tgoop.com »
United States »
Библиотека дата-сайентиста | Data Science, Machine learning, анализ данных, машинное обучение » Telegram Web
💣Поздравляем элитный отряд Data Science:
▪️ cross-validation — снайпер точности. Проверяет модель под всеми углами, чтобы не попасть впросак на проде.
▪️ feature selection — спецназовец по зачистке. Безжалостно отсеивает бесполезные признаки из датасета.
▪️ regularization — офицер сдерживания. Борется с переобучением и держит веса модели в ежовых рукавицах.
А какой боец помогает вам выживать в AI/ML-джунглях ? Пишите в комментариях 👇
▪️ cross-validation — снайпер точности. Проверяет модель под всеми углами, чтобы не попасть впросак на проде.
▪️ feature selection — спецназовец по зачистке. Безжалостно отсеивает бесполезные признаки из датасета.
▪️ regularization — офицер сдерживания. Борется с переобучением и держит веса модели в ежовых рукавицах.
А какой боец помогает вам выживать в AI/ML-джунглях ? Пишите в комментариях 👇
😁9👍1
Проверьте свои знания, ответив на 8 вопросов – https://proglib.io/w/f6fdbb03
🧐 Кому подойдет?
Разработчикам, которые знают любой объектно-ориентированный язык программирования и хотят углубиться в архитектурные паттерны.
🎮 Как проходит обучение?
В течение всего интенсива вы будете создавать игру «Звездные войны» и применять ключевые архитектурные паттерны. В процессе изучите:
– Как строить гибкую архитектуру, которая не замедляет разработку
– Как применять IoC-контейнеры и писать модульные тесты
– Как использовать SOLID за пределами ООП
– Как внедрять CI/CD и снижать технический долг
👉 Подробная программа обучения
А по промокоду
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
👍 Замените
Если вы до сих пор используете метод describe в Pandas, есть отличная альтернатива, о которой стоит узнать! Skimpy — open-source инструмент, который дает гораздо более полное представление о ваших данных.
Skimpy не просто выводит статистику, но и показывает:
✅ форму данных;
✅ типы данных в колонках;
✅ распределение данных в графическом виде.
describe
на SkimpyЕсли вы до сих пор используете метод describe в Pandas, есть отличная альтернатива, о которой стоит узнать! Skimpy — open-source инструмент, который дает гораздо более полное представление о ваших данных.
Skimpy не просто выводит статистику, но и показывает:
✅ форму данных;
✅ типы данных в колонках;
✅ распределение данных в графическом виде.
👍15❤2🔥1🤩1
📌 20 статистических методов, которые должен знать каждый дата-сайентист
Дата-сайенс — это не только про машинное обучение. Статистические методы играют ключевую роль в анализе данных и принятии решений.
✅ Полезная статья с реализациями и примерами на Python
Дата-сайенс — это не только про машинное обучение. Статистические методы играют ключевую роль в анализе данных и принятии решений.
✅ Полезная статья с реализациями и примерами на Python
👍3❤1
This media is not supported in your browser
VIEW IN TELEGRAM
✖️ Умножение матриц
Без умножения матриц ИИ просто не смог бы существовать.
🤖 Нейронные сети: Фото, текст, звук — всё представляется в виде матриц. Их умножение позволяет ИИ понимать и распознавать образы.
👀 Компьютерное зрение: Фильтры сканируют изображения, выделяя контуры, формы, объекты — так ИИ "видит" мир.
📝 NLP (Обработка текста): В ChatGPT внимание распределяется с помощью матриц, определяя, какие слова важнее.
🎬 Рекомендации: Netflix анализирует, какие фильмы вы смотрите, умножая матрицы предпочтений. Именно так он предсказывает ваш следующий любимый сериал!
♟ Обучение с подкреплением: Как ИИ обыгрывает чемпионов по шахматам? Он умножает матрицы состояний и действий, просчитывая лучший ход.
Без умножения матриц ИИ просто не смог бы существовать.
🤖 Нейронные сети: Фото, текст, звук — всё представляется в виде матриц. Их умножение позволяет ИИ понимать и распознавать образы.
