⏳ Как компании выкатывают код в прод: инфографика для понимания всего пайплайна

🔹 Планирование — пишем user stories в Jira
🔹 Разработка — коммитим код в Git, собираем фидбек
🔹 Сборка — билдим проект, сохраняем сборки в JFrog
🔹 Тестирование — автоматические тесты (JUnit, SonarQube, Jacoco), QA и UAT тестирование
🔹 Деплой — выкатываем фичи по этапам: Dev, QA, UAT
🔹 Релиз — выкатываем в прод с фичетогглами, A/B тестами и мониторингом через Prometheus и Skywalking

👉 Источник

Proglib Academy #буст

📂 Как правильно раскладывать ML-проект по папкам: структура, проверенная временем

Если у вас в проекте лежит model_final_v3.ipynb, train_data_last_really.csv и results_ок.xlsx — пора пересобраться.

ML — это не просто «написал и забыл». Это куча экспериментов, данных, логов, моделей, артефактов. И если всё в куче — ты сам себе враг.

➡️ Вот структура, которая спасёт от хаоса:

project/
│
├── data/                # входные данные (raw, processed)
│   ├── raw/
│   └── processed/
│
├── notebooks/           # Jupyter-ноутбуки для исследований
│
├── src/                 # весь исполняемый код
│   ├── data/            # загрузка и подготовка данных
│   ├── features/        # генерация фичей
│   ├── models/          # обучение, валидация, предсказания
│   └── utils.py         # вспомогательные функции
│
├── reports/             # графики, метрики, результаты
│   └── figures/
│
├── models/              # сохранённые модели (.pkl, .pt, .joblib)
│
├── config/              # yaml/json-конфиги для запуска
│
├── scripts/             # bash/python скрипты запуска пайплайнов
│
├── requirements.txt     # зависимости
└── README.md            # инструкция

🔵 Чтобы знать о машинном обучении все, забирайте наш курс «Базовые модели ML и приложения»

Proglib Academy #буст

🏃‍♀️ 1 день до конца спец предложения

Успей впрыгнуть на курс «AI-агенты для DS» до завтрашнего повышения цены: 59.000 р. вместо 69.000 р.

🎙 Наш спикер — Никита Зелинский, Chief Data Scientist МТС, в своем канале рассказывает о RAG:

Про RAG слышали все — это уже два года самый массовый способ применения LLM в проде для бизнеса.

Это значит, что точность и надёжность такого решения достаточно предсказуемы для того, чтобы исключить человека из процесса аппрува выдачи LLM,
а связка «локально развернутая LLM + RAG над корпоративными документами» обеспечивает достаточную конфиденциальность, чтобы снять тревожность
«что наши данные попадут в OpenAI».

Эта история настолько популярна, что на рынке есть готовые RAG-решения,
а даже «маленькие» опенсорс-модели (до 5B) уже обзавелись своей RAG-ареной:
👉 https://huggingface.co/spaces/aizip-dev/SLM-RAG-Arena

Во время обучения на курсе «AI-агенты для DS» научим собирать автономные системы под реальные бизнес-задачи. На прошлой неделе мы рассказали о первом занятии.

➡️ вот что ждет слушателей курса на втором:

— Собираем свой RAG-пайплайн на своих данных
— Обсуждаем, почему качество такой системы нельзя измерять «на глаз»
— Разбираем схему LLM as a Judge и как подготовить для неё датасет
— Что такое guardrails и как они спасают от бреда
— Что делать, когда LLM не знает ответа
— Смотрим на агентский RAG и обсуждаем, можно ли использовать RAG как память агента

Если пропустили первое занятие, то вот ссылочка

❗️До повышения цены остался последний день — бронируйте место сейчас

😼 А вы на чьей стороне?

❤️ — Пишу простой код
🔥— Не всегда надо писать просто
👾 — Главное, чтобы работало

Proglib Academy #междусобойчик

🐕 Учебник для тех, кто хочет ворваться во фронтенд

Вёрстка объяснена реально по-человечески

➡️ Ссылка

Proglib Academy #буст

🔥 Стек Shopify: из чего собрана одна из самых мощных eCommerce-платформ в мире

👉 Источник

🔵 Для полного понимания Архитектуры, забирайте наш курс → «Архитектуры и шаблоны проектирования»

Proglib Academy #буст

🤖 Тестирование UI в Android: картинки, анимации и никакого Shot

Как проверить, что изображение не просто назначено, а реально отображается и что анимация не сломалась после обновления библиотеки — все это рассказали в нашей статье.

Также разбираем кейс, как команда выжала из Kaspresso максимум и научила его видеть:
— Почему скриншотные фреймворки (Shot, Paparazzi) — не панацея
— Как сравнивать изображения прямо в UI-тестах
— Алгоритм: grayscale → thumbnail → Хэмминг → порог
— Проверка целых View и Lottie-анимаций
— Как снимать эталон и не мучиться в CI

🔥 Фреймворк остался тот же — подход стал взрослым.

