Библиотека дата-сайентиста | Data Science, Machine learning, анализ данных, машинное обучение

Это очень полезный репозиторий с 300+ инженерными статьями от крупных tech-компаний про реальные проблемы масштабирования. Но читать всё подряд не стоит — лучше по темам. Для старта: — Netflix / Uber

🧠 Курс «Обучение больших языковых моделей» Подробно объясняет ключевые технологии обучения ИИ от нуля до единицы, помогая системно выстроить полный фреймворк. Содержание курса охватывает всё необх

🧠 Гайд: RAG Evaluation & Testing in Production (Offline + Online) Практический гайд по оценке и тестированию RAG-систем в production. А также — Interview Preparation Playbook for Model Evaluators,

🧠 How to Train Your GPT: практический open-source гайд по созданию LLM с нуля Это проект с GitHub, который учит, как устроены современные языковые модели (в духе ChatGPT, LLaMA, Mistral), но делает

(без текста)

🗓 14 мая в 19:00 (Мск) встречаемся в онлайне. Тема: Почему AI-продукты на базе LLM ломаются и как сделать, чтобы работало. В кружке выше Эмиль Сатаев рассказал, какие именно проблемы с LLM в проде

⚡️ Интерактивная визуализация внутренних механизмов Transformer ➡️ Ссылка на сайт 📍 Навигация: Вакансии • Задачи • Собесы Библиотека дата-сайентиста #буст

🤖 Понимать AI ≠ уметь делать AI-проекты Самый частый тупик в обучении: вроде уже понимаешь, как работают модели, но как только дело доходит до кода — вопрос: «А что вообще делать руками?» Нашли сил

📊 Polars и проблемы со схемой данных Данные в пайплайнах часто ломаются из-за изменений схемы. В Polars это обычно 4 случая: 🔹 Добавилась колонка → используем missing_columns="insert" или schema

💡 10 приёмов Python для анализа данных Эта лаконичная шпаргалка содержит ключевые инструменты для эффективной работы с данными на Python 📍 Навигация: Вакансии • Задачи • Собесы Библиотека дата-са