👀 Компьютерное зрение: Фильтры сканируют изображения, выделяя контуры, формы, объекты — так ИИ "видит" мир.
📝 NLP (Обработка текста): В ChatGPT внимание распределяется с помощью матриц, определяя, какие слова важнее.
🎬 Рекомендации: Netflix анализирует, какие фильмы вы смотрите, умножая матрицы предпочтений. Именно так он предсказывает ваш следующий любимый сериал!
♟ Обучение с подкреплением: Как ИИ обыгрывает чемпионов по шахматам? Он умножает матрицы состояний и действий, просчитывая лучший ход.
❤2🔥1
💡 Vaex — быстрая альтернатива Pandas для работы с большими данными
Vaex — это библиотека DataFrame, специально созданная для работы с огромными наборами данных (миллионы или даже миллиарды строк) без перегрузки памяти и падения производительности.
Импорт:
Фильтрация данных:
Вычисление среднего значения:
Группировка данных:
Ссылка на библиотеку: https://clc.to/f2i7yg
Vaex — это библиотека DataFrame, специально созданная для работы с огромными наборами данных (миллионы или даже миллиарды строк) без перегрузки памяти и падения производительности.
Импорт:
import vaex
df = vaex.open("big_data.csv")
print(df.shape)
Фильтрация данных:
filtered_df = df[df.age > 30]
Вычисление среднего значения:
mean_salary = df.salary.mean()
print(mean_salary)
Группировка данных:
df.groupby("job_title", agg=vaex.agg.mean("salary"))
Ссылка на библиотеку: https://clc.to/f2i7yg
🔥6❤3👍2🥱2
📌 YandexGPT 5: новое поколение языковых моделей от Яндекса
Компания внедрила методы обучения с подкреплением (DPO и PPO), а также собственную модификацию LogDPO, которая помогает избежать эффекта «разучивания» — ситуации, когда модель забывает уже выученные знания.
🔍 Разработчикам удалось на 25% снизить потребность в вычислительных ресурсах за счет библиотеки YaFSDP, которую Яндекс выложил в опенсорс в 2024 году. А в этом релизе компания впервые с 2022 года выложила в открытый доступ LLM — pretrain-версию YandexGPT 5 Lite. Она доступна без финального этапа обучения, этических фильтров и алаймента.
💡 Для обучения Pro-версии компания впервые применила метод гибридного обучения, добавив в стандартный цикл обучения базовые настройки открытой модели Qwen. Совмещение полного цикла обучения, который состоит из Pretrain, SFT, RL и весов из общедоступной модели позволило сократить затраты на обучение и увеличить его скорость до 20 раз.
🔗Читать статью
Компания внедрила методы обучения с подкреплением (DPO и PPO), а также собственную модификацию LogDPO, которая помогает избежать эффекта «разучивания» — ситуации, когда модель забывает уже выученные знания.
🔍 Разработчикам удалось на 25% снизить потребность в вычислительных ресурсах за счет библиотеки YaFSDP, которую Яндекс выложил в опенсорс в 2024 году. А в этом релизе компания впервые с 2022 года выложила в открытый доступ LLM — pretrain-версию YandexGPT 5 Lite. Она доступна без финального этапа обучения, этических фильтров и алаймента.
💡 Для обучения Pro-версии компания впервые применила метод гибридного обучения, добавив в стандартный цикл обучения базовые настройки открытой модели Qwen. Совмещение полного цикла обучения, который состоит из Pretrain, SFT, RL и весов из общедоступной модели позволило сократить затраты на обучение и увеличить его скорость до 20 раз.
🔗Читать статью
👍7
Forwarded from Библиотека задач по Data Science | тесты, код, задания
Что выведет код?
Anonymous Quiz
8%
{'a': 1, 'b': 2}
65%
{'a': 1, 'b': 2, 'c': 3, 'd': 4}
16%
None
12%
Error
👍1👾1
🚀 Ускоряем t-SNE с помощью GPU
Одна из главных проблем t-SNE — его время выполнения квадратично зависит от числа точек данных.
➡️ Если у вас 20k+ точек, стандартная реализация sklearn становится очень медленной.
➡️ tSNE-CUDA — оптимизированная версия t-SNE на GPU, которая в разы ускоряет вычисления.
