📚Build a Large Language Model (2023)

✍️ Автор: Sebastian Raschka

📃 Страниц: 68

Это единственное в своем роде руководство по созданию вашего собственного действующего LLM. В нем эксперт по машинному обучению и автор Себастьян Рашка рассказывает о том, как работают LLM "под капотом", приоткрывая крышку "черного ящика" генеративного ИИ. Книга содержит практические советы по созданию LLM, включая построение конвейера загрузки данных, сборку их внутренних компонентов и методы тонкой настройки. Постепенно вы превратите свою базовую модель в инструмент для классификации текста и чат-бота, который будет следовать вашим инструкциям в ходе разговора.

Скачать книгу

📚Hyperautomation with Generative AI: Learn how Hyperautomation and Generative AI can help you transform your business (2023)

✍️ Автор: Dr. Jagreet Kaur

📃 Страниц: 812

Книга представляет собой введение в гиперавтоматизацию, освещая ее ключевые компоненты и давая рекомендации о том, как организации могут внедрить ее для оптимизации повседневных бизнес-операций. В книге представлен широкий спектр вариантов использования и примеров, демонстрирующих многообразие применений гиперавтоматизации в различных отраслях, секторах экономики и конкретных подразделениях компаний. Он также знакомит вас с популярными инструментами и платформами, такими как UiPath, Automation Anywhere и IBM, позволяя им принимать обоснованные решения при выборе подходящей технологии для своих целей цифровой трансформации

Скачать книгу

📚Large Language Models: A Deep Dive: Bridging Theory and Practice (2024)

✍️ Автор: Uday Kamath, Kevin Keenan, Garrett Somers, Sarah Sorenson

📃 Страниц: 496

Эта книга представляет собой авторитетное исследование проектирования, обучения, эволюции и применения LLM. Она начинается с обзора предварительно подготовленных языковых моделей, закладывая основу для понимания методов обучения, основанных на оперативном обучении. Далее в нем рассматриваются методы тонкой настройки LLM, интеграция обучения с подкреплением для выравнивания ценности и конвергенция LLM с компьютерным зрением, робототехникой и обработкой речи

Скачать книгу

📚Applied Deep Learning: Design and implement your own Neural Networks to solve real-world problems (2024)

✍️ Автор: Dr. Rajkumar Tekchandani, Dr. Neeraj Kumar

📃 Страниц: 878

В книге вы получите подробное представление об искусственном интеллекте и машинном обучении, начиная с основ и заканчивая всесторонним освещением глубокого обучения с помощью Python. Вы познакомитесь с интуитивным управлением нейронными сетями, а также с тем, как эффективно их проектировать и обучать. Далее вы узнаете, как использовать сверточные нейронные сети для распознавания изображений и других визуальных задач. Далее в книге основное внимание уделяется локализации и обнаружению объектов, которые являются важнейшими задачами во многих приложениях, включая самоуправляемые автомобили и робототехнику

Скачать книгу

📚Data Quality Engineering in Financial Services: Applying Manufacturing Techniques to Data (2022)

✍️Автор: Brian Buzzelli

📃Страниц: 577

Качество данных либо сделает вас лучше, либо сломает вас в сфере финансовых услуг. Недостающие цены, неверные рыночные значения, нарушения правил торговли, пересчет результатов работы клиентов и неправильная подача нормативных документов - все это может привести к суровым штрафным санкциям, потере клиентов и финансовой катастрофе. Это практическое руководство предоставляет аналитикам данных, специалистам по обработке данных и специалистам-практикам в компаниях, предоставляющих финансовые услуги, основы для применения производственных принципов в управлении финансовыми данными, понимания измерений данных, разработки точных допусков к качеству данных на уровне исходных данных и интеграции их в ваши конвейеры обработки данных.

