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
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
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
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
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
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
Курс по структурам данных в Python
За час разберётесь, как правильно работать со стеками, очередями и priority queue — и, что важнее, поймёте, какую структуру выбирать под конкретную задачу.
Внутри:
▪️ 13 уроков
▪️ Практика
▪️ Примеры кода
▪️ Материалы для скачивания
▪️ Сертификат
→ https://realpython.com/courses/stacks-queues-ideal-data-structure/
@edpython_tg
За час разберётесь, как правильно работать со стеками, очередями и priority queue — и, что важнее, поймёте, какую структуру выбирать под конкретную задачу.
Внутри:
→ https://realpython.com/courses/stacks-queues-ideal-data-structure/
@edpython_tg
Please open Telegram to view this post
VIEW IN TELEGRAM
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
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
This media is not supported in your browser
VIEW IN TELEGRAM
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
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
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
Подборка бесплатных онлайн-курсов «PanXProject»
Настоящий клад бесплатных возможностей для прокачки! Сотни курсов по разным темам бери, учись, прокачивайся и добавляй в резюме, а если найдёшь что-то новое можно закинуть в репозиторий и поделиться с другими🕵️♂️
→ https://github.com/PanXProject/awesome-certificates
@edpython_tg
Настоящий клад бесплатных возможностей для прокачки! Сотни курсов по разным темам бери, учись, прокачивайся и добавляй в резюме, а если найдёшь что-то новое можно закинуть в репозиторий и поделиться с другими
→ https://github.com/PanXProject/awesome-certificates
@edpython_tg
Please open Telegram to view this post
VIEW IN TELEGRAM
Большая подборка для изучения Python
На Coddy собрано всё, что пригодится для изучения Python: полноценные курсы, практические задачи, проекты и различные челленджи.
Подойдёт как новичкам, которые начинают с нуля, так и тем, кто уже знаком с Python и хочет прокачать отдельные темы.
Много практики и примеров, на которых можно сразу закреплять полученные знания.
→ https://coddy.tech/landing/python/courses
@edpython_tg
На Coddy собрано всё, что пригодится для изучения Python: полноценные курсы, практические задачи, проекты и различные челленджи.
Подойдёт как новичкам, которые начинают с нуля, так и тем, кто уже знаком с Python и хочет прокачать отдельные темы.
Много практики и примеров, на которых можно сразу закреплять полученные знания.
→ https://coddy.tech/landing/python/courses
@edpython_tg
Одна из лучших технических книг о том, как большие языковые модели обучают в огромных масштабах:
> память GPU и профилирование
> разбиение вычислений на блоки, объединение ядер и FlashAttention
> параллелизм по данным, тензорам, конвейеру и контексту
Я уже прочитал бесплатную онлайн-версию, но всё равно пришлось купить бумажную копию для своей библиотеки.
Бесплатно прочитать можно по ссылке.
@edpython_tg
> память GPU и профилирование
> разбиение вычислений на блоки, объединение ядер и FlashAttention
> параллелизм по данным, тензорам, конвейеру и контексту
Я уже прочитал бесплатную онлайн-версию, но всё равно пришлось купить бумажную копию для своей библиотеки.
Бесплатно прочитать можно по ссылке.
@edpython_tg
Бесплатный парсинг веб-страниц с помощью Python
→ https://www.youtube.com/playlist?list=PLeLGx0BaYD6a82KAsIetU8Z61pCF6EWQ9
@edpython_tg
→ https://www.youtube.com/playlist?list=PLeLGx0BaYD6a82KAsIetU8Z61pCF6EWQ9
@edpython_tg
Hugging Face завершила серию Training Agents — шесть практических воркшопов про оценку и обучение ИИ-агентов.
За полгода команда разобрала весь путь: от бенчмарков и SFT на трассах агентов до дистилляции, GRPO и обучения внутри реальных сред.
В финальной части они собрали среду на OpenEnv, подключили её к TRL и обучили реального агента для программирования OpenCode через Harbor в песочницах Hugging Face.
Все шесть записей уже доступны бесплатно, весь код открыт. Серия набрала более 300 тысяч просмотров.
→ https://youtube.com/playlist?list=PLo2EIpI_JMQvQZm-kVlz4wY1vWF0LBcf5
@edpython_tg
За полгода команда разобрала весь путь: от бенчмарков и SFT на трассах агентов до дистилляции, GRPO и обучения внутри реальных сред.
