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
Google gave AI consciousness and it aligned with human beliefs across every domain they tested. They took consciousness away and the model rejected them.
📓 Read
@datascienceiot
Andrej Karpathy just dropped 12-page PDF on "Graph Engineering" for multi-agentic systems
the shift: Karpathy's loop runs 700 experiments and forgets all of them. A graph remembers forever
here's the full system:
step 1 → build one loop: generate, critique, revise. 630 lines, 700 experiments in 48 hours
step 2 → go parallel: agents in separate worktrees, same repo, different branches, no conflicts
step 3 → add a knowledge graph: extract entities, resolve aliases, assemble typed edges, query through subgraphs
step 4 → ground your evaluator: it checks claims against graph edges, not vibes
step 5 → plug the graph as shared memory. workers write to it. evaluators fact-check against it. Loops persist overnight
step 6 → the agent forgets. the graph does not. stop rebuilding context from scratch every session
Karpathy ran 1 agent in 1 direction. Anthropic's graph runs 1,000 with shared memory - same model, it's the architecture
https://drive.google.com/file/d/1-GOg0kxcp8tx1BMUECMj2yJq6JYGmfhb/view
Understanding Machine Learning: From Theory to Algorithms — фундаментальная книга по математическим основам машинного обучения.
Внутри:
empirical risk minimization и переобучение
PAC learning и uniform convergence
VC dimension и No-Free-Lunch theorem
bias–complexity tradeoff
линейные модели, boosting и AdaBoost
выбор модели и валидация
выпуклая оптимизация, регуляризация и устойчивость
Книга вышла в Cambridge University Press и подойдёт тем, кто хочет разобраться в ML глубже уровня библиотек и готовых API.
Авторы разрешают скачать копию для личного использования, но просят не распространять прямую ссылку на PDF. На официальной странице кнопка Download находится в боковом меню:
http://cs.huji.ac.il/~shais/UnderstandingMachineLearning
Galois Theory of Algorithms
Noson S. Yanofsky∗
📓 Read
@datascienceiot
Applied Causal Inference Powered by Machine Learning and AI
📓 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
"Patterns, Predictions, and Actions: A Story About Machine Learning"
📓 Read
@datascienceiot
Updated 2204-page PDF Mathematics ebook:
"Algebra, Topology, Differential Calculus, and Optimization Theory For Computer Science and Machine Learning"
Find it here: https://cis.upenn.edu/~jean/gbooks/geomath.html
🔥 Хочешь быстрее расти в IT? Хватит учиться в одиночку
В IT прокачивается тот, кто каждый день видит сильные идеи, новые инструменты, реальные задачи, вакансии и разборы.
Окружение решает больше, чем кажется.
Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре.
AI: t.me/ai_machinelearning_big_data
Python: t.me/pythonl
Linux: t.me/linuxacademiya
Хакинг: t.me/linuxkalii
DevOps: t.me/DevOPSitsec
Docker: t.me/DevopsDocker
Golang: t.me/Golang_google
Rust: t.me/rust_code
C++: t.me/cpluspluc
C#: t.me/csharp_1001_notes
Java: t.me/java_library
JavaScript: t.me/javascriptv
React: t.me/react_tg
Frontend: t.me/front
PHP: t.me/phpshka
Android: t.me/android_its
Мобильная разработка: t.me/mobdevelop
Базы данных: t.me/sqlhub
Data Science: t.me/data_analysis_ml
Big Data: t.me/bigdatai
Математика: t.me/data_math
Физика: t.me/fizmat
Kubernetes: t.me/kubernetc
GameDev: /channel/gamedev
Haskell: t.me/haskell_tg
Собеседования и карьера:
DS собеседования: t.me/machinelearning_interview
Python собеседования: t.me/python_job_interview
Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: /channel/addlist/2Ls-snqEeytkMDgy
Папка Frontend: /channel/addlist/mzMMG3RPZhY2M2Iy
Полезное сверху:
ИТ-мемы: t.me/memes_prog
Английский для программистов: t.me/english_forprogrammers
ИИ и технологии: t.me/vistehno
954 ГБ open-source курсов: @courses
ИТ-книги бесплатно: /channel/addlist/BkskQciUW_FhNjEy
Max Ai: https://max.ru/ai_machinelearning_big_data
Max python: https://max.ru/pythonl
ТЕХНО: https://max.ru/vistehno
Max Go: https://max.ru/Golang_google
Max Linux: https://max.ru/linuxkalii
Devops: https://max.ru/DevOPSitsec
C#: https://max.ru/csharp_ci
C++: https://max.ru/cpluspluc
SQL: https://max.ru/sqlhub
Java: https://max.ru/javatg
Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд.
Пока кто-то листает шум, ты будешь видеть инструменты, задачи и идеи, которые помогают расти в профессии.
SQL и Python есть: что часто отсекает на собеседовании
Классика вакансий на аналитика: SQL и Python на уровне «уверенно», статистика — «понимание методов A/B-тестирования и работы с большими выборками». Первые две галочки ставятся спокойно. Третья часто оказывается самым сложным местом на собеседовании.
Статистика и ML (машинное обучение) плохо ложатся на короткие курсы — они дают фрагменты, а не систему. Академическая программа работает иначе: серьезная математическая база плюс прикладные задачи по ML.
Именно так устроена совместная онлайн-магистратура karpovꓸcourses и НИУ ВШЭ «Аналитика больших данных». От ВШЭ — экспертиза и опыт одного из крупнейших вузов России, от karpovꓸcourses — практический опыт в сфере анализа данных.
21 июля в 18:00 мск проведут бесплатный День открытых дверей. На эфире разберут: из чего состоит программа, как устроена практика через тренажеры от karpovꓸcourses и как совмещать обучение с работой.
Ведут эфир Анатолий Карпов — основатель karpovꓸcourses, самый популярный эксперт в сфере аналитики данных (по данным NEWHR) — и Евгений Соколов, руководитель департамента больших данных и информационного поиска ФКН НИУ ВШЭ.
Присоединяйтесь по ссылке — после эфира всем участникам придет запись: https://clc.to/erid_2W5zFGRNGWm
Реклама. ООО «КАРПОВ КУРСЫ». ИНН 7811764627. erid: 2W5zFGRNGWm
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