Большой русскоязычный roadmap по машинному обучению: от первого import numpy до LLM, RAG, fine-tuning, AI-агентов и MLOps и даже вабкодинга.
Внутри нормальная структура: что учить, в каком порядке, зачем это нужно и что должно получиться на практике после каждого этапа.
Roadmap разбит на 7 треков:
1. Фундамент: Python, математика, статистика, инструменты
2. Классический ML: scikit-learn, табличные данные, метрики, валидация
3. Deep Learning: PyTorch, CNN, RNN, training loop
4. LLM и трансформеры: attention, KV-cache, RAG, LoRA, агенты
5. Generative AI: изображения, видео, аудио, мультимодальность
6. MLOps и прод: Docker, Kubernetes, CI/CD, monitoring, serving
7. Специализация: CV, NLP, RecSys, RL, Safety
Roadmap не продаёт иллюзию “обучил модель - стал ML-инженером”.
В реальной работе много времени уходит на данные, метрики, деплой, мониторинг, воспроизводимость и разбор ошибок. Модель - только часть системы.
Хорошая мысль из roadmap: LLM не делает джуна сеньором. Она ускоряет того, кто уже понимает базу. Без базы человек просто становится оператором Copilot, который не может объяснить, почему всё сломалось.
По времени тоже без сказок:
1. 0-3 месяца: математика, классический ML
2. 3-6 месяцев: Deep Learning и PyTorch
3. 6-12 месяцев: LLM, RAG, fine-tuning, AI-агенты
4. 12+ месяцев: MLOps, прод, масштабирование, специализация
Тут же собрано 7 болших бесплатных курсов по машинному обучению, математике и вайбкодингу!
Если давно хотели зайти в ML системно, а не прыгать между роликами про ChatGPT, Stable Diffusion и “топ-10 библиотек”, это хороший ориентир.
https://github.com/justxor/MachineLearningRoadmap
Please open Telegram to view this post
VIEW IN TELEGRAM
Это пошаговый маршрут изучения Linux с упором на практику. Каждый раздел содержит объяснение «почему это устроено именно так», разбор команд и обязательные задания, которые нужно выполнить руками в терминале. Чтение без повторения навыка не даёт — держите терминал открытым рядом с этим текстом.
Как работать с этим курсом: идите сверху вниз, не перепрыгивайте разделы; каждую команду набирайте руками, а не копируйте; в конце каждого блока выполняйте задание; специально ломайте систему в виртуалке и чините — это лучший способ учиться.
https://github.com/justxor/linuxfullroadmap/
Please open Telegram to view this post
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
Linux может стать заметно отзывчивее без апгрейда железа.
Мало кто включает zram, а зря. Он создаёт сжатую память прямо в RAM и снижает обращения к медленному swap на диске.
Особенно хорошо это чувствуется на ноутбуках и VPS с 8–16 гигабайтами памяти.
Система меньше тупит под нагрузкой, быстрее переключается между задачами и реже упирается в диск.
Один небольшой твик - и Linux работает лучше.
https://www.youtube.com/shorts/XGSNY4a0nJA
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Анализ данных (Data analysis)
В Оксфордском университете написали эссе, объясняющее, как работает «Бесконечность» Годзё Сатору.
Математика, которую мы заслужили )
https://tomrocksmaths.com/wp-content/uploads/2026/06/achmad-roykhan-sabiq_essay_competition_2026-achmad-roykhan-sabiq.pdf
@data_analysis_ml
Математика, которую мы заслужили )
https://tomrocksmaths.com/wp-content/uploads/2026/06/achmad-roykhan-sabiq_essay_competition_2026-achmad-roykhan-sabiq.pdf
@data_analysis_ml
This media is not supported in your browser
VIEW IN TELEGRAM
Контейнер - это отдельное измерение для приложения.
Запускаешь сервис через Docker — и он не ломает основную систему.
Хочешь понять, что происходит внутри?
Смотри логи и заходи в контейнер через shell.
Если сервисов несколько, используй Docker Compose.
Одна команда поднимает приложение, базу данных и кеш.
А важные данные храни в volume.
Контейнер можно удалить, но данные должны остаться.
И не забывай чистить Docker.
Лишние контейнеры и образы быстро превращают систему в хаос.
Настоящий шиноби не запускает хаос.
Он изолирует его.