В финальной части они собрали среду на OpenEnv, подключили её к TRL и обучили реального агента для программирования OpenCode через Harbor в песочницах Hugging Face.
Все шесть записей уже доступны бесплатно, весь код открыт. Серия набрала более 300 тысяч просмотров.
→ https://youtube.com/playlist?list=PLo2EIpI_JMQvQZm-kVlz4wY1vWF0LBcf5
@edpython_tg
Нашёл программу для тех, кто хочет разобраться, как создаются современные Agentic AI-системы
В программе:
— Создание AI-агентов
— RAG и работа с внешними данными
— MCP и MCP-серверы
— Векторные базы данных и embeddings
— tool calling
— Архитектура backend для AI-приложений
— Работа с LLM и построение production-ready систем
Подойдёт разработчикам, которые хотят перейти от обычных запросов к LLM к созданию полноценных AI-приложений и агентов.
→ https://www.coursera.org/specializations/agentic-ai
@edpython_tg
В программе:
— Создание AI-агентов
— RAG и работа с внешними данными
— MCP и MCP-серверы
— Векторные базы данных и embeddings
— tool calling
— Архитектура backend для AI-приложений
— Работа с LLM и построение production-ready систем
Подойдёт разработчикам, которые хотят перейти от обычных запросов к LLM к созданию полноценных AI-приложений и агентов.
→ https://www.coursera.org/specializations/agentic-ai
@edpython_tg
Забирайте 10 книг по Python бесплатно
Сохраняйте подборку в закладки.
@edpython_tg
1. Думай как Python (O'Reilly)
→ greenteapress.com/wp/think-python-2e
2. Большая книга маленьких проектов на Python
→ inventwithpython.com/bigbookpython
3. Структуры данных
→ opendatastructures.org
4. Справочник по Data Science
→ jakevdp.github.io/PythonDataScienceHandbook
5. Анализ данных
→ wesmckinney.com/book
6. Наука о данных
→ greenteapress.com/wp/elements-of-data-science
7. Машинное обучение
→ python-course.eu/books/bernd_klein_python_and_machine_learning
8. Статистика
→ greenteapress.com/wp/think-stats-2e
9. Думай как Байес
→ allendowney.github.io/ThinkBayes2
10. Чистый код на Python (Packt)
→ packtpub.com/free-ebook/clean-code-in-python-second-edition
Сохраняйте подборку в закладки.
@edpython_tg
Ловите 10 репозиториев на GitHub, которые помогут освоить Python, а также разобраться в больших языковых моделях, ИИ-агентах и производственных системах
Сохраняем пост и ставим реакцию, если подборка была полезной.
@edprogramming
1. Python-100-Days — Python, анализ данных + веб-разработка.
2. Generative AI for Beginners — Большие языковые модели, промптинг, RAG, агенты + тонкая настройка.
3. LLMs from Scratch — Создание LLM от токенизации до обучения.
4. ML for Beginners — 26 уроков по машинному обучению.
5. OpenAI Cookbook — Практические примеры создания ИИ-приложений.
6. Stable Diffusion — Оригинальная реализация + исследовательский код.
7. AI Agents for Beginners — Инструменты, RAG, фреймворки для агентов + многоагентные системы.
8. AI for Beginners — Нейронные сети, компьютерное зрение + обработка естественного языка.
9. LLM App — RAG, корпоративный поиск + конвейеры данных в реальном времени.
10. Segment Anything — Базовая модель Meta для сегментации изображений.
Сохраняем пост и ставим реакцию, если подборка была полезной.
@edprogramming
❤3
Появилась open-source альтернатива Jev — Kev
Модель доступна в трёх размерах и полностью работает локально, поэтому ваши данные хранятся у вас на компьютере.
Kev умеет:
— Отвечать «да» или «нет»;
— Выбирать один вариант из нескольких;
— Добавлять короткие пояснения.
Подойдёт для классификации, фильтрации и других задач, где нужен быстрый локальный ответ модели.
@edpython_tg
Модель доступна в трёх размерах и полностью работает локально, поэтому ваши данные хранятся у вас на компьютере.
Kev умеет:
— Отвечать «да» или «нет»;
— Выбирать один вариант из нескольких;
— Добавлять короткие пояснения.
Подойдёт для классификации, фильтрации и других задач, где нужен быстрый локальный ответ модели.
@edpython_tg