42550
DS По всем вопросам- @haarrp @ai_machinelearning_big_data - machine learning @pythonl - Python @itchannels_telegram - 🔥 best it channels @ArtificialIntelligencedl - AI @pythonlbooks-📚 @programming_books_it -📚 Реестр РКН: https://clck.ru/3Fk3zS
Linear Algebra for Computer Science
📓 Read
@datascienceiot
he Little Book of Generative AI Foundations: An
Intuitive Mathematical Primer
📓 Read
@datascienceiot
Understanding Machine Learning: From Theory to Algorithms (Free PDF)
Download PDF: https://clcoding.com/2026/07/understanding-machine-learning-from.html
Everything You Always Wanted To
Know About Mathematics*
📓 Read
@datascienceiot
Next-Generation Agentic Reinforcement Learning
Systems Enable Self-Evolving Agents
📓 Read
@datascienceiot
📌 Заметил, что среди начинающих аналитиков часто возникает пробел на стыке базовой теории и работы с реальными данными. Недавно наткнулся на один камерный авторский проект, где этот баланс соблюден очень грамотно.
🧠 Автор разбирает фундамент, необходимый каждому аналитику: от исторических предпосылок развития индустрии до конкретных инструментов. Что ценно — сложная высшая математика и алгоритмы на Python здесь объясняются без лишней академичности, на понятных прикладных задачах. Качественный разбор практики помогает быстрее разложить знания по полочкам и избежать типичных ошибок на старте.
🤝 Редко встречаю такой уровень проработки материала в небольших сообществах. Если вы сейчас развиваетесь в профессии и ищете надежный источник для прокачки базы, то заглядывайте
@brainsburg
Если хочется зайти в ИИ не через хаотичные курсы и туториалы, а через нормальную магистратуру с индустриальными кейсами — есть вариант от МТС и ФКН ВШЭ.
Открыт набор на третий поток программы «Исследования и предпринимательство в искусственном интеллекте».
Что будут изучать:
— машинное обучение
— GenAI и большие языковые модели
— видеоаналитику
— распознавание и синтез речи
— ML на конечных устройствах
— проектирование ML-систем
— агентные системы на базе LLM
— технологическое предпринимательство
На программе есть 30 оплачиваемых мест от МТС. Студенты работают с кейсами МТС Web Services и MWS AI, используют MWS Cloud и GPU-ресурсы, а лучшие могут получить стажировку или оффер еще во время обучения.
Поступить можно через конкурс: портфолио, мотивационное письмо, онлайн-экзамен, собеседование. Плюс можно показать себя через Kaggle.
Подробнее: https://www.hse.ru/ma/ipii/
@datascienceiot
❤️❤️❤️❤️❤️❤️❤️❤️❤️❤️
Yandex AI Studio Series Summer Edition — событие для тех, кто создает продукты на базе и автоматизирует процессы с помощью ИИ.
Участники узнают, как запускать ИИ-продукты от прототипа до продакшн-решений, научатся проектировать агентные системы и познакомятся с новыми возможностями Yandex AI Studio.
Что в программе:
— глубокое погружение в разработку продуктов на базе ИИ — управление памятью и контекстным окном, работа с API и инструментами, голосовые интерфейсы и оркестрация мультиагентных систем;
— актуальные подходы к проектированию архитектуры ИИ-решений;
— типовые ошибки и способы их избежать.
Регистрируйтесь, чтобы получить не только новые знания, но и практические идеи для своих проектов.
Открывается набор на магистратуры Авито — совместно с МФТИ и ВШЭ
Те, кто следит за направлениями ML и продакт-менеджмента, уже подают заявки. А те, кто только присматривается, могут присмотреться внимательнее — программы строили не по лекалам десятилетней давности:
• Три трека: «Прикладное машинное обучение и анализ данных» с МФТИ, «Машинное обучение в цифровом продукте» с ФКН ВШЭ и «Управление продуктом в IT-бизнесе» с ВШБ ВШЭ.