Ссылка на книгу

📚Mindmasters: The Data-Driven Science of Predicting and Changing Human Behavior (2025)

✍️Автор: Sandra Matz

📃Страниц: 130

В книге Mindmasters профессор Колумбийской школы бизнеса Сандра Матц в захватывающих подробностях рассказывает о том, как большие данные позволяют проникнуть в самые сокровенные аспекты нашей психики и как эти знания позволяют оказывать внешнее влияние на принимаемый нами выбор. Это может быть пугающим, манипулятивным и откровенно вредным, а скандалы, подобные скандалу с британской консалтинговой фирмой Cambridge Analytica, являются лишь верхушкой айсберга. Тем не менее, большие данные также обладают огромным потенциалом для того, чтобы помочь нам жить более здоровой и счастливой жизнью — например, улучшая наше психическое здоровье, способствуя принятию более эффективных финансовых решений или позволяя нам вырваться за пределы наших эхо-камер.

Ссылка на книгу

📚Data-Driven Healthcare: Revolutionizing Patient Care with Data Science (2024)

✍️Автор: William Webb

📃Страниц: 101

Окунитесь в мир передовых технологий, где здравоохранение сталкивается с преобразующей силой науки о данных. Эта содержательная книга станет незаменимым чтением для медицинских работников, которые хотят ориентироваться в сложном и быстро меняющемся ландшафте современной медицины. В нем подробно рассказывается о том, как приложения для обработки данных революционизируют различные области - от геномики и эпидемиологии до политики общественного здравоохранения и ухода за пациентами.

Ссылка на книгу

📚Data Science and Machine Learning for Non-Programmers: Using SAS Enterprise Miner (2024)

✍️Автор: Dothang Truong

📃Страниц: 590

В этой книге также содержатся конкретные рекомендации и примеры по представлению результатов интеллектуального анализа данных и отчетов, способствующих эффективному взаимодействию с заинтересованными сторонами. Эта книга, предназначенная как для начинающих, так и для опытных практиков, предназначена для широкой аудитории, включая студентов, преподавателей, исследователей и профессионалов отрасли из различных слоев общества.

Ссылка на книгу

📚Graph Data Science with Python and Neo4j: Hands-on Projects on Python and Neo4j Integration for Data Visualization and Analysis Using Graph Data Science for Building Enterprise Strategies (2024)

✍️Автор: Timothy Eastridge

📃Страниц: 246

В этой книге предлагается простой подход к освоению науки о графических данных. Благодаря подробным объяснениям, примерам из реальной жизни и специальному репозиторию на GitHub, заполненному примерами кода, эта книга является незаменимым ресурсом для всех, кто стремится усовершенствовать свои методы обработки данных с помощью технологии graph. Присоединяйтесь к нам в этом преобразующем путешествии по различным отраслям и извлекайте из своих данных новые полезные идеи.

Ссылка на книгу

📚Introduction to Data Science: A Python Approach to Concepts, Techniques and Applications (2024)

✍️Автор: Laura Igual, Santi Seguí

📃Страниц: 255

Этот доступный и проверенный в классе учебник / справочник представляет собой введение в основы междисциплинарной области науки о данных. Программа охватывает ключевые концепции статистики, машинного/глубокого обучения и ответственной обработки данных, полезные методы сетевого анализа и обработки естественного языка, а также практические приложения науки о данных, такие как рекомендательные системы или анализ настроений.

Ссылка на книгу

📚Kubeflow for Machine Learning: From Lab to Production (2020)

✍️Автор: Trevor Grant, Holden Karau, Boris Lublinsky, Richard Liu, Ilan Filonenko

📃Страниц: 264

Если вы разрабатываете модель машинного обучения, но не уверены, как внедрить ее в производство, эта книга поможет вам в этом. Kube flow предоставляет набор облачных инструментов для различных этапов жизненного цикла модели - от исследования данных, подготовки функциональных возможностей и обучения модели до ее обслуживания. Это руководство поможет специалистам по обработке данных создавать полноценные реализации машинного обучения с помощью Kube flow и покажет инженерам по обработке данных, как сделать модели масштабируемыми и надежными.

Ссылка на книгу

Самые полезные каналы для программистов в одной подборке!