Одна из главных проблем t-SNE — его время выполнения квадратично зависит от числа точек данных.
➡️ Если у вас 20k+ точек, стандартная реализация sklearn становится очень медленной.
➡️ tSNE-CUDA — оптимизированная версия t-SNE на GPU, которая в разы ускоряет вычисления.
👍7❤2
This media is not supported in your browser
VIEW IN TELEGRAM
👍 Transformer vs. Mixture of Experts в LLM: понятное объяснение (с визуальными примерами)
❤1🔥1
Совет на 2025-й — будьте осторожнее с выбором работы.
IT-рынок штормит: массовые сокращения, заморозка найма, снижение зарплат. В такое время особенно важно отличать стоящие офферы от проходных.
Знакомо? Открываешь вакансию, а там: «Ищем middle-разработчика с опытом 10 лет, знанием 15 языков и готовностью работать за печеньки. Офис в Челябинске, релокация за ваш счет» 🤦♂️
Чтобы не тратить время на сотни сомнительных предложений, подпишитесь на IT Job Hub. Там мы отфильтровываем весь мусор и публикуем только избранные вакансии в стабильных компаниях:
— Зарплаты на уровне рынка, а не на уровне голодного студента
— Никаких «мы молодая и дружная семья» — только адекватные условия
— Проверенные работодатели, а не стартапы из сомнительных сфер
Вакансии удобно разбиты по тегам: #python #java #go #data #devops и по другим направлениям. Без воды и лишнего спама — только проверенные вакансии в знакомых компаниях.
Подписывайтесь, если не хотите упустить работу мечты → @proglib_jobs
IT-рынок штормит: массовые сокращения, заморозка найма, снижение зарплат. В такое время особенно важно отличать стоящие офферы от проходных.
Знакомо? Открываешь вакансию, а там: «Ищем middle-разработчика с опытом 10 лет, знанием 15 языков и готовностью работать за печеньки. Офис в Челябинске, релокация за ваш счет» 🤦♂️
Чтобы не тратить время на сотни сомнительных предложений, подпишитесь на IT Job Hub. Там мы отфильтровываем весь мусор и публикуем только избранные вакансии в стабильных компаниях:
— Зарплаты на уровне рынка, а не на уровне голодного студента
— Никаких «мы молодая и дружная семья» — только адекватные условия
— Проверенные работодатели, а не стартапы из сомнительных сфер
Вакансии удобно разбиты по тегам: #python #java #go #data #devops и по другим направлениям. Без воды и лишнего спама — только проверенные вакансии в знакомых компаниях.
Подписывайтесь, если не хотите упустить работу мечты → @proglib_jobs
😁1
🙌 Agents 101: Ваш первый ИИ-агент за 30 минут — это реально
Создание собственного агента может показаться непростой задачей: куча концепций, фреймворков и практик, которые нужно освоить.
Но не переживайте — мы нашли простой способ добавить агента в ваше приложение.
Подробный туториал уже ждет вас по ссылке: https://clc.to/P-6evQ
Создание собственного агента может показаться непростой задачей: куча концепций, фреймворков и практик, которые нужно освоить.
Но не переживайте — мы нашли простой способ добавить агента в ваше приложение.
Подробный туториал уже ждет вас по ссылке: https://clc.to/P-6evQ
❤3👍3
А вообще, какой моделью вы пользуетесь?
Anonymous Poll
50%
ChatGPT — классика жанра.
29%
DeepSeek — не верю слухам о безопасности.
3%
Gemini — я не такой как все.
18%
Экзотика: Qwen, Mistral , Grok — всегда что-то новое.
👍2
📍 Введение в программирование на CUDA для Python-разработчиков
Современные GPU содержат тысячи ядер, способных обрабатывать огромные объемы данных параллельно. В отличие от CPU, выполняющего несколько сложных задач последовательно, GPU идеально подходят для задач, требующих массовых вычислений, таких как машинное обучение, обработка изображений и симуляции.
