Data Scientist | ML & AI

📱 Алгоритмы и структуры данных на Python

Этот курс даст фундамент по алгоритмам — от простейших операций до динамики, строковых алгоритмов и сортировок.

Материал подаётся последовательно, чтобы вы выстроили настоящее алгоритмическое мышление и научились решать задачи любой сложности.

Что вы изучите:

🏮 Базовые конструкции Python, циклы, ветвления и работу с числами;

🏮 Однопроходные алгоритмы: подсчёты, суммы, максимум, Евклид;

🏮 Декомпозицию, функции, стек вызовов и структурное программирование;

🏮 Массивы, списки, строки и эффективные способы обработки данных;

🏮 Классические сортировки и анализ их сложности;

🏮 Быструю сортировку Хоара и сортировку слиянием;

🏮 Рекурсию: факториал, степени, Евклид, Ханойские башни;

🏮 Динамическое программирование: рюкзак, Фибоначчи, Левенштейн, НОП, НВП;

🏮 Строковые алгоритмы: префикс-функцию, Z-функцию, КМП;

🏮 Стек, ОПН, проверку скобок и базовые структуры данных;

🏮 Пирамиду (кучу) и пирамидальную сортировку.

После прохождения вы сформируете прочную базу алгоритмов, нужную для олимпиад, собеседований и дальнейшего погружения в программирование.

Ссылка на курс — здесь.

tags: #полезное

➡ Data Scientist | Чат

➡ Data Scientist | #memes

👍 Mistral представили новую открытую модель для разработки — Devstral 2

Компания выпустила сразу два варианта модели: крупную Devstral 2 на 123B параметров под модифицированной MIT-лицензией и компактную Devstral Small (24B) на Apache 2.0.

Обе показывают SOTA-результаты среди открытых моделей для кодинга и уже работают через API — доступ к ним сейчас бесплатный.

Также вместе с релизом вышел и новый полностью опенсорсный CLI-ассистент для разработки — Mistral Vibe.

Забираем Devstral 2 — здесь, а Mistral Vibe — тут.

tags: #новости

➡ Data Scientist | Чат

😍 Крутейший интерактивный курс по Git, работающий прямо внутри VS Code

Внутри 48 коротких уроков по 5–10 минут — каждый с заданиями, примерами и разбором команд. Также есть квизы для закрепления материала и «Гитопедия», через которую можно отслеживать свой прогресс.

Подойдет идеально, если хотите разобраться с Git с нуля или освежить знания, забираем — тут.

tags: #полезное

➡ Data Scientist | Чат

⚡️ ВАЙБ-КОДИНГ теперь в Telegram!

Ребята сделали крутейший канал, где на наглядных примерах и понятном языке рассказывают как войти в новую эру разработки с ИИ, делятся полезными фишками и инструментами

Подписывайтесь: @vibecoding_tg

🔖 Коллекция современных агентных систем

Редкий и действительно полезный репозиторий с разбором 17 примеров архитектур агентных систем — от минимальных прототипов до комплексных мультиагентных оркестраторов.

Внутри:

▶️ Готовые ноутбуки с реализациями;
▶️ Примеры взаимодействия агентов и маршрутизации задач;
▶️ Сравнение подходов к планированию, памяти и инструментам;
▶️ Практические советы по построению собственных систем.

Отличный способ быстро разобраться, как устроены современные AI-агенты, забираем — здесь.

tags: #полезное

➡ Data Scientist | Чат

🔖 Основы визуализации данных в Excel

В этом курсе вы разберётесь, как быстро превращать сырые таблицы и неудобные графики в понятные и аккуратные визуализации.

Материал построен полностью на практике — вы улучшаете графики шаг за шагом, сразу повторяете в Excel и закрепляете навыки чеклистами и мини-тестами.

Что вы изучите:

🏮 Определять, когда таблица или график требует переработки;

🏮 Подбирать подходящий тип визуализации под задачу;

🏮 Переверстывать таблицы и улучшать их читаемость;

🏮 Создавать барчарты, линейные графики, динамики с категориями и диаграммы с двумя осями;

🏮 Делать корректные пайчарты и заменять их там, где нужно;

🏮 Настраивать дизайн визуализаций и избегать типичных ошибок;

🏮 Создавать собственные шаблоны диаграмм;

🏮 Применять чеклисты для самопроверки и исправления слабых мест;

🏮 Переходить от вопроса — к правильной форме визуализации.