Сохраняйте себе, чтобы не потерять 💾

🔥Для всех

Библиотека программиста — новости, статьи, досуг, фундаментальные темы
Книги для программистов
IT-мемы
Proglib Academy — тут мы рассказываем про обучение и курсы
Азбука айтишника — здесь мы познаем азы из мира программирования

🤖Про нейросети
Библиотека робототехники и беспилотников | Роботы, ИИ, интернет вещей
Библиотека нейрозвука | Транскрибация, синтез речи, ИИ-музыка
Библиотека нейротекста | ChatGPT, Gemini, Bing
Библиотека нейровидео | Sora AI, Runway ML, дипфейки
Библиотека нейрокартинок | Midjourney, DALL-E, Stable Diffusion

#️⃣C#

Книги для шарпистов | C#, .NET, F#
Библиотека шарписта — полезные статьи, новости и обучающие материалы по C#
Библиотека задач по C# — код, квизы и тесты
Библиотека собеса по C# — тренируемся отвечать на каверзные вопросы во время интервью и технического собеседования
Вакансии по C#, .NET, Unity Вакансии по PHP, Symfony, Laravel

☁️DevOps

Библиотека devops’а — полезные статьи, новости и обучающие материалы по DevOps
Вакансии по DevOps & SRE
Библиотека задач по DevOps — код, квизы и тесты
Библиотека собеса по DevOps — тренируемся отвечать на каверзные вопросы во время интервью и технического собеседования

🐘PHP

Библиотека пхпшника — полезные статьи, новости и обучающие материалы по PHP
Вакансии по PHP, Symfony, Laravel
Библиотека PHP для собеса — тренируемся отвечать на каверзные вопросы во время интервью и технического собеседования
Библиотека задач по PHP — код, квизы и тесты

🐍Python

Библиотека питониста — полезные статьи, новости и обучающие материалы по Python
Вакансии по питону, Django, Flask
Библиотека Python для собеса — тренируемся отвечать на каверзные вопросы во время интервью и технического собеседования
Библиотека задач по Python — код, квизы и тесты

☕Java

Книги для джавистов | Java
Библиотека джависта — полезные статьи по Java, новости и обучающие материалы
Библиотека Java для собеса — тренируемся отвечать на каверзные вопросы во время интервью и технического собеседования
Библиотека задач по Java — код, квизы и тесты
Вакансии для java-разработчиков

👾Data Science

Книги для дата сайентистов | Data Science
Библиотека Data Science — полезные статьи, новости и обучающие материалы по Data Science
Библиотека Data Science для собеса — тренируемся отвечать на каверзные вопросы во время интервью и технического собеседования
Библиотека задач по Data Science — код, квизы и тесты
Вакансии по Data Science, анализу данных, аналитике, искусственному интеллекту

🦫Go

Книги для Go разработчиков
Библиотека Go разработчика — полезные статьи, новости и обучающие материалы по Go
Библиотека Go для собеса — тренируемся отвечать на каверзные вопросы во время интервью и технического собеседования
Библиотека задач по Go — код, квизы и тесты
Вакансии по Go

🧠C++

Книги для C/C++ разработчиков
Библиотека C/C++ разработчика — полезные статьи, новости и обучающие материалы по C++
Библиотека C++ для собеса — тренируемся отвечать на каверзные вопросы во время интервью и технического собеседования
Библиотека задач по C++ — код, квизы и тесты
Вакансии по C++

💻Другие каналы

Библиотека фронтендера
Библиотека мобильного разработчика
Библиотека хакера
Библиотека тестировщика
Библиотека разработчика игр | Gamedev, Unity, Unreal Engine
Вакансии по фронтенду, джаваскрипт, React, Angular, Vue
Вакансии для мобильных разработчиков
Вакансии по QA тестированию
InfoSec Jobs — вакансии по информационной безопасности

📁Чтобы добавить папку с нашими каналами, нажмите 👉сюда👈

Также у нас есть боты:
Бот с IT-вакансиями
Бот с мероприятиями в сфере IT

Мы в других соцсетях:
🔸VK
🔸YouTube
🔸Дзен
🔸Facebook *
🔸Instagram *

* Организация Meta запрещена на территории РФ

📚Continuous Machine Learning with Kubeflow: Performing Reliable MLOps with Capabilities of TFX, Sagemaker and Kubernetes (2021)

