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

🔖 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

🔖 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

🔖 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

🔖 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