Data Science

🖥 Новый курс на Stepik - PostgreSQL для разработчиков: от основ к созданию API Здесь на пальцах объясняют не только как писать SQL-запросы, а строить настоящие backend-сервисы с базой данных как у профи. В этом курсе ты шаг за шагом создашь REST API на FastAPI + PostgreSQL: от установки среды и первых таблиц - до масштабируемого приложения с безопасностью и CRUD-операциями. 🔹 На практике разберете: • SQL-запросы, фильтры, агрегаты и подзапросы • Связи между таблицами и нормализацию БД • Взаимодействие Python и PostgreSQL • Реализацию REST API и подключение базы • Оптимизацию и разбор реальных задач с собеседований ⚡ После курса у вас будет свой работающий API-проект и реальные навыки работы с PostgreSQL в продакшене. 🎁 Сегодня дарим промокод –30% от цены: SQLISGREAT 🚀 Прокачаю свои знания: https://stepik.org/course/255542/

1,001 real-world gen AI use cases from the world's leading organizations 📚 Github @datascienceiot

Gaussian Embeddings: How JEPAs Secretly Learn Your Data Density 📕Читать @datascienceiot

ML-Хакатон от Overnight Finance! 🦥 Задача спрогнозировать курс ETH/USDC по реальным данным! Финансовый кейс от Overnight.fi — профи в стейблкоинах и дельта-нейтральных стратегиях. Призы: 🥇$2,500 🥈$1,500 🥉$1,000 Зачем участвовать? 1) Прокачай ML-навыки. 2) Покажи мощь аналитики. 3) Забери призы! Регистрация тут

Sora 2 Prompting Guide 📕Читать @datascienceiot

Sequential Diffusion Language Models 📕Читать @datascienceiot

🔥Прими участие в Хакатоне от ИТ–холдинга Т1 в Минске и поборись за призовой фонд 600 000 рублей! Когда: 14–17 октября Формат: онлайн + финал на площадке Участвуй, если ты: 🔹обучаешься на технической или ИТ–специальности; 🔹развиваешься в направлении разработки, аналитики, AI/ML, NLP или DevOps; 🔹сможешь быть в Минске 17 октября. Выбери свой кейс: ✴️FaaS система биллинга: платите ровно за то, что используете. Создай биллинговую систему для FaaS – точный расчёт с учётом времени, вызовов и памяти. ✴️Smart Support: поддержка нового поколения. Разработай ИИ-ассистента для службы поддержки с real-time подсказками из базы знаний. Почему стоит участвовать: 🔘Кейс в портфолио и полезная обратная связь от менторов Т1; 🔘Шанс проявить себя, чтобы начать карьеру в одной из крупнейших ИТ-компаний; 🔘Реальный опыт командной работы; 🔘Мерч и атмосфера сильного комьюнити — в Т1 более 5 000 джунов из 580+ вузов России и Беларуси. Регистрация открыта! ➡️ Успей до 12 октября по ссылке. #реклама О рекламодателе

THE DRAGON HATCHLING: THE MISSING LINK BETWEEN THE TRANSFORMER AND MODELS OF THE BRAIN 📕Читать @datascienceiot

Команде Kandinsky нужны именно вы? Сейчас узнаем! 😏 1) Разрабатывать и внедрять техники ускорения инференса. 2) Использовать и дорабатывать существующие ML-компиляторы. 3) Улучшать процессы обучения с помощью исследований. Если вы трижды ответили «да» — добро пожаловать на One Day Offer, который пройдёт 11 октября. Зарегистрироваться!

The Anatomy of a Personal Health Agent 📕Read @datascienceiot

📘 Learning Deep Representations of Data Distributions — новая бесплатная книга от исследователей UC Berkeley (Sam Buchanan, Druv Pai, Peng Wang, Yi Ma). Главная идея книги - показать, почему и как глубокие нейросети учатся извлекать сжатые, информативные представления сложных данных, и что у них внутри: 💡В книге вы найдите: 🟠простое объяснение фундаментальных принципов архитектур нейросетей через оптимизацию и теорию информации. 🟠как модели формируют инвариантные и устойчивые представления 🟠связь с PCA, автоэнкодерами и дифференцируемыми отображениями — то есть, как нейросети по сути обобщают классические методы сжатия данных и учатся находить их оптимальное представление 🟠взгляд на обучение через энергию, энтропию и структуру данных 🟠свежие идеи для понимания LLM и генеративных моделей 📖 Читать онлайн: ma-lab-berkeley.github.io/deep-representation-learning-book 🖥 Github: https://github.com/Ma-Lab-Berkeley/deep-representation-learning-book @ai_machinelearning_big_data #book #deeplearning #representationlearning #ucberkeley #machinelearning