• Для ML-специалистов — классический ML, компьютерное зрение, рекомендательные системы, генеративный ИИ. Для продактов — матрица компетенций реального продакт-менеджера, от аналитики до бизнес-моделей, с целью выйти на уровень middle.
• Преподаватели — действующие сотрудники Авито, а не только академическая кафедра.
• Кейсы с живых продуктов, а не учебные датасеты.
• Больше 300 экспертов со стороны бизнеса участвовали в разработке, так что содержание актуальное и прикладное.
Поступить можно из любого региона России — программы открыты для выпускников бакалавриата со всей страны.
Открывается набор на бесплатную программу – Академия Авито!
Те, кто уже в теме, спешат подать заявки. А тем, кто слышит об Академии впервые, нужно поторопиться, потому что такой шанс бывает только раз в году:
- Направления на выбор: аналитик данных и Data Science-инженер.
- Актуальная программа под запрос нанимающих команд.
- Личный ментор и постоянная поддержка.
- Профессиональное сообщество единомышленников.
- Реальные кейсы и 150+ экспертов, которые обучат вас нужным скиллам.
Сама учеба начнется 1 сентября, но подать заявку можно только до 2 июля!
Регистрация: ссылка
Mathematics Behind Jujutsu Kaisen:
Gojo Satoru’s Infinity
📓 book
@datascienceiot
Fearless Concurrency on the GPU" introduces cuTile Rust
📓 book
@datascienceiot
Как ускорить ML-разработку, когда главный дефицит — не идеи, а доступ к GPU?
На infra.conf’26 Яндекс рассказал про Dev Cluster — сервис динамического распределения GPU-ресурсов для ML-команд.
Идея простая: вместо настройки окружений, ожидания свободных мощностей и ручного управления инфраструктурой разработчики за несколько кликов получают готовую GPU-конфигурацию для обучения моделей и проверки гипотез.
Ресурсы выделяются за секунды, снижаются простои GPU и эффективнее используются вычислительные мощности. В результате команды быстрее запускают эксперименты, реже упираются в инфраструктурные ограничения и сокращают путь от идеи до результата.
Dev Cluster — часть единой ML-платформы Яндекса, которая закрывает полный цикл машинного обучения: от работы с данными и обучения до применения моделей.
Everything You Always Wanted To
Know About Mathematics*
📓 book
@datascienceiot
System Card: Claude Fable 5 &
Claude Mythos 5
📗 Read
@datascienceiot
Game Theory: http://arxiv.org/abs/1512.06808
—————
#GameTheory #Gamification #Mathematics #Statistics #Probability
@datascienceiot
Хотите развиваться в Data Science? Строить ML-продукты для миллионов пользователей? Авито и ведущие вузы страны открывают набор на две совместные магистратуры.
Для тех, кто хочет в Data Science — «Прикладное машинное обучение и анализ данных» (МФТИ). Современные ML-подходы, работа с реальными данными Авито, эксперты компании и преподаватели МФТИ. Заявки до 12 июля.
Для тех, кто хочет работать над ML-продуктами — «Машинное обучение в цифровом продукте» (НИУ ВШЭ). Полный цикл разработки ML-решений, практические кейсы Авито, преподаватели из индустрии. Заявки до 8 августа.
Что объединяет все три программы: эксперты Авито и вузов, реальные бизнес-задачи, сильное профессиональное сообщество и шанс попасть в Авито уже во время обучения.
Старт — в сентябре. Выбирайте программу и делайте шаг к карьере в IT вместе с Авито.
Если компания хочет запускать ИИ-сервисы, обучать модели или работать с большими объемами данных, ей нужны мощные облачные серверы с видеокартами.
У MWS Cloud с этим все хорошо: сервис вошел в топ-3 рейтинга GPU Cloud 2026 по версии CNews Market.
Что есть у MWS:
— 13 видов графических ускорителей
— более 30 видов производительных процессоров
— 60+ готовых конфигураций серверов
— быстрый запуск без долгого ожидания
— возможность арендовать мощности в ЦОД MWS или развернуть решение у себя
— SLA 99,95%
Облако подойдет для задач искусственного интеллекта, машинного обучения, работы с большими языковыми моделями, речевой аналитики и других проектов, где обычных мощностей уже не хватает.
