Обновлённый курс CS 8803 «Large Language Model» в Georgia Tech на 2026 год

Список материалов охватывает предобучение, MoE, рассуждения, обучение с подкреплением и self-play, агентов, длинный контекст, масштабирование во время инференса, диффузионные языковые модели, безопасность, интерпретируемость и многое другое.

Ссылка тут.

@edpython_tg

Отокопал 20 бесплатных курсов и обучающих ресурсов по Python

1. freeCodeCamp — сертификация по Python → freecodecamp.org/learn/python-v
2. freeCodeCamp — научные вычисления с помощью Python → freecodecamp.org/learn/scientif
3. freeCodeCamp — Анализ данных с помощью Python → freecodecamp.org/learn/data-ana
4. freeCodeCamp — Машинное обучение с помощью Python → freecodecamp.org/learn/machine-
5. Kaggle — Python → kaggle.com/learn/python
6. Simplilearn — Программирование на Python → simplilearn.com/free-python-pr
7. Simplilearn — Python для начинающих → simplilearn.com/learn-python-b
8. Great Learning — бесплатные курсы по Python → mygreatlearning.com/python/free-co
9. Great Learning — проекты на Python → mygreatlearning.com/academy/learn-
10. upGrad — основы программирования на Python → upgrad.com/free-courses/d
11. upGrad — Программирование на Python → upgrad.com/free-courses/d
12. upGrad — Библиотеки Python → upgrad.com/free-courses/d
13. Simplilearn — Python для Data Science → simplilearn.com/free-applied-d
14. Python Institute — Python Essentials 1 → pythoninstitute.org/python-essenti
15. Python Institute — Python Essentials 2 → pythoninstitute.org/python-essenti
16. Python Institute — Python для анализа данных 101 → pythoninstitute.org/python-for-dat
17. Python Institute — Python для тестирования 101 → pythoninstitute.org/python-for-tes
18. Элисон — Python: списки и файлы → alison.com/courses/python
19. Элисон — Python: числа, даты и время → alison.com/courses/python
20. OpenLearn — Простое программирование на Python → open.edu/openlearn/digi

Сохраняем себе, чтобы не потерять.

@edpython_tg

Бесплатный курс Python с нуля до pandas

Пошагово изучаем основы для Python и переходим к работе с данными через pandas, NumPy и Matplotlib.

Туториал построен на практических примерах и помогает быстро перейти от базового синтаксиса к реальным задачам.

Сохраняем себе в закладки.

Ловите бесплатный курс от Google Cloud

Руководство посвящено тому, что происходит с моделью после экспериментов в ноутбуке: архитектуре production ML-систем, обучению, инференсу, масштабированию, мониторингу и работе с меняющимися данными.

Курс рассчитан на продвинутый уровень, состоит из 6 модулей и проходится в собственном темпе. На странице Coursera указана ориентировочная нагрузка около 2 недель по 10 часов в неделю.

После прохождения курса вы получаете сертификат.

Изучаем по ссылке.

@edprogramming

Практичный гайд для переезда на Python для тех, кто еще думает

Нашел классный гайд как с умом перейти на Python. Автор по шагам делится чем заменить привычные инструменты, как всё настроить и получать удовольствие от процесса.

Ссылка на статью.

@edpython_tg

Бесплатный курс Google по машинному обучению на Python

Практический курс Google для тех, кто хочет перейти от Python к машинному обучению. Внутри — работа с данными, модели, классификация, нейросети, embeddings и другие основы современного ML.

Есть интерактивные визуализации и практические упражнения.

→ https://developers.google.com/machine-learning/crash-course?utm_source

@edpython_tg

Бесплатный учебник по математике для Data Science и ИИ

Mathematical Methods in Data Science — полноценный онлайн-учебник Себастьена Роша из University of Wisconsin–Madison, который связывает математическую теорию с реальными задачами Data Science и AI на Python.

Онлайн-версия остаётся бесплатно доступной и поддерживается автором.

→ https://mmids-textbook.github.io

@edpython_tg

Бесплатный курс от Microsoft по созданию ИИ-приложений и агентов на Python

Microsoft открыла актуальный курс для разработчиков, которые хотят научиться создавать современные AI-приложения и агентов на Python.

Внутри — генеративный ИИ, AI-агенты, работа с моделями и API, подключение собственных данных и инструментов, мультимодальность и Microsoft Foundry.

Курс рассчитан примерно на 4 дня и доступен для самостоятельного прохождения.

Изучаем тут.

@edpython_tg

Учим Git как игру: настольное приложение «Git It»

Удобный способ перестать бояться терминала настольное приложение «Git It» на Electron обучает Git и GitHub через серию интерактивных миссий. Никаких лекций: коммиты, ветки и репозитории осваиваются прямо на твоём компьютере шаг за шагом

Локальная версия популярного курса Git It, поэтому всё работает офлайн и без лишних настроек. Отличный вариант для новичков и тех, кто хочет быстро освежить базу.

Забирай тут.

@edpython_tg

Нужно быстро удалить фон с изображения?

rembg — инструмент с открытым исходным кодом для удаления фона. Его можно использовать через командную строку, как Python-библиотеку, HTTP-сервер или запускать в Docker.

Подходит как для обработки отдельных изображений, так и для больших пакетов.

→ https://github.com/danielgatis/rembg

@edpython_tg

От машинного обучения и визуализации данных до временных рядов и финансовых данных

В одном репозитории собрано 920 открытых проектов на Python, разбитых на 34 категории.

Хорошая подборка, если хочется быстро находить проверенные библиотеки и инструменты для ML, анализа данных и смежных задач, а не искать всё по GitHub вручную.

→ https://github.com/lukasmasuch/best-of-ml-python

@edpython_tg

Отличный репозиторий для старта в Python и машинном обучении с нуля

В нём собрана большая база материалов по Python: от базового синтаксиса до анализа данных и ML-проектов. Тут есть всё: объяснения основ, куча примеров, задачки и даже мини-проекты по машинному обучению.

Отличный вариант самостоятельного обучения, прокачки навыков и первого знакомства с ML-инструментами.

Изучаем по ссылке.

@edpython_tg

Utopia — опенсорс система для хранения корпоративных знаний с историей изменений

Её главная фишка — информация здесь не перезаписывается при каждом обновлении. Каждый факт имеет свой период действия: когда данные меняются, предыдущая версия остаётся в системе, а новая становится актуальной с заданной даты.

Благодаря этому можно восстановить состояние базы знаний на любой момент времени и узнать, кто тогда отвечал за определённые задачи, какие правила действовали и какая информация считалась актуальной. При этом каждый факт привязан к конкретному фрагменту исходного документа, поэтому всегда можно проверить, откуда появились данные.

Архитектура максимально простая: один исполняемый файл + PostgreSQL. Без Elasticsearch, отдельной векторной базы и очередей сообщений.

Можно развернуть локально или в изолированной сети, а для работы с ИИ — подключить собственную модель.

→ https://github.com/deeplethe/utopia

@edpython_tg

Этот сайт поможет вам хорошо освоить Docker

Он даст вам намного больше, чем плейлисты по Docker с YouTube.

И всё это полностью бесплатно — больше 11 часов практики и упражнений.

→ https://learndocker.online

@edpython_tg

Продержался целых 7 минут 😂

@edpython_tg