Please open Telegram to view this post
VIEW IN TELEGRAM
Algebra, Topology, Differential Calculus, and Optimization Theory For Computer Science and Machine Learning
Недавно был обновлен огромный PDF-учебник по математике на 2204 страницы:
Внутри - алгебра, топология, дифференциальное исчисление и теория оптимизации для Computer Science и Machine Learning.
Найти можно здесь:
https://cis.upenn.edu/~jean/gbooks/geomath.html
Недавно был обновлен огромный PDF-учебник по математике на 2204 страницы:
Внутри - алгебра, топология, дифференциальное исчисление и теория оптимизации для Computer Science и Machine Learning.
Найти можно здесь:
https://cis.upenn.edu/~jean/gbooks/geomath.html
Maths, CS & AI Compendium: бесплатный учебник для будущих AI/ML-инженеров
На GitHub завирусился большой open-source компедиум по математике, computer science и AI. Сейчас у проекта уже около 6.3K звёзд.
Автор позиционирует его как «нестандартный учебник» для практиков: меньше сухой нотации, больше интуиции, связей между темами и реального контекста.
Внутри 20 глав:
* векторы, матрицы, calculus
* статистика и вероятность
* machine learning и deep learning
* NLP, computer vision, audio/speech
* multimodal learning и autonomous systems
* GNN, OS, алгоритмы
* production engineering, GPU/SIMD
* AI inference, ML systems design и applied AI
Отдельно есть MCP server, чтобы Claude Code, Cursor, VS Code и другие AI-ассистенты могли использовать компедиум как локальную базу знаний.
Хороший ресурс для тех, кто хочет не просто «выучить ML», а собрать фундамент: математика → CS → ML systems → современный AI.
GitHub: https://github.com/HenryNdubuaku/maths-cs-ai-compendium
thub.com/HenryNdubuaku/maths-cs-ai-compendium
На GitHub завирусился большой open-source компедиум по математике, computer science и AI. Сейчас у проекта уже около 6.3K звёзд.
Автор позиционирует его как «нестандартный учебник» для практиков: меньше сухой нотации, больше интуиции, связей между темами и реального контекста.
Внутри 20 глав:
* векторы, матрицы, calculus
* статистика и вероятность
* machine learning и deep learning
* NLP, computer vision, audio/speech
* multimodal learning и autonomous systems
* GNN, OS, алгоритмы
* production engineering, GPU/SIMD
* AI inference, ML systems design и applied AI
Отдельно есть MCP server, чтобы Claude Code, Cursor, VS Code и другие AI-ассистенты могли использовать компедиум как локальную базу знаний.
Хороший ресурс для тех, кто хочет не просто «выучить ML», а собрать фундамент: математика → CS → ML systems → современный AI.
GitHub: https://github.com/HenryNdubuaku/maths-cs-ai-compendium
thub.com/HenryNdubuaku/maths-cs-ai-compendium
🔥 Хочешь быстрее расти в IT? Хватит учиться в одиночку
В IT прокачивается тот, кто каждый день видит сильные идеи, новые инструменты, реальные задачи, вакансии и разборы.
Окружение решает больше, чем кажется.
Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре.
AI: t.me/ai_machinelearning_big_data
Python: t.me/pythonl
Linux: t.me/linuxacademiya
Хакинг: t.me/linuxkalii
DevOps: t.me/DevOPSitsec
Docker: t.me/DevopsDocker
Golang: t.me/Golang_google
Rust: t.me/rust_code
C++: t.me/cpluspluc
C#: t.me/csharp_1001_notes
Java: t.me/java_library
JavaScript: t.me/javascriptv
React: t.me/react_tg
Frontend: t.me/front
PHP: t.me/phpshka
Android: t.me/android_its
Мобильная разработка: t.me/mobdevelop
Базы данных: t.me/sqlhub
Data Science: t.me/data_analysis_ml
Big Data: t.me/bigdatai
Математика: t.me/data_math
Физика: t.me/fizmat
Kubernetes: t.me/kubernetc
GameDev: https://xn--r1a.website/gamedev
Haskell: t.me/haskell_tg
Собеседования и карьера:
DS собеседования: t.me/machinelearning_interview
Python собеседования: t.me/python_job_interview
Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: https://xn--r1a.website/addlist/2Ls-snqEeytkMDgy
Папка Frontend: https://xn--r1a.website/addlist/mzMMG3RPZhY2M2Iy
Полезное сверху:
ИТ-мемы: t.me/memes_prog
Английский для программистов: t.me/english_forprogrammers
ИИ и технологии: t.me/vistehno
954 ГБ open-source курсов: @courses
ИТ-книги бесплатно: https://xn--r1a.website/addlist/BkskQciUW_FhNjEy
Max Ai: https://max.ru/ai_machinelearning_big_data
Max python: https://max.ru/pythonl
ТЕХНО: https://max.ru/vistehno
Max Go: https://max.ru/Golang_google
Max Linux: https://max.ru/linuxkalii
Devops: https://max.ru/DevOPSitsec
C#: https://max.ru/csharp_ci
C++: https://max.ru/cpluspluc
SQL: https://max.ru/sqlhub
Java: https://max.ru/javatg
Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд.
