLM.. ⛓ Ссылка на Handbook tags: #полезное ➡ Data Scientist | Чат

🔖 ML-алгоритмы в визуализациях Полезный репозиторий, который помогает понять, как работают алгоритмы машинного обучения — через интерактивные схемы и пошаговую математику. Можно запускать в браузере или локально через Docker. ⛓ Ссылка на GitHub tags: #полезное ➡ Data Scientist | Чат

🔖 Бесплатные курсы по ИИ от Google В подборке обучение для работы, учёбы и бизнеса:

🫡 Accelerate Your Job Search with AI — как использовать ИИ для поиска работы: составление резюме, адаптация под вакансии, подготовка к интервью через Gemini; 🫡 AI for Small Businesses — внедрение нейросетей в бизнес для автоматизации процессов и работы с клиентами; 🫡 AI for Students — как применять ИИ для поиска информации и организации учёбы; 🫡 Getting Started with Gemini — базовый курс по интерфейсу и промптам Gemini; 🫡 Introduction to Large Language Models — как устроены LLM и где их применять на практике; 🫡 Introduction to Image Generation— основы генерации изображений с помощью ИИ.

После обучения можно получить сертификат для портфолио или LinkedIn. tags: #полезное ➡ Data Scientist | Чат

🔖 Как работает Event Loop: разбор на примере libuv Event loop — одна из базовых концепций асинхронного программирования, особенно полезная при работе с AI-агентами и другими системами, где одновременно выполняется множество задач. В гайде подробно разбирается libuv: event loop, асинхронный ввод-вывод и основные механизмы работы библиотеки. Многие из этих принципов применимы далеко за её пределами. ⛓ Ссылка на гайд tags: #полезное ➡ Data Scientist | Чат

🔖 Бесплатная книга Джеффа Эриксона по алгоритмам Годный учебник по алгоритмам с понятными объяснениями и большим количеством наглядных иллюстраций. Подойдёт как для системного изучения алгоритмов, так и в качестве справочника, к которому можно возвращаться по мере необходимости. ⛓ Ссылка на книгу tags: #полезное ➡ Data Scientist | Чат

🔖 Практический ML-справочник Нашли компактный справочник по машинному обучению, где собраны основные алгоритмы, формулы и логика построения ML-пайплайнов. Хороший вариант, когда нужно быстро освежить тему без длинных лекций и курсов. ⛓ Ссылка на справочник tags: #полезное ➡ Data Scientist | Чат

🔖 Большая подборка ресурсов по MLOps Нашли полезную подборку для тех, кто хочет выйти за рамки обучения моделей и разобраться с их эксплуатацией. В репозитории собраны лучшие материалы по деплою, мониторингу, автоматизации ML-пайплайнов, CI/CD и другим практикам, без которых сложно представить production-системы. ⛓ Ссылка на GitHub tags: #полезное ➡ Data Scientist | Чат

🔖 Google DeepMind выпустила книгу How to Scale Your Model В ней разбирают, как масштабировать и запускать модели при ограниченных вычислительных ресурсах. Полезно для тех, кто работает с оптимизацией и развёртыванием ML-моделей. ⛓ Ссылка на книгу tags: #полезное ➡ Data Scientist | Чат

🔖 Добавляем DeepSeek и Kimi в Codex Нашли полезный инструмент для тех, кто пользуется Codex. Что умеет:

🫡 добавляет Kimi K3 в список моделей; 🫡 подключает DeepSeek V4 Flash и DeepSeek V4 Pro; 🫡 не ломает встроенные GPT-модели; 🫡 автоматически создаёт резервную копию конфигурации; 🫡 поддерживает безопасный откат изменений.

Проект полностью бесплатный и с открытым исходным кодом. ⛓ Забираем тут tags: #полезное ➡ Data Scientist | Чат

Она попросила показать мой Python. Я показал один скрипт — теперь спрашивает, где я этому научился. Скидываю тот самый канал 👇 https://t.me/+dfCZHUWKdS02MmYy

🔖 Инструкция для AI-агентов Обратите внимание на AGENTS.md — справочник, посвящённый одноимённому файлу с инструкциями для AI-агентов. На сайте объясняют, что стоит включать в AGENTS.md, как его правильно оформлять и показывают примеры из более чем 60 тысяч проектов. tags: #полезное ➡ Data Scientist | Чат