В этой статье вы узнаете:
✅ Как устроены GPU и чем они отличаются от CPU
✅ Что такое CUDA и как она позволяет программировать GPU
✅ Как PyTorch, TensorFlow и JAX скрывают сложность работы с CUDA
✅ Простой пример работы с CUDA в Python
🔗 Читать статью: https://clc.to/DWE_Ag
Современные GPU содержат тысячи ядер, способных обрабатывать огромные объемы данных параллельно. В отличие от CPU, выполняющего несколько сложных задач последовательно, GPU идеально подходят для задач, требующих массовых вычислений, таких как машинное обучение, обработка изображений и симуляции.
В этой статье вы узнаете:
✅ Как устроены GPU и чем они отличаются от CPU
✅ Что такое CUDA и как она позволяет программировать GPU
✅ Как PyTorch, TensorFlow и JAX скрывают сложность работы с CUDA
✅ Простой пример работы с CUDA в Python
🔗 Читать статью: https://clc.to/DWE_Ag
🔥2❤1👍1
Forwarded from Библиотека питониста | Python, Django, Flask
💾 10 способов работы с большими файлами в Python, о которых ты не знал
Годнота для всех, кто работает с данными. Статья раскрывает разные подходы к обработке больших файлов — от простых итераторов до распределенных вычислений.
👍 Сохраняй себе, точно пригодится в работе: https://proglib.io/sh/VOcgo7w0W1
Годнота для всех, кто работает с данными. Статья раскрывает разные подходы к обработке больших файлов — от простых итераторов до распределенных вычислений.
👍 Сохраняй себе, точно пригодится в работе: https://proglib.io/sh/VOcgo7w0W1
❤1
😱 10 Python-библиотек, которые изменят ваш Data Science
Python для Data Science — это не только Pandas и NumPy! В нашей статье — 10 скрытых библиотек, которые ускорят работу с большими данными, автоматизируют ML и улучшат визуализацию.
✅ Быстрые альтернативы Pandas (Dask, Modin, Polars, Datatable)
✅ AutoML для моделей (PyCaret, H2O.ai)
✅ Упрощение трансформаций (Fugue)
✅ Умная визуализация (Sweetviz, Lux)
Ссылка на сборник библиотек: https://clc.to/ibe2ew
Python для Data Science — это не только Pandas и NumPy! В нашей статье — 10 скрытых библиотек, которые ускорят работу с большими данными, автоматизируют ML и улучшат визуализацию.
✅ Быстрые альтернативы Pandas (Dask, Modin, Polars, Datatable)
✅ AutoML для моделей (PyCaret, H2O.ai)
✅ Упрощение трансформаций (Fugue)
✅ Умная визуализация (Sweetviz, Lux)
Ссылка на сборник библиотек: https://clc.to/ibe2ew
❤1
Главные ИИ-новости февраля
🦾 Hugging Face запустила Spaces — гигантский каталог, где собрано почти 400,000 нейросетей.
🎙 Джефф Дин и Ноам Шазир (Google) дали двухчасовое интервью о будущем ИИ.
🚀 Grok-3 с улучшенным ризонингом.
🤖 Яндекс выпустил YandexGPT.
📸 YOLO v12 — новая версия культового детектора объектов.
🧠 OpenAI выпустили GPT-4.5 — еще умнее и креативнее.
📚 Анонс бесплатного курса по генеративному ИИ от Kaggle и Google.
👨💻 Google представил AI co-scientist и Gemini Code Assist — новый ИИ-помощник для кодинга.
ИИ не стоит на месте — следите за обновлениями!
🦾 Hugging Face запустила Spaces — гигантский каталог, где собрано почти 400,000 нейросетей.
🎙 Джефф Дин и Ноам Шазир (Google) дали двухчасовое интервью о будущем ИИ.
🚀 Grok-3 с улучшенным ризонингом.
🤖 Яндекс выпустил YandexGPT.
📸 YOLO v12 — новая версия культового детектора объектов.
🧠 OpenAI выпустили GPT-4.5 — еще умнее и креативнее.
📚 Анонс бесплатного курса по генеративному ИИ от Kaggle и Google.
👨💻 Google представил AI co-scientist и Gemini Code Assist — новый ИИ-помощник для кодинга.
ИИ не стоит на месте — следите за обновлениями!
❤2👍1🔥1