✍️Автор: Aniruddha Choudhury

📃Страниц: 552

Эта книга поможет продемонстрировать, как использовать компоненты Kube flow, развертывать их в GCP и предоставлять в рабочей среде, используя прогнозирование данных в реальном времени. В Kube flow KFserving мы рассмотрим методы обслуживания, создадим пользовательский интерфейс на основе компьютерного зрения в streamclip, а затем развернем его на облачных платформах Google, Kubernetes и Heroku. Далее мы также рассмотрим, как создать понятный искусственный интеллект для определения справедливости и предвзятости с помощью инструмента "Что, если". Опираясь на различные примеры использования, мы узнаем, как внедрить машинное обучение в производство, включая обучение и обслуживание.

Ссылка на книгу

📚Operationalizing Machine Learning Pipelines: Building Reusable and Reproducible Machine Learning Pipelines Using MLOps (2022)

✍️Автор: Vishwajyoti Pandey

📃Страниц: 216

Эта книга даст вам глубокое представление о MLOps и о том, как вы можете использовать его на предприятии. Каждый инструмент, описанный в этой книге, был тщательно изучен, приведены примеры их установки и использования, а также образцы данных.

Ссылка на книгу

📚Operationalizing Machine Learning Pipelines: Building Reusable and Reproducible Machine Learning Pipelines Using MLOps (2023)

✍️Автор: by Premkumar Rangarajan (Author), David Bounds (Author)

📃Страниц: 346

Из этой книги вы узнаете, как создавать озера данных, создавать и обучать модели машинного обучения, автоматизировать MLOps, обеспечивать максимальное повторное использование и воспроизводимость данных и многое другое. Приложения, представленные в книге, показывают, как максимально эффективно использовать несколько различных предложений AWS, включая Amazon Comprehend, Amazon Rekognition, Amazon Lookout и AutoML

Ссылка на книгу

📚Mastering MLOps Architecture: From Code to Deployment: Manage the production cycle of continual learning ML models with MLOps (2024)

✍️Автор: Raman Jhajj

📃Страниц: 286

ML OPS, представляющая собой комбинацию DevOps, data engineering и машинного обучения, имеет решающее значение для получения высококачественных результатов машинного обучения из-за динамического характера данных машинного обучения. Эта книга посвящена MLOps, ее основным концепциям, компонентам и архитектуре, демонстрируя, как MLOps способствует созданию надежных и постоянно совершенствующихся систем машинного обучения.

Ссылка на книгу

📚Linear Algebra in Data Science (2024)

✍️Автор: Peter Zizler, Roberta La Haye

📃Страниц: 202

В этом учебнике на начальном уровне рассматриваются приложения линейной алгебры в науке о данных, демонстрируя читателям, насколько они тесно связаны. Авторы достигают этого, предлагая упражнения повышенной сложности, многие из которых включают MATLAB. Также представлены практические проекты, позволяющие студентам лучше понять применение материала, изучаемого в стандартном курсе линейной алгебры, в реальных условиях. Некоторые темы включают в себя сингулярную декомпозицию, свертку, частотную фильтрацию и нейронные сети. Линейная алгебра в области науки о данных подходит в качестве дополнения к стандартному курсу линейной алгебры.

Ссылка на книгу

📚The Hundred-Page Machine Learning Book (2019)

✍️Автор: Adriy Burkov

📃Страниц: 118

Это компактное руководство “как заниматься наукой о данных”, и я предсказываю, что оно станет полезным пособием как для ученых, так и для практиков. Книга объемом в 100 страниц (или чуть больше) достаточно короткая, чтобы ее можно было прочитать за один присест. Тем не менее, несмотря на свой объем, он охватывает все основные подходы к машинному обучению, начиная от классической линейной и логистической регрессии и заканчивая современными методами опорных векторов, глубоким обучением, бустингом и случайными лесами. Кроме того, здесь нет недостатка в подробностях о различных подходах, и заинтересованный читатель может получить дополнительную информацию о любом конкретном методе с помощью инновационной сопутствующей книги wiki.

Ссылка на книгу