Rethinking JEPA: Compute-Efficient Video SSL with Frozen Teachers 📕 Читать @datascienceiot

SciReasoner: Laying the Scientific Reasoning Ground Across Disciplines 📕 Читать @datascienceiot

❌ Почему 87% ML-моделей никогда не попадают в продакшн? 📘 На Stepik вышел курс — «MLOps с нуля: как довести модель до продакшна» Начинаете путь в MLOps и хотите понять, как перевести ML-модель из ноутбука в реальный продукт? Этот курс — именно то, что нужно. 🎯 Что вы получите: - Полный жизненный цикл ML-модели: от обучения до мониторинга - Практику с Docker, Kubernetes, CI/CD, MLflow - Опыт построения воспроизводимых пайплайнов - Навыки автоматизации для реального продакшна 🏆 Сертификат по завершении — добавьте его в резюме или профиль LinkedIn 🚀 Сделайте шаг к профессии MLOps-инженера. Начните уже сегодня и получите скидку 30%, которая действительна в течение 48 часов. 👉 Пройти курс на Stepik

Startup technical guide 📕 Read @datascienceiot

На Yandex Neuro Scale 2025 в Москве показали новую AI Studio Теперь ИИ-агентов можно собирать без навыков программирования всего за несколько часов. Внутри — realtime API для голосовых ассистентов, поиск по документам и интернету, быстрое подключение к внешним сервисам по шаблонам через MCP Hub и готовые решения вроде Нейроюриста и SpeechSense. ИИ-агенты могут изменить работу компаний в ритейле, банках и любых других компаниях – для этого достаточно довериться нейросетям и использовать их как своих помощников. Тогда они смогут забрать на себя львиную долю рутинных задач. @datascienceiot

State of AI-assisted Software Development 📕 Report @datascienceiot

Positive Technologies приглашает на онлайн-презентацию нового продукта — PT Data Security Решение помогает защитить критически важные данные компании, снижает риски утечек и обеспечивает соответствие требованиям регуляторов. На онлайн-трансляции вы первыми узнаете: — Какие задачи и риски сегодня определяют настоящее и будущее рынка защиты данных. — Какие вызовы стоят перед компаниями на рынке защиты данных. — О новом подходе Positive Technologies к защите данных. 📅 8 октября, 15:00 мск 📍 Онлайн 👉 Регистрация

ScaleCUA: Master GUIs across 6 OS with our new open-source agent! 📕 Read @datascienceiot

Как уместить в единого ИИ-помощника более 100 различных сценариев для 10 000+ сотрудников На конференции «ИИ-ЗАМАН» в Казани технологическая платформа Авито представила доклад «Автоматизация в Авито: путь к многоагентным системам». Дата-сайенс менеджер Виктория Берестова рассказала о применении LLM для построения ИИ-ассистентов: от классификаторов интентов до сценариев взаимодействия. Ключом стала многоагентная архитектура (MAS). Вместо создания одного монолитного и сложного помощника, который пытается быть экспертом во всем, разработали целый ансамбль узкоспециализированных ИИ-агентов. Каждый такой агент отвечает за свою предметную область — подобно тому, как в большой компании работают разные департаменты: юридический, финансовый, технический. Когда сотрудник задает вопрос через единый интерфейс, система анализирует запрос и автоматически направляет его тому «виртуальному специалисту», который лучше всего справится с задачей. Узкие специализированные агенты для конкретных задач требуют значительно меньше мощности, чем большие универсальные модели, сохраняя при этом высокое качество результатов. А система предварительной фильтрации автоматически обрабатывает простые запросы без запуска дорогих ИИ-моделей, оптимизируя использование вычислительных ресурсов.