⚡️ Понимание Deep Learning

Отличная книга и масса Colab'ов от MIT для полного понимания Deep Learning.
Определённо это один из лучших ресурсов по DL.

Внутри целых 68 (!!!) ноутубков с практикой.

В книге все, что нужно знать про: что такое трансформеры, описание различных моделей как работает генерация картинок и прочее прочее.


🟡 Understanding Deep Learning
📎 PDF

@machinelearning_interview

📌Введение в Deep Learning

Здесь можно найти ответы на многие свои вопросы по ML и Deep Learning;
тут на примерах объясняются самые важные концепции: от построения своей нейросети и перечисления необходимых фреймворков до сравнения разных архитектур и настройки гиперпараметров

Можно использовать как один из материалов для подготовки к собеседованию

🟡 Introduction to Deep Learning

@machinelearning_interview

🌟 Machine Learning в продакшене — открытая книга

Здесь описывается много чисто практических вещей, с которыми сталкивается ML-специлист, внедряющий модель в продакшен.
Приводится много примеров хороших практик, которые помогут строить масштабируемые и надёжные ML-системы

🟡 Machine Learning in Production

@machinelearning_interview

🖥 Продвинутый Python с уклоном в DS и ML

Держите отличный учебник/туториал по продвинутым темам Python.
Здесь освещается большое количество разных тем, вот некоторые:
— ООП: классы, магические методы, атрибуты
— декораторы
— загрузка и предобработка датасета
— кросс-валидация
— построение разных графиков

🟡 Advanced Python

@machinelearning_interview

📌MoE-модель с технологией MLA

Компания DeepSeek создала модель, которая состоит из 236 миллиардов параметров. При этом на каждый токен активно используется 27 миллиардов. NLP-специалисты разобрали статью с подробным описанием модели DeepSeek-V2.

🟡Ссылка на пост

@machinelearning_interview