🔖 Библиотека, которую используют Uber и Microsoft

Нашли мощный open-source инструмент для каузального анализа — CausalML.

Он помогает оценивать эффект различных воздействий, строить модели с неоднородными эффектами и оптимизировать маркетинговые кампании.

Дополнительно доступны causal trees, meta-алгоритмы и поддержка SHAP для интерпретации результатов.

⛓️ Ссылка на либу

tags: #полезное

➡ Data Scientist | Чат

🔖 Cписок бесплатных API для LLM

Нашли GitHub-репозиторий, в котором собраны API для десятков популярных моделей.

Внутри Google AI Studio, Groq, OpenRouter, Cerebras, NVIDIA NIM, Mistral и другие сервисы с актуальными лимитами запросов.

⛓️ Ссылка на GitHub

tags: #полезное

➡ Data Scientist | Чат

🔖 AI-агенты получили собственную иерархию

Новый проект Alook предлагает необычный способ управления агентными системами — через модель настоящей компании.

Не нужно строить сложные workflow: назначаете роли, создаёте структуру команды, а агенты сами распределяют задачи и взаимодействуют друг с другом.

Возможности:

✍️ локальное выполнение вычислений;
✍️ поддержка Claude Code, OpenCode и Codex;
✍️ self-hosting;
✍️ работа с открытыми и закрытыми моделями.

⛓️ Ссылка на GitHub

tags: #полезное

➡ Data Scientist | Чат

📰 GPT-5.6 Sol уже на подходе

OpenAI представила сразу три новые модели:

🫡 Sol — новый флагман с рекордными 91,9% в Terminal Bench 2.1;
🫡 Terra — конкурент Claude Fable 5;
🫡 Luna — самая быстрая и дешёвая модель.

В течение суток модели появятся у подписчиков, а Luna станет доступна бесплатно.

tags: #новости

➡ Data Scientist | Чат

🔖 Легендарный учебник MIT по математике для Computer Science

Mathematics for Computer Science — один из лучших бесплатных учебников для разработчиков, ML-инженеров и дата-сайентистов.

Внутри — более 1000 страниц по дискретной математике, логике, графам, вероятности, комбинаторике, рекуррентным соотношениям и другим фундаментальным темам.

⛓️ Ссылка на учебник

tags: #полезное

➡ Data Scientist | Чат

🔖 6 RAG-архитектур, которые должен знать каждый AI-инженер

Многие используют Simple RAG по умолчанию, а потом удивляются, почему качество ответов перестаёт расти.

Вот что стоит знать:

✍️ Simple RAG — FAQ, чат-боты, базы знаний;
✍️ Hybrid RAG — сочетает векторный и keyword-поиск;
✍️ CRAG — перепроверяет результаты и запускает повторный поиск;
✍️ Self-RAG — сам решает, когда искать информацию, и оценивает свой ответ;
✍️ Graph RAG — работает через граф знаний и связи между сущностями;
✍️ Agentic RAG — использует AI-агентов, API и многоэтапный поиск.

tags: #полезное

➡ Data Scientist | Чат

🔖 Как сократить стоимость LLM-инференса до 90%

Если ваши AI-агенты постоянно отправляют один и тот же контекст, обратите внимание на LMCache.

Это open-source система управления KV-кэшем, которая позволяет повторно использовать уже вычисленные представления вместо того, чтобы пересчитывать их при каждом запросе.

В результате:

⚡️ до 14× быстрее Time To First Token;
⚡️ до 4× быстрее декодирование;
⚡️ существенная экономия GPU-ресурсов и стоимости инференса.

⛓️ Ссылка на GitHub

tags: #полезное

➡ Data Scientist | Чат

🔖 Изучаем Deep Learning на практике

Нашли репозиторий, где собраны небольшие проекты по глубокому обучению — от базовых концепций до более продвинутых техник.

Каждый проект посвящён отдельной теме и отлично подходит для практики.

⛓️ Ссылка на GitHub

tags: #полезное

➡ Data Scientist | Чат

🔖 Огромная база знаний по PyTorch

Нашли одну из самых полных подборок материалов по PyTorch на GitHub.

Здесь собраны готовые реализации моделей, статьи, вспомогательные библиотеки, книги, туториалы и записи конференций.

⛓️ Ссылка на GitHub

tags: #полезное

➡ Data Scientist | Чат

📰 Как сделать ответы LLM более предсказуемыми

Даже хороший промпт не гарантирует, что модель вернёт нужный формат или не проигнорирует ваши инструкции.

