Data Scientist | ML & AI

🗂 Подборка материалов для реализации ML-алгоритмов Делимся репозиторием с Google Colab-ноутбуками, где показано, как шаг за шагом реализовать классические алгоритмы машинного обучения с нуля. Каждый ноутбук — это не только код, но и разбор идей: от линейной регрессии и деревьев решений до градиентного бустинга и нейросетей. ➡ Ссылка на GitHub tags: #полезное ➡ Data Scientist | Чат

🚀 Друзья, если вы фанаты ИИ, но хотите разобраться глубже — за пределы гаджетов и в саму суть трансформации реальности, — то вот канал, который перевернёт ваше восприятие технологий. Устали от новостей, которые не объясняют суть? «Вектор» — это не новости ради новостей. Краткий анализ прорывных технологий. Только ключевые параметры, принципы работы и честный взгляд. Вектор | Технологии, ИИ, Роботы, Космос (@vectorsdviga) Подписывайтесь, чтобы видеть вектор развития, а не просто шум. ➡️ Подписаться: https://t.me/vectorsdviga #ИИ #Нейросети #Роботы #Космос

📰 Промптинг и суеверия. Что (не) надо добавлять к запросу в ChatGPT Вокруг промптинга давно крутятся советы вроде «добавь эту фразу — и модель станет умнее». Однако исследование в статье показывает: большинство таких приписок бесполезны или дают эффект только в узких случаях. Что вы узнаете в статье:

▶️ Работает ли приём «давай думать пошагово» и почему его эффект уменьшается в новых моделях ▶️ Когда эмоциональные добавки помогают креативности, а когда они бесполезны ▶️ Что происходит с качеством ответа, если упоминать срочность или обещать «чаевые» ▶️ Как вежливость и тон общения влияют на результат диалога с моделью ▶️ Какие приёмы реально повышают качество ответа и делают промпт более эффективным

Итог: эффективность промпта зависит не от красивых приписок, а от того, насколько ясно и конкретно поставлена задача. ➡ Читать статью tags: #статья ➡ Data Scientist | Чат

Стажировки и вакансии Data Science и ML - Вакансии которых нет на джоб-агрегаторах - Только прямые контакты HR в Telegram 👉 @jobs_ds_ml 🤖 ML & DS 👩‍💻 DevOps 👨‍✈️ ИБ & OSINT 👣 Go 👩‍💻 Mobile 👩‍💻 C# 👩‍💻 Node.js 👩‍💻 Python 🔎 QA 👩‍💻 Java 👩‍💻 UX/UI 👩‍💻 Frontend 🖼️ PHP 📋 Analyst 💼 1C 🖥 SQL 👩‍💻 IT HR Пока другие листают джоб-сайты — ты уже пишешь HR в Telegram.

🔖 Полный курс по аналитике данных на Python Нашли хороший курс из 7 модулей, где учат работать с данными на всех этапах — от сбора и обработки до визуализации и построения моделей. Много практики, реальные кейсы и финальные проекты, которые можно добавить в портфолио. Отличный вариант, чтобы уверенно войти в аналитику данных и добавить Data Science в свой стек, ссылка — тут. tags: #полезное ➡ Data Scientist | Чат

🔖 Нашли отличный PDF-гайд по AI-агентам — компактно, понятно и с иллюстрациями Внутри собрано всё, что нужно, чтобы разобраться в теме с нуля и перейти к практике:

▶️ Как работают агенты и чем они отличаются от LLM и RAG; ▶️ Ключевые паттерны и архитектура агентных систем; ▶️ Основные компоненты и логика их взаимодействия; ▶️ Как создавать собственные инструменты через MCP; ▶️ 12 практических мини-проектов для самостоятельной сборки.

Забираем гайд — тут. tags: #полезное ➡ Data Scientist | Чат

📰 Основы обучения и тестирования моделей нейросетей Cтатья объясняет, как устроены процессы обучения и тестирования моделей. Разбирается, почему важно правильно делить данные, какие ошибки чаще всего допускают новички и как от этого зависит точность прогноза. ➡ Ссылка на статью tags: #статья ➡️ Data Scientist | Чат

📰 Сила оттенков серого: компьютерное зрение с нуля В мире CV все обсуждают нейросети, OpenCV и готовые пайплайны, но почти никто не задумывается, что стоит под капотом этих инструментов. Автор решил отбросить все зависимости и собрать компьютерное зрение «с нуля» — только на пикселях, свёртках и минимальном C-коде. Что вы узнаете из статьи:

▶️ Как устроены операции над пикселями и свёртки для размытия, резкости и выделения границ; ▶️ Как работают thresholding (фиксированный, Otsu, адаптивный) и морфология; ▶️ Как находить blob, центры масс, ограничивающие прямоугольники и контуры; ▶️ Как реализованы FAST и ORB: углы, ориентация и бинарные дескрипторы; ▶️ Как работают LBP-каскады для распознавания лиц без глубинных сетей.

Интересный обзор, который показывает, как из простых операций над пикселями вырастает полноценное компьютерное зрение. ➡️ Читать статью tags: #статья ➡ Data Scientist | Чат

🔖 Коллекция современных агентных систем Редкий и действительно полезный репозиторий с разбором 17 примеров архитектур агентных систем — от минимальных прототипов до комплексных мультиагентных оркестраторов. Внутри:

▶️ Готовые ноутбуки с реализациями; ▶️ Примеры взаимодействия агентов и маршрутизации задач; ▶️ Сравнение подходов к планированию, памяти и инструментам; ▶️ Практические советы по построению собственных систем.

Отличный способ быстро разобраться, как устроены современные AI-агенты, забираем — здесь. tags: #полезное ➡ Data Scientist | Чат

🔖 Как связаны диаграммы Вороного и параболоиды Диаграмму Вороного можно получить через геометрическую интерпретацию в 3D. Для каждой точки xᵢ строится поверхность yᵢ(x) = D(xᵢ, x), где D — функция расстояния. Диаграмма Вороного возникает как вертикальная проекция нижней оболочки всех этих поверхностей. Если выбрать расстояние D(x, x′) = ‖x − x′‖², то поверхности yᵢ становятся параболоидами. В этом случае их нижняя оболочка образует плоские границы, а ячейки диаграммы Вороного получаются с линейными рёбрами. Именно поэтому при квадратичном расстоянии диаграммы Вороного выглядят «прямыми», несмотря на параболическую природу построения. tags: #полезное ➡ Data Scientist | Чат