Пока кто-то листает шум, ты будешь видеть инструменты, задачи и идеи, которые помогают расти в профессии.
В IT прокачивается тот, кто каждый день видит сильные идеи, новые инструменты, реальные задачи, вакансии и разборы.
Окружение решает больше, чем кажется.
Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре.
AI: t.me/ai_machinelearning_big_data
Python: t.me/pythonl
Linux: t.me/linuxacademiya
Хакинг: t.me/linuxkalii
DevOps: t.me/DevOPSitsec
Docker: t.me/DevopsDocker
Golang: t.me/Golang_google
Rust: t.me/rust_code
C++: t.me/cpluspluc
C#: t.me/csharp_1001_notes
Java: t.me/java_library
JavaScript: t.me/javascriptv
React: t.me/react_tg
Frontend: t.me/front
PHP: t.me/phpshka
Android: t.me/android_its
Мобильная разработка: t.me/mobdevelop
Базы данных: t.me/sqlhub
Data Science: t.me/data_analysis_ml
Big Data: t.me/bigdatai
Математика: t.me/data_math
Физика: t.me/fizmat
Kubernetes: t.me/kubernetc
GameDev: https://xn--r1a.website/gamedev
Haskell: t.me/haskell_tg
Собеседования и карьера:
DS собеседования: t.me/machinelearning_interview
Python собеседования: t.me/python_job_interview
Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: https://xn--r1a.website/addlist/2Ls-snqEeytkMDgy
Папка Frontend: https://xn--r1a.website/addlist/mzMMG3RPZhY2M2Iy
Полезное сверху:
ИТ-мемы: t.me/memes_prog
Английский для программистов: t.me/english_forprogrammers
ИИ и технологии: t.me/vistehno
954 ГБ open-source курсов: @courses
ИТ-книги бесплатно: https://xn--r1a.website/addlist/BkskQciUW_FhNjEy
Max Ai: https://max.ru/ai_machinelearning_big_data
Max python: https://max.ru/pythonl
ТЕХНО: https://max.ru/vistehno
Max Go: https://max.ru/Golang_google
Max Linux: https://max.ru/linuxkalii
Devops: https://max.ru/DevOPSitsec
C#: https://max.ru/csharp_ci
C++: https://max.ru/cpluspluc
SQL: https://max.ru/sqlhub
Java: https://max.ru/javatg
Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд.
Пока кто-то листает шум, ты будешь видеть инструменты, задачи и идеи, которые помогают расти в профессии.
698 страниц математики, которые учат не считать, а думать
Есть бесплатный PDF-учебник Everything You Always Wanted To Know About Mathematics — большой гид по абстрактной математике, теоремам и написанию доказательств.
Это не очередной сборник формул, а вход в настоящий математический язык:
* что такое доказательство
* как читать и писать математические тексты
* логика и множества
* индукция
* абстрактное мышление
* задачи и упражнения
Книга написана Brendan W. Sullivan вместе с профессором John Mackey в Carnegie Mellon University.
Отличная штука для тех, кто хочет наконец понять, как математики реально думают, а не просто механически решать примеры.
https://math.cmu.edu/~jmackey/151_128/bws_book.pdf
Есть бесплатный PDF-учебник Everything You Always Wanted To Know About Mathematics — большой гид по абстрактной математике, теоремам и написанию доказательств.
