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

⚠️ Тензор в ML и тензор в математике: это не одно и то же Слово «тензор» используется в двух разных смыслах, и путаница между ними реальная. ✔️ Тензор в ML (практический смысл) Многомерный массив

✳️ Гайд: Марковские цепи Формально: P(Xₙ₊₁ | X₁,...,Xₙ) = P(Xₙ₊₁ | Xₙ). Только текущее состояние определяет следующее. Вся история не важна. Это кажется ограничением. На практике — это мощь. ✳️Стац

✅ Gefen: замена AdamW которая экономит 6.5 ГБ памяти на каждый миллиард параметров Одна из главных проблем при обучении больших моделей — память под состояние оптимизатора. AdamW хранит два момента д

📕 Курс по Deep Learning 10 лекций, изначально записанных для клиницистов и медицинских физиков. Но не спешите закрывать вкладку. Курс занимает интересную нишу: глубже чем большинство «AI для медици

➡️ Marin: open-source фреймворк для обучения LLM Большинство фреймворков для обучения моделей сохраняют результат. Marin сохраняет весь процесс: каждый шаг от сырых данных до финальной модели, включ

🎬 Где ломаются архитектуры ИИ-агентов и как этого избежать: запись урока от Proglib.Academy и cloud․ru Proglib.аcademy вместе с cloud․ru провели вебинар, где разобрали реальные боли проектирования а

⏰ Уже сегодня в 19:00 (МСК) стартует наш открытый урок! Знаем, летом хочется отложить учёбу на осень. Но пока остальные отдыхают 😅, мы предлагаем без лишней конкуренции прокачать свой workflow и нач

Регулярки для парсинга данных: шпаргалка с паттернами Паттерны которые реально нужны при работе с данными. Числа и суммы \d+ # любое целое число \d+\.\d+ #

🙌 Google выпустил TabFM: foundation model для табличных данных с zero-shot предсказаниями 30 июня Google Research анонсировали TabFM — модель которая делает классификацию и регрессию на табличных да

pandas — 10 приёмов которые используют каждый день Не основы, а то что реально ускоряет работу. Фильтрация df.query() — читается как SQL, работает быстро: df.query("age > 30 and city == 'Moscow'")