Автор статьи показывает практические приёмы промпт-инжиниринга: использование XML-разметки, корректную постановку запретов и способы принудительно задавать структуру ответа.

⛓️ Читать статью

tags: #статья

➡ Data Scientist | Чат

🔖 Большой практический курс по Reinforcement Learning

Нашли репозиторий, который поможет освоить Reinforcement Learning от базовых концепций до продвинутых алгоритмов.

Автор сопровождает теорию практическими примерами на TensorFlow, благодаря чему материал отлично подойдёт для самостоятельного обучения.

⛓️ Ссылка на GitHub

tags: #полезное

➡ Data Scientist | Чат

🔖 Огромная подборка лекций по Machine Learning и Deep Learning

Нашли репозиторий, который объединяет качественные материалы сразу по нескольким направлениям искусственного интеллекта.

Отличный материал как для обучения, так и для повторения ключевых тем.

⛓️ Ссылка на GitHub

tags: #полезное

➡ Data Scientist | Чат

🔖 Одна из лучших подборок материалов по PyTorch
⠀⠀ ⠀ ⠀ ⠀⠀
Внутри:

🫡 книги и туториалы;
🫡 реализации моделей;
🫡 статьи и полезные гайды;
🫡 материалы по Computer Vision, NLP и Reinforcement Learning;
🫡 десятки других ресурсов по экосистеме PyTorch.

⛓ Ссылка на GitHub

tags: #полезное

➡ Data Scientist | Чат

🔖 Лучшие репозитории для AI-инженеров

⚡️ Hands-On AI Engineering — подборка AI-приложений и агентных систем с практическими кейсами использования LLM.

⚡️ Hands-On Large Language Models — полный код из книги Hands-On Large Language Models: от основ до файнтюнинга.

⚡️ AI Agents for Beginners — бесплатный курс от Microsoft из 11 уроков по созданию AI-агентов.

⚡️ GenAI Agents — большая коллекция туториалов и реализаций агентных систем.

⚡️ Made With ML — про разработку, деплой и поддержку production-ready ML-систем.

⚡️ Learn Harness Engineering — практический курс по Harness Engineering для AI-агентов.

⚡️ AutoResearch — автономные циклы ML-экспериментов от Andrej Karpathy.

⚡️ Designing Machine Learning Systems — конспекты и материалы по книге Chip Huyen.

⚡️ Awesome LLM Inference — подборка материалов по инференсу LLM: Flash Attention, KV Cache, квантование и другое.

⚡️ LLM Course — практический курс по LLM с roadmap и Colab-ноутбуками.

Сохраняем в избранное.

tags: #полезное

➡ Data Scientist | Чат

🔖 Бесплатная книга по Deep Learning с практикой

В открытом доступе появилась онлайн-версия одного из самых популярных учебников по глубокому обучению.

Материал охватывает путь от основ нейронных сетей до Transformers и Generative AI, а примеры можно сразу запускать в Google Colab без дополнительной настройки окружения.

⛓ Ссылка на книгу

tags: #полезное

➡ Data Scientist | Чат

🔖 Ghost Downloader залетел в топ GitHub
⠀⠀ ⠀ ⠀ ⠀⠀
Один из самых быстрорастущих open-source проектов последних дней.

Внутри:

🫡 AI-разбиение файлов на чанки для ускорения загрузки;
🫡 TLS-фингерпринты реального браузера и обход антибот-защиты;
🫡 парсеры для YouTube, Bilibili, Hugging Face и GitHub Releases;
🫡 Android-приложение, расширение для браузера и совместимость с aria2 RPC.

⛓ Ссылка на GitHub

tags: #полезное

➡ Data Scientist | Чат

🔖 Полное руководство по проектированию ML-систем

Нашли отличное руководство по проектированию production-ready ML-систем от Chip Huyen.

Книга охватывает весь жизненный цикл: от работы с данными и выбора архитектуры до масштабирования, мониторинга и MLOps.

⛓ Ссылка на книгу

tags: #полезное

➡ Data Scientist | Чат

🔖 Годный тренажёр для Data Scientist

Внутри:

🫡 реальные задачи из IT-компаний;
🫡 практика по SQL;
🫡 задачи на Python;
🫡 подготовка к Data Science-собесам.

⛓ Ссылка на тренажер

tags: #полезное

➡ Data Scientist | Чат