🔖 Шпаргалка по выбору алгоритма машинного обучения

Нашли удобную карту, которая поможет выбрать подходящий алгоритм под задачу — от классификации и регрессии до кластеризации и снижения размерности.

Она показывает как шаг за шагом выбрать подход: какие параметры учитывать и к какому алгоритму в итоге прийти.

tags: #полезное #шпаргалка

➡ Data Scientist | Чат

Фундаментальный закон

➡ Data Scientist | #memes

🔖 Шпаргалка по матрицам: основные виды и ключевые операции

На одной картинке — полный набор: квадратные, нулевые, диагональные, единичные, треугольные и другие типы матриц, а также базовые действия вроде сложения, умножения, транспонирования, обратной матрицы и ранга.

tags: #полезное #шпаргалка

➡ Data Scientist | Чат

📱 Pycaret: кратко про low-code библиотеку для ML

В статье рассматривается, как использовать PyCaret для создания, обучения и внедрения моделей машинного обучения с минимальным количеством кода.

Автор описывает основные модули библиотеки, демонстрируя их возможности с примерами кода.

⛓ Читать статью

tags: #статья

➡ Data Scientist | Чат

🤖 Как я запускаю 15+ самых разных ИИ на своей машине?

В статье рассказывается о разработке локального сервиса, который объединяет более 15 open-source моделей ИИ для генерации изображений, распознавания объектов, озвучивания текста и других задач.

Автор показывает, как собрать такой инструмент у себя на машине, настроить взаимодействие моделей и получить к ним удобный HTTP-доступ.

⛓ Читать статью

tags: #статья

➡ Data Scientist | Чат

🔖 Шпаргалка по Bagging и Boosting

1. Bagging — работает параллельно: мы обучаем много независимых моделей на разных бутстрап-выборках и усредняем результат. Главный плюс — уменьшение дисперсии и борьба с переобучением.

Как это работает:

• создаём множество бутстрап-датасетов
• обучаем модели одновременно
• объединяем предсказания (голосование или среднее)

Примеры: Random Forest, BaggingClassifier / Regressor.

2. Boosting — модели учатся цепочкой: каждая следующая пытается исправить ошибки предыдущей. Цель — снизить смещение и выжать максимум точности.

Как это работает:

• берём слабого ученика
• усиливаем веса сложных объектов
• складываем много слабых моделей в одну сильную

Примеры: XGBoost, CatBoost, LightGBM, AdaBoost.

tags: #полезное #шпаргалка

➡ Data Scientist | Чат

🎄 Google запустили свой адвент-календарь для ИИ-разработчиков

Каждый день открывается новый мини-урок с практикой по Gemini 3, Google ADK и готовым шаблонам для сборки собственных агентов.

В процессе обучения вы постепенно пройдете путь от базовой сборки ИИ-агентов к оркестровке полноценных мультиагентных систем.

Первые два урока уже доступны, забираем — здесь.

tags: #полезное

➡ Data Scientist | Чат

А ведь реально — как?

➡ Data Scientist | #memes

🔖 Делимся годной шпаргалкой по 12 ключевым командам Git — это базовый набор, без которого не обходится ни один разработчик

tags: #шпаргалка #git

➡ Data Scientist | Чат

🔍 Google представили Workspace Studio — конструктор ИИ-агентов без единой строчки кода

Новый инструмент позволяет создавать, настраивать и запускать агентов, которые работают прямо внутри экосистемы Google: Gmail, Docs, Sheets, Drive, Chat, Slides, Meet и других сервисов.

Что теперь можно собрать буквально в пару кликов:

▶️ Агента, который мониторит почту и автоматически сортирует рабочие письма

▶️ Агента, который раз в месяц или по триггеру собирает метрики из таблиц и сам делает презентацию

▶️ Агента, который записывает встречи в Meet, делает саммари и сразу создаёт задачи по action items

Пока доступ есть только у бизнес-клиентов Workspace, в январе Google обещают открыть инструмент для всех. Ссылка — тут.

tags: #новости

➡ Data Scientist | Чат

Действительно

➡ Data Scientist | #memes

👍 Хорошие новости для вайбкодеров — Cursor на неделю открыл полный доступ к GPT-5.1 Codex Max

Самая мощная модель в экосистеме Cursor теперь работает безлимитно до 11 декабря.

Безлимит работает подписке Pro, которую можно подключить бесплатно на месяц.

Пользуемся, пока есть возможность — тут.

tags: #новости

➡ Data Scientist | Чат

🔖 Основы визуализации данных в Excel

В этом курсе вы разберётесь, как быстро превращать сырые таблицы и неудобные графики в понятные и аккуратные визуализации.

Материал построен полностью на практике — вы улучшаете графики шаг за шагом, сразу повторяете в Excel и закрепляете навыки чеклистами и мини-тестами.

Что вы изучите:

🏮 Определять, когда таблица или график требует переработки;

🏮 Подбирать подходящий тип визуализации под задачу;

🏮 Переверстывать таблицы и улучшать их читаемость;

🏮 Создавать барчарты, линейные графики, динамики с категориями и диаграммы с двумя осями;

🏮 Делать корректные пайчарты и заменять их там, где нужно;

🏮 Настраивать дизайн визуализаций и избегать типичных ошибок;

🏮 Создавать собственные шаблоны диаграмм;

🏮 Применять чеклисты для самопроверки и исправления слабых мест;

🏮 Переходить от вопроса — к правильной форме визуализации.

После курса вы сможете уверенно улучшать любые отчёты, быстро подбирать подходящий вид графика под задачу и оформлять визуализации так, чтобы их легко понимали другие.

tags: #полезное #excel

➡ Data Scientist | Чат

🔖 Коллекция современных агентных систем

Редкий и действительно полезный репозиторий с разбором 17 примеров архитектур агентных систем — от минимальных прототипов до комплексных мультиагентных оркестраторов.

Внутри:

▶️ Готовые ноутбуки с реализациями;
▶️ Примеры взаимодействия агентов и маршрутизации задач;
▶️ Сравнение подходов к планированию, памяти и инструментам;
▶️ Практические советы по построению собственных систем.

Отличный способ быстро разобраться, как устроены современные AI-агенты, забираем — здесь.

tags: #полезное

➡ Data Scientist | Чат