👉 Читать статью

Proglib Academy #буст

🦜 Разбор резюме джуна-аналитика: учимся на чужих ошибках

Мы выцепили на Reddit реальное резюме (с лёгким обезличиванием — см. картинку 👆) и разобрали, что в нём классно, а что мешает попасть на интервью мечты.

➡️Что сразу бросилось в глаза:
— Сильные проекты и цифры
— +40 % rev-lift, прогноз точности 97 %, цифры цепляют.
—Мощный tech-stack (Python + Spark, SQL, R, Docker, Tableau).
— Core-math курсы в универе уже пройдены.

✳️ Где прячутся редфлаги и как их исправить

Было: R, Python with Spark, SQL, SAS в одной строке — рекрутеру непонятно, что реально на «вы»

Стало: Разделите: Pro Python (3 года), Spark (1 год), R (2 года)…

Было: Куча маркетинговых аббревиатур (DAU, CPI…) — DS-лид может не знать

Стало: Добавьте короткое пояснение в скобках

Было: 97 % accuracy — без baseline

Стало: Укажите: «baseline = 53 %, uplift = +44 pp»

Было: Ссылка есть, но не упомянуты репы

Стало: Добавьте «Top repo: /har-smartphone-HAR, 1.3k⭐️, 3k строк кода»

😤 Хотите так же, но лучше?

На курсе «Математика для Data Science» с преподавателями МГУ:

🔵Разбираем линейную алгебру, вероятность, оптимизацию на живых бизнес-задачах.

🔵Каждому участнику — индивидуальный разбор вашего резюме и GitHub-портфолио (как в примере, но подробно).

🔵Финальный проект → готовая запись в CV + ссылку рекрутеру.

Киньте 👾 ежика в комментарии, что пост полезный, нам будет приятно

Proglib Academy #оффер_мечты

В ОАЭ ChatGPT Plus станет бесплатным для всех жителей

— Первая страна, которая так «зашила» ИИ-сервис прямо в повседневку.

Честно? Я слегка завидую ребятам из Дубая: пока мы выгадываем курс доллара перед оплатой подписки, им достанется плюс просто так.
Представляю, как HR из Emirates скоро будут спрашивать: «А ссылку на ваш GPT-макрос для Excel пришлёте?».

😤 А вы как думаете?

🔥 — Бесплатный Plus прокачает всех новичков.
👾 — Будет как с Wi-Fi в метро: есть, но не работает.
🌚 — Внимание. Шутка для Миллениалов: Главное, чтобы к верблюдам в пустыне не подключали…

Proglib Academy #междусобойчик

📌 RPC vs REST: быстрое сравнение «на пальцах»

Наткнулся на эту картинку от ByteByteGo и решил сохранить себе как мини-шпаргалку. Если у вас в голове всё ещё каша из терминов, держите краткий разбор:

➡️ Сцепка сервисов
• RPC тянет кабелем — жёстко связывает клиент и сервер.
• REST держится «на Bluetooth» — легко заменить одну сторону, не ломая другую.

➡️ Формат данных
• RPC: бинарные thrift / protobuf, летят быстро, но глазами не прочитать.
• REST: текстовый XML или JSON — понятнее, но объёмнее.

➡️ Производительность
• RPC стартует с места.
• REST чуть медленнее, зато удобно парковать где угодно.

➡️ Разработка
• RPC-IDL (thrift, protobuf) — автогенерят код, но дебажить больно.
• REST со Swagger — открываешь в браузере, читаешь, пробуешь.

В микросервисах внутри команды я всё чаще беру gRPC — скорость решает. А вот публичные API оставляю на REST, чтобы партнёры не мучались с бинарными контрактами.

🔵 Для полного понимания Архитектуры, забирайте наш курс → «Архитектуры и шаблоны проектирования»

Ставьте ежа 👾, если понравился разбор инфографики

Proglib Academy #буст

🔥 Не пропустите событие лета для DS-комьюнити

23 июня, 19:00 Мск — бесплатный вебинар с Никитой Зелинским «AI-агенты для DS: обзор курса и практические кейсы»

😤 Пока все обсуждают, «как бы внедрить LLM», мы покажем, как строить полноценных AI-агентов, которые делают работу вместо тебя. За час Никита разложит по полочкам:
— архитектуру курса и ключевые модули
— частые ошибки студентов, о которых не принято говорить вслух
— реальные юзкейсы: от чат-ассистентов до систем поддержки решений в проде

➡️ Что почитать от Никиты до Веба:

— Как adversarial-атаки живут даже при смене модели (и почему «подвинуть кровати в борделе» не спасёт)
— Самый быстрый пакетный менеджер uv и эксперимент «pip vs uv»
— 17 методов XAI и 20 метрик на NIPS’24: как не утонуть в «объяснимости»

⚡️ Хотели задать Никите свой каверзный вопрос? Ловите шанс: только в прямом эфире — отвечаем на всё, что обычно «остаётся за кадром».

⏰ МЕСТ МАЛО регистрация закроется, как только забьём комнату. Действуй сейчас → https://clc.to/1iGw6Q