Библиотека data scientist’а

Интернет технологии

Полезные материалы по всему, что может быть интересно дата сайентисту.

Приглашайте каналы MAX — получайте 5% с их заказов

Поделитесь реферальной ссылкой — и зарабатывайте с каждой сделки привлечённого канала.

Получить ссылку

О канале
Полная статистика

Статистика

Количество постов

Среднее количество просмотров на пост

Средний охват (24ч)

Упоминаний

Получить детальную аналитику

Последние посты канала

imageИзображение недоступно для предпросмотра

🎨 27+ научных диаграмм для ML в open source

Если делаете статьи, ресёрч, презентации или просто любите красивые технические схемы, нашли полезный репозиторий — Scientific Diagrams.

Внутри — 27+ аккуратных научных диаграмм, которые объясняют концепции из Machine Learning.

Что особенно понравилось:
• диаграммы сделаны в LaTeX / Typst (TikZ, CeTZ)
• можно скачать PDF / SVG / PNG
• есть быстрый просмотр через сайт
• можно открыть фигуры в Overleaf и адаптировать под свои статьи/доки

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека дата-сайентиста

#буст

632

21:35

15.05.2026

imageИзображение недоступно для предпросмотра

📚 Огромная библиотека книг по AI & Machine Learning в одном GitHub

Если не знаете, что читать по AI, ML, Deep Learning и Data Science, нашёл полезный репозиторий — AI & Machine Learning Book References.

Это не просто случайный список книг, а структурированная подборка литературы для разных уровней: от новичков до практиков и исследователей.

📌 Хорошая отправная точка, чтобы собрать себе персональную AI-библиотеку, а не прыгать между случайными статьями.

🔗 Ссылка на книги

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека дата-сайентиста

#буст

861

10:19

15.05.2026

imageИзображение недоступно для предпросмотра

🎲 Monte Carlo симуляции реальных событий с помощью AI

Появился интересный open-source проект — Scenario Lab.

Это движок для Monte Carlo simulation, который позволяет моделировать реальные сценарии:
— рынки и экономику
— региональные конфликты
— политику и выборы
— решения внутри компаний

Главная идея — не пытаться предсказать один исход, а прогонять тысячи вероятностных сценариев, чтобы увидеть диапазон возможных результатов и рисков.

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека дата-сайентиста

#буст

1070

21:46

14.05.2026

imageИзображение недоступно для предпросмотра

🧠 Почему GPT победил: как эволюционировали GPT-модели

Сегодня почти все frontier-модели — GPT, Claude, Gemini, Grok, DeepSeek, Qwen — так или иначе выросли из одной идеи: GPT-архитектуры.

Главная особенность GPT — decoder-only transformer.

В отличие от оригинального Transformer, где есть encoder + decoder, GPT использует только decoder и один важный трюк — causal (masked) attention.

Проще говоря: модель не видит будущее, а читает текст только слева направо.

Именно это ограничение оказалось суперсилой архитектуры:
• лучше учится представлениям — задача сложнее, чем у BERT, где модель видит весь текст сразу
• масштабируется — можно обучать на огромных объёмах данных параллельно
• генерирует связный текст — каждое следующее слово зависит от предыдущего контекста

🔗

Полная статья-обзор

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека дата-сайентиста

#буст

1130