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.

- https://cocoxu.github.io/CS8803-LLM-spring2026/
- https://docs.google.com/spreadsheets/d/1Oisf4imoNL3fs4UWGYAUlMCuYfCACMHCDb0iqEYU8wc/edit?usp=sharing

✈️ Python Ninja

А вы знали, что в Python можно делать перегрузку функций с помощью functools?

Вот пример:

✈️ Python Ninja

Большой брат следит за тобой. 😂

https://github.com/arxhr007/Aliens_eye

Aliens_eye - ищет аккаунты по одному имени пользователя сразу на 840+ платформах и с помощью ИИ определяет, какие профили действительно принадлежат нужному человеку.

Aliens_eye также извлекает доступные данные из найденных профилей. Проект написан на Python, распространяется по лицензии MIT и сейчас набрал около 3,1 тыс. звёзд на GitHub.

✈️ Python Ninja

Python Tip: не просто вызывайте ошибку базы данных — откатывайте транзакцию.

Если транзакция завершается с ошибкой, недостаточно просто узнать, что что-то пошло не так. Нужно убедиться, что вся транзакция отменена.

Именно для этого используется rollback().

✈️ Python Ninja

Python может помочь инженерам-механикам автоматизировать рабочие процессы, анализировать данные и решать сложные инженерные задачи.

В этом курсе разбирается Python именно для машиностроения — от базовых концепций программирования до практического применения в инженерных задачах.

В программе NumPy, Pandas и Matplotlib, работа с ИИ в инженерных процессах и несколько практических кейсов.

https://freecodecamp.org/news/python-for-mechanical-engineering/

✈️ Python Ninja

GitHub объявил причину своего масштабного глобального сбоя, который произошёл два дня назад.

17 августа GitHub пережил продолжительный сбой длительностью 7 часов 47 минут, который затронул Issues, PR, API, Actions, Copilot и другие сервисы.

В пиковые моменты доля ошибок в веб-версии и API составляла около 20%, а при скачивании архивов репозиториев и raw-файлов доходила до 50%.

Изначальная ошибка на самом деле была довольно небольшой.

В дата-центре GitHub Central US один из sidecar-подов Istio достиг лимита одновременных соединений, но политика автомасштабирования была настроена неправильно. Она отслеживала только нагрузку основного сервиса и не учитывала собственные ограничения sidecar.

В результате sidecar перестал справляться с нагрузкой, после чего сбой начал распространяться дальше по системе.

В итоге лимиты потоков на всех четырёх узлах HAProxy были исчерпаны. Это затронуло путь аутентификации через шлюз GitHub и вызвало массовые тайм-ауты при аутентификации сервисов.

А дальше началась уже действительно абсурдная часть.

Механизм повторных запросов, который изначально должен был повышать надёжность системы, фактически начал атаковать её сам.

Неудачные запросы постоянно повторялись, создавая ещё большую нагрузку на внутренний балансировщик и только усугубляя ситуацию.

В итоге GitHub обнаружил, что если просто остановить проблемный HAProxy, система практически сразу начинает восстанавливаться целиком.

Вечная тема в истории инженерии снова сработала: код, написанный для повышения надёжности системы, в итоге сам становится причиной её падения.

А Copilot устроил второй раунд проблем.

Один из внутренних эндпоинтов GitHub начал отвечать медленнее, что активировало скрытую ошибку в механизме повторных запросов VS Code и увеличило объём запросов примерно в 10 раз.

Обычная нагрузка Copilot Token Service составляет всего:

7 000–9 000 запросов в секунду.

Во время сбоя она взлетела до:

70 000–100 000 запросов в секунду.

Даже один неудачный запрос токена мог породить огромное количество дополнительных запросов и попасть в цикл повторных попыток.

Поэтому даже после того, как основные сервисы GitHub постепенно восстановились, аутентификация Copilot продолжала сбоить ещё несколько часов.

Меры, которые GitHub в итоге принял, были довольно прямолинейными.

Они сократили количество повторных запросов на шлюзе и даже начали возвращать ошибку 403 для части запросов Copilot Token Service прямо на балансировщике, чтобы клиенты перестали бесконечно повторять запросы.

