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

🧠 DAAF: Claude Code для полноценного анализа данных Появился интересный open-source инструмент — Data Analyst Augmentation Framework (DAAF). Он превращает Claude Code в помощника для количественного

⏳ Главная ошибка при валидации временных рядов Обычный KFold на временных данных легко даёт утечку из будущего: модель обучается на данных, которые хронологически находятся после validation. Метрики

🤖 Не одна LLM, а роутер Зачем отправлять каждый запрос в самую дорогую модель? LiteLLM позволяет маршрутизировать запросы между разными моделями и учитывать стоимость, latency и доступность. Просты

🧬 А если модель оценивают не по тому, что она умеет создавать, а по тому, что уже создала природа? Исследователи MIT представили PottsMPNN — ML-фреймворк для дизайна белков, который пытается уйти от

📍 Навигация: Вакансии • Задачи • Собесы 🐸 Библиотека дата-сайентиста

🌸 Если хочется не просто запускать model.fit(), а понимать математику ML, посмотрите книгу “Pen & Paper Exercises in Machine Learning” Это сборник задач с решениями, где вы на бумаге разбираете: —

🤖 Anthropic учит AI-агентов управлять реальным железом Anthropic открыла research preview Model Hardware Standard (MHS) — спецификации, которая позволяет AI-агентам находить, понимать и управлять фи

💡 GPT-6 Astra: модели уже работают как исследовательские агенты OpenAI представила GPT-6 Astra — модель, которая делает заметный шаг от генерации ответа к долгим исследовательским задачам. Что инте

🧠 Зачем Pipeline в scikit-learn Частая ошибка — сначала преобразовать весь датасет, а потом разделить его на train/test: scaler.fit_transform(X) # уже увидел весь датасет X_train, X_test = train_

🤩 Pixeltable — декларативная инфраструктура данных для AI Единственная open-source Python-библиотека, которая упрощает работу с данными для мультимодальных AI-приложений. С Pixeltable вы можете хр