Data Scientist | ML & AI

🔖 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

🔖 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

🔖 5 бесплатных курсов по AI-агентам Внутри: 1. Hugging Face — AI Agents Course 2. DeepLearningAI — AI Agents in LangGraph 3. DeepLearningAI — Multi AI Agent Systems with CrewAI 4. Microsoft Learn — AI Agents for Beginners 5. DeepLearningAI — Building Code Agents with Hugging Face smolagents Если хотите разобраться в Agentic AI, сохраняйте подборку. tags: #полезное ➡ Data Scientist | Чат

📰 Градиентный спуск: фундамент машинного обучения Нашли подробный гайд, который объясняет один из самых важных алгоритмов в ML — от теории до реализации на Python. В статье простым языком объясняют принцип работы градиентного спуска, разбирают популярные оптимизаторы (SGD, Momentum, RMSprop, Adam) и показывают, как реализовать алгоритм с нуля. ⛓️ Читать статью tags: #статья ➡ Data Scientist | Чат

🔖 Как создать свою LLM с нуля? Нашли практический ресурс для тех, кто хочет разобраться в устройстве AI-моделей. Пошагово показывают создание собственной модели: подготовка данных, токенизация, pre-training и fine-tuning. ⛓ Забираем тут tags: #полезное ➡ Data Scientist | Чат

🔖 AI-инструмент для работы с данными от Microsoft Microsoft выложила в опенсорс приложение, которое использует большие языковые модели для преобразования данных и построения визуализаций. Инструмент помогает быстрее исследовать датасеты, готовить данные к анализу и создавать графики с помощью ИИ. ⛓ Ссылка на GitHub tags: #полезное ➡ Data Scientist | Чат

🔖 Бесплатная книга по Data Science Если хотите глубже разобраться в анализе данных на Python, этот материал стоит сохранить. В книге подробно разбираются NumPy, Pandas, визуализация данных, машинное обучение и другие ключевые инструменты, которые ежедневно используются. ⛓ Ссылка на книгу tags: #полезное ➡ Data Scientist | Чат

📰 Практика по Deep Learning вместо теории Если давно хотели написать свою первую нейросеть, сохраните эту статью. Автор показывает полный цикл разработки текстового классификатора: 🫡 подготовка датасета; 🫡 токенизация и эмбеддинги; 🫡 построение модели в Keras; 🫡 обучение и оценка качества; 🫡 сохранение модели и развёртывание. ⛓️ Читать статью tags: #статья ➡ Data Scientist | Чат

🔖 300+ реальных кейсов ML-систем от топовых компаний Нашли репозиторий, где собран настоящий опыт ML-инженерии — не теория из учебников, а реальные истории внедрения моделей в продакшене. Внутри кейсы от Uber, Netflix, Google и других компаний: как строили архитектуру, какие проблемы возникали, где системы ломались и какие решения помогали их восстановить. ⛓ Ссылка на GitHub tags: #полезное ➡ Data Scientist | Чат

🔖 Учим Data Science через интерактивные примеры Один из самых полезных репозиториев для тех, кто хочет лучше понять машинное обучение. Он превращает сложные концепции в наглядные эксперименты: можно изучать модели, менять параметры и сразу видеть результат. ⛓ Ссылка на GitHub tags: #полезное ➡ Data Scientist | Чат