После этого трафик начали постепенно восстанавливать небольшими порциями.

И ещё небольшая деталь: GitHub отдельно упомянул, что во время восстановления также происходили атаки со скрейпингом на эндпоинт codeload, что дополнительно усложнило ситуацию.

Ну и вот.

✈️ Python Ninja

Передача словаря в функцию и присвоение нового словаря

Что выведет код? ❓

✈️ Python Ninja

Наткнулся на удобную cheat sheet по Python на русском

Иногда полезно иметь перед глазами базу языка: циклы, условия, функции, списки и словари. В этой шпаргалке всё собрано на одном листе

Можно сохранить себе и использовать как помощник во время обучения 👍

Забрать в хорошем качестве здесь⬇️

☝️ Ссылка источник

✈️ Python Ninja

Практичный гайд для переезда на Python для тех кто еще не решился

Наткнулся на крутой гайд как с умом пересесть на Python. Автор по шагам делится чем заменить привычные инструменты, как всё настроить и вообще кайфовать от процесса 🔞

☝️ Ссылка источник

✈️ Python Ninja

Интерактивный учебник на 7 500 строк, который учит с нуля собирать современную языковую модель.

Весь путь реализован на Python, а код подробно прокомментирован, чтобы можно было последовательно разобраться, как устроено обучение GPT-подобной модели, а не просто запускать готовые библиотеки.

https://github.com/raiyanyahya/how-to-train-your-gpt

✈️ Python Ninja

Парень сделал отслеживание рук в реальном времени с физикой цифровой ткани, используя только веб-камеру, TouchDesigner и одни выходные после просмотра презентации Vision Pro.

Система отслеживает 21 точку на каждой руке при 60 кадрах в секунду, включая кончики пальцев, костяшки и суставы, и привязывает их к трёхмерному скелету. Цифровой шёлк свисает, сминается и складывается с настоящей физикой в зависимости от положения рук.

Никакого шлема, перчаток или устройства за $3500 — только ноутбук и веб-камера.

Apple потратила 7 лет и просит $3500 за устройство. Он потратил выходные.

✈️ Python Ninja

Создатель Node.js только что запустил Dactyl.

Нативные приложения для iPhone и Android прямо из веба. Без Mac, Xcode и Android Studio.

✓ Симулятор SwiftUI прямо в браузере через WASM
✓ Один и тот же код для iOS и Android
✓ Можно использовать свою подписку ChatGPT

https://dactyl.dev/

✈️ Python Ninja

Подвох с параметрами по умолчанию в Python

def add(item, items=[]):
    items.append(item)
    return items

add("apple")   # ['apple']
add("banana")  # ['apple', 'banana']

Почему так?

➡️ Важно помнить: значения по умолчанию создаются при определении функции, а не при каждом вызове.

Поэтому если использовать изменяемый объект (например, список), он будет один и тот же для всех вызовов.

✅ Правильный способ:

def add(item, items=None):
    if items is None:
        items = []
    items.append(item)
    return items

Теперь всё будет как ожидается 💡

✈ Python Ninja

Почему большинству качественных генераторов изображений нужна серьёзная видеокарта хотя бы для запуска?

Потому что большие модели делают изображения лучше, верно?

NVIDIA с SANA утверждает, что это не совсем так.

Модель примерно в 20 раз меньше и до 100 раз быстрее Flux-12B, одной из сильнейших открытых моделей для генерации изображений, при этом по стандартным тестам остаётся примерно в том же диапазоне качества.

Причём перед установкой её можно бесплатно попробовать в демо от NVIDIA.

https://github.com/NVlabs/Sana

✈️ Python Ninja

«Математические методы в науке о данных с Python» Себастьяна Роша.

https://mmids-textbook.github.io

✈️ Python Ninja

Создание кортежа из одного элемента в Python

my_tuple = 'single_item'

Здесь my_tuple — это просто строка, а не кортеж. Чтобы создать кортеж из одного элемента, нужно поставить запятую:

my_tuple = 'single_item',

Да, именно так. Без этой «висячей» запятой кортеж не получится. И вот тут синтаксис Python может показаться немного… странным 😑

✈️ Python Ninja