Это не очередной сборник формул, а вход в настоящий математический язык:
* что такое доказательство
* как читать и писать математические тексты
* логика и множества
* индукция
* абстрактное мышление
* задачи и упражнения
Книга написана Brendan W. Sullivan вместе с профессором John Mackey в Carnegie Mellon University.
Отличная штука для тех, кто хочет наконец понять, как математики реально думают, а не просто механически решать примеры.
https://math.cmu.edu/~jmackey/151_128/bws_book.pdf
📚 Бесплатный учебник по теории игр - 578 страниц
Game Theory от Giacomo Bonanno — большой open-source учебник по некооперативной теории игр.
Внутри:
* основы теории игр и стратегического взаимодействия;
* равновесия и принятие решений;
* 165 задач с решениями;
* 163 иллюстрации;
* материал на стыке математики, экономики и Computer Science.
Хорошая база для тех, кто занимается ML, Multi-Agent Systems, математикой и алгоритмами.
📖 Скачать PDF: https://arxiv.org/pdf/1512.06808
#GameTheory #Mathematics #Statistics #Probability #MachineLearning
Game Theory от Giacomo Bonanno — большой open-source учебник по некооперативной теории игр.
Внутри:
* основы теории игр и стратегического взаимодействия;
* равновесия и принятие решений;
* 165 задач с решениями;
* 163 иллюстрации;
* материал на стыке математики, экономики и Computer Science.
Хорошая база для тех, кто занимается ML, Multi-Agent Systems, математикой и алгоритмами.
📖 Скачать PDF: https://arxiv.org/pdf/1512.06808
#GameTheory #Mathematics #Statistics #Probability #MachineLearning
Rust, который наконец становится понятным 🦀
Давно хочешь выучить Rust, но ownership, borrowing и lifetimes выглядят как отдельный вид боли?
Этот курс проведёт тебя с самого начала до уровня, где ты уже пишешь реальные системные и сетевые программы.
Ты разберёшь:
Ownership → Borrowing → ошибки → коллекции → Generics → Traits → модули → тесты → сетевой код
Никакого бесконечного чтения документации. После каждого урока ты сразу пишешь код, проходишь тесты и решаешь задачу с автопроверкой.
🔥 Rust с нуля
🔥 5–6 часов в неделю
🔥 Практика после каждого урока
🔥 Подойдёт после Python, JavaScript, Java и других языков
🔥 Можно начать сразу
В конце у тебя будет понимание Rust, с которым уже можно писать быстрые backend-сервисы, сетевые приложения и системные утилиты, а не смотреть на borrow checker как на врага.
Пора добавить Rust в свой стек. Начинай курс и пиши первый код уже сегодня: https://stepik.org/a/294885/
Давно хочешь выучить Rust, но ownership, borrowing и lifetimes выглядят как отдельный вид боли?
Этот курс проведёт тебя с самого начала до уровня, где ты уже пишешь реальные системные и сетевые программы.
Ты разберёшь:
Ownership → Borrowing → ошибки → коллекции → Generics → Traits → модули → тесты → сетевой код
Никакого бесконечного чтения документации. После каждого урока ты сразу пишешь код, проходишь тесты и решаешь задачу с автопроверкой.
🔥 Rust с нуля
🔥 5–6 часов в неделю
🔥 Практика после каждого урока
🔥 Подойдёт после Python, JavaScript, Java и других языков
🔥 Можно начать сразу
В конце у тебя будет понимание Rust, с которым уже можно писать быстрые backend-сервисы, сетевые приложения и системные утилиты, а не смотреть на borrow checker как на врага.
Пора добавить Rust в свой стек. Начинай курс и пиши первый код уже сегодня: https://stepik.org/a/294885/
Бесплатный учебник по математике — 850 страниц.
«The Rising Sea: Foundations of Algebraic Geometry» Рави Вакила.
Книга предлагает подробное введение в алгебраическую геометрию и множество упражнений, позволяющих учиться на практике.
Требуется минимум предварительных знаний: необходимые инструменты вводятся по ходу материала — от теории категорий и пучков до коммутативной и гомологической алгебры.
Подход построен на примерах и помогает развить математическую интуицию.
Самодостаточный учебник для студентов магистратуры и аспирантуры, а также важный справочник для исследователей.
Link: https://math.stanford.edu/~vakil/216blog/
«The Rising Sea: Foundations of Algebraic Geometry» Рави Вакила.