После курса вы сможете уверенно улучшать любые отчёты, быстро подбирать подходящий вид графика под задачу и оформлять визуализации так, чтобы их легко понимали другие.

tags: #полезное #excel

➡ Data Scientist | Чат

👍 Хорошие новости для вайбкодеров — Cursor на неделю открыл полный доступ к GPT-5.1 Codex Max

Самая мощная модель в экосистеме Cursor теперь работает безлимитно до 11 декабря.

Безлимит работает подписке Pro, которую можно подключить бесплатно на месяц.

Пользуемся, пока есть возможность — тут.

tags: #новости

➡ Data Scientist | Чат

Действительно

➡ Data Scientist | #memes

🔍 Google представили Workspace Studio — конструктор ИИ-агентов без единой строчки кода

Новый инструмент позволяет создавать, настраивать и запускать агентов, которые работают прямо внутри экосистемы Google: Gmail, Docs, Sheets, Drive, Chat, Slides, Meet и других сервисов.

Что теперь можно собрать буквально в пару кликов:

▶️ Агента, который мониторит почту и автоматически сортирует рабочие письма

▶️ Агента, который раз в месяц или по триггеру собирает метрики из таблиц и сам делает презентацию

▶️ Агента, который записывает встречи в Meet, делает саммари и сразу создаёт задачи по action items

Пока доступ есть только у бизнес-клиентов Workspace, в январе Google обещают открыть инструмент для всех. Ссылка — тут.

tags: #новости

➡ Data Scientist | Чат

🔖 Делимся годной шпаргалкой по 12 ключевым командам Git — это базовый набор, без которого не обходится ни один разработчик

tags: #шпаргалка #git

➡ Data Scientist | Чат

А ведь реально — как?

➡ Data Scientist | #memes

🎄 Google запустили свой адвент-календарь для ИИ-разработчиков

Каждый день открывается новый мини-урок с практикой по Gemini 3, Google ADK и готовым шаблонам для сборки собственных агентов.

В процессе обучения вы постепенно пройдете путь от базовой сборки ИИ-агентов к оркестровке полноценных мультиагентных систем.

Первые два урока уже доступны, забираем — здесь.

tags: #полезное

➡ Data Scientist | Чат

🔖 Шпаргалка по Bagging и Boosting

1. Bagging — работает параллельно: мы обучаем много независимых моделей на разных бутстрап-выборках и усредняем результат. Главный плюс — уменьшение дисперсии и борьба с переобучением.

Как это работает:

• создаём множество бутстрап-датасетов
• обучаем модели одновременно
• объединяем предсказания (голосование или среднее)

Примеры: Random Forest, BaggingClassifier / Regressor.

2. Boosting — модели учатся цепочкой: каждая следующая пытается исправить ошибки предыдущей. Цель — снизить смещение и выжать максимум точности.

Как это работает:

• берём слабого ученика
• усиливаем веса сложных объектов
• складываем много слабых моделей в одну сильную

Примеры: XGBoost, CatBoost, LightGBM, AdaBoost.

tags: #полезное #шпаргалка

➡ Data Scientist | Чат

📰 Китайский DeepSeek выпустил две новые версии: «DeepSeek-V3.2» и «DeepSeek-V3.2-Speciale»

Обе модели заточены под работу в составе агентов, а «Speciale» отдельно подчёркивают как вариант для сложного долгого резонирования и планирования.

Сейчас:

▶ «DeepSeek-V3.2» уже можно попробовать в чате;
▶ «DeepSeek-V3.2-Speciale» пока доступна только через API.

По метрикам заявляют уровень где-то в районе GPT-5 и Gemini 3.0. Естественно код выложен в открытый доступ — можно брать, запускать локально и экспериментировать с пайплайнами.

Ссылка на Hugging Face — тут.

tags: #новости

➡ Data Scientist | Чат