Для разработчиков также доступны готовые инструменты MWS: платформа для работы с открытыми LLM, речевая аналитика в облаке и ML-платформа.
Параллельно MWS развивает собственную облачную платформу, где уже доступно preview виртуальной инфраструктуры с GPU.
@datascienceiot
BOOM! I Got a 4x AI Speed Improvement!
NEw Paper: AutoMem Turns Memory Management into a Trainable Cognitive Skill, Boosting Long-Horizon Agents 2-4x
arxiv.org/abs/2607.01224
⚡️ Fable 5 снова вернулась в Claude
Модель снова доступна спустя почти три недели после отключения. Ограничения с Anthropic сняли: ранее их вводили из-за формулировки про «угрозу нацбезопасности».
До 7 июля Fable 5 можно использовать в подписках Pro, Team, Max и Premium Enterprise. На неё разрешено тратить до 50% недельных лимитов.
После 7 июля бесплатный доступ закончится, останется только оплата по токенам.
https://claude.ai/
Memex(RL): Scaling Long-Horizon LLM Agents via Indexed Experience Memory
📓 book
@datascienceiot
Mastering Linear Algebra for Free: A Deep Dive into Jim Hefferon's Fourth Edition (Free PDF)
Free PDF Book: https://www.cs.ox.ac.uk/files/12921/book.pdf
A viral Europe 2031 scenario warns that Europe could become economically weaker, politically dependent, and strategically exposed if it fails to build its own frontier AI capacity
📓 book
@datascienceiot
Can LLM Agents Infer World Models? Evidence from Agentic Automata Learning
📓 book
@datascienceiot
Making SEC filings machine-readable without losing context is the real infrastructure play for financial AI.
📓 book
@datascienceiot
Predicting LLM Safety Before Release
by Simulating Deployment
📓 book
@datascienceiot
⚡️ Machine Learning Roadmap 2026: большая карта входа в ML без сказок про “нейросети за месяц
Большой русскоязычный roadmap по машинному обучению: от первого import numpy до LLM, RAG, fine-tuning, AI-агентов и MLOps и даже вабкодинга.
Внутри нормальная структура: что учить, в каком порядке, зачем это нужно и что должно получиться на практике после каждого этапа.
Roadmap разбит на 7 треков:
1. Фундамент: Python, математика, статистика, инструменты
2. Классический ML: scikit-learn, табличные данные, метрики, валидация
3. Deep Learning: PyTorch, CNN, RNN, training loop
4. LLM и трансформеры: attention, KV-cache, RAG, LoRA, агенты
5. Generative AI: изображения, видео, аудио, мультимодальность
6. MLOps и прод: Docker, Kubernetes, CI/CD, monitoring, serving
7. Специализация: CV, NLP, RecSys, RL, Safety
Roadmap не продаёт иллюзию “обучил модель - стал ML-инженером”.
В реальной работе много времени уходит на данные, метрики, деплой, мониторинг, воспроизводимость и разбор ошибок. Модель - только часть системы.
Хорошая мысль из roadmap: LLM не делает джуна сеньором. Она ускоряет того, кто уже понимает базу. Без базы человек просто становится оператором Copilot, который не может объяснить, почему всё сломалось.
По времени тоже без сказок:
1. 0-3 месяца: математика, классический ML
2. 3-6 месяцев: Deep Learning и PyTorch
3. 6-12 месяцев: LLM, RAG, fine-tuning, AI-агенты
4. 12+ месяцев: MLOps, прод, масштабирование, специализация
Тут же собрано 7 болших бесплатных курсов по машинному обучению, математике и вайбкодингу!
Если давно хотели зайти в ML системно, а не прыгать между роликами про ChatGPT, Stable Diffusion и “топ-10 библиотек”, это хороший ориентир.
https://github.com/justxor/MachineLearningRoadmap
AI-Driven Multi-Region Provisioning for Cloud Services Using Spot Fleets
📗 Read
@datascienceiot