Книга предлагает подробное введение в алгебраическую геометрию и множество упражнений, позволяющих учиться на практике.
Требуется минимум предварительных знаний: необходимые инструменты вводятся по ходу материала — от теории категорий и пучков до коммутативной и гомологической алгебры.
Подход построен на примерах и помогает развить математическую интуицию.
Самодостаточный учебник для студентов магистратуры и аспирантуры, а также важный справочник для исследователей.
Link: https://math.stanford.edu/~vakil/216blog/
Forwarded from 📚Python Books
📚 Бесплатный 348-страничный учебник по Machine Learning для инженеров и исследователей
Machine Learning: A First Course for Engineers and Scientists - полноценная книга от Cambridge University Press, которую авторы бесплатно выложили в виде pre-publication PDF для личного использования.
Внутри:
* supervised learning, k-NN и decision trees
* linear/logistic regression и regularization
* neural networks и deep learning
* random forests, boosting и kernels
* Bayesian methods и Gaussian Processes
* generative models и unsupervised learning
* оценка качества, practical ML и ethics
Хороший вариант, если хочется не просто запускать
PDF:
https://smlbook.org/book/sml-book-draft-latest.pdf
#DataScience #MachineLearning #ML #Mathematics #Algorithms
Machine Learning: A First Course for Engineers and Scientists - полноценная книга от Cambridge University Press, которую авторы бесплатно выложили в виде pre-publication PDF для личного использования.
Внутри:
* supervised learning, k-NN и decision trees
* linear/logistic regression и regularization
* neural networks и deep learning
* random forests, boosting и kernels
* Bayesian methods и Gaussian Processes
* generative models и unsupervised learning
* оценка качества, practical ML и ethics
Хороший вариант, если хочется не просто запускать
fit(), а реально понять математику и инженерную логику ML.PDF:
https://smlbook.org/book/sml-book-draft-latest.pdf
#DataScience #MachineLearning #ML #Mathematics #Algorithms
🔥 Хочешь быстрее расти в IT? Хватит учиться в одиночку
Окружение решает больше, чем кажется.
Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре.
AI: t.me/ai_machinelearning_big_data
Python: t.me/pythonl
Linux: t.me/linuxacademiya
Хакинг: t.me/linuxkalii
DevOps: t.me/DevOPSitsec
Docker: https://xn--r1a.website/+90Z5TAyfuNU5YmRi
Golang: t.me/Golang_google
Rust: t.me/rust_code
C++: t.me/cpluspluc
C#: t.me/csharp_1001_notes
Java: t.me/javatg
JavaScript: t.me/javascriptv
React: t.me/react_tg
Frontend: t.me/front
PHP: t.me/phpshka
Android: t.me/android_its
Мобильная разработка: t.me/mobdevelop
Базы данных: t.me/sqlhub
Data Science: t.me/data_analysis_ml
Big Data: t.me/bigdatai
Математика: t.me/data_math
Физика: https://xn--r1a.website/+S4hinvO3QI43ZjNi
Kubernetes: t.me/kubernetc
GameDev: https://xn--r1a.website/gamedev
Haskell: t.me/haskell_tg
Собеседования и карьера:
DS собеседования: t.me/machinelearning_interview
Python собеседования: t.me/python_job_interview
Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: https://xn--r1a.website/addlist/2Ls-snqEeytkMDgy
Папка Frontend: https://xn--r1a.website/addlist/mzMMG3RPZhY2M2Iy
Полезное сверху:
ИТ-мемы: t.me/memes_prog
Английский для программистов: t.me/english_forprogrammers
ИИ и технологии: t.me/vistehno
954 ГБ open-source курсов: https://xn--r1a.website/+rKBQEMccAA01MTcy
ИТ-книги бесплатно: https://xn--r1a.website/addlist/BkskQciUW_FhNjEy
Max Ai: https://max.ru/ai_machinelearning_big_data
Max python: https://max.ru/pythonl
ТЕХНО: https://max.ru/vistehno
Max Go: https://max.ru/Golang_google
Max Linux: https://max.ru/linuxkalii
Devops: https://max.ru/DevOPSitsec
C#: https://max.ru/csharp_ci
C++: https://max.ru/cpluspluc
SQL: https://max.ru/sqlhub
Java: https://max.ru/javatg
Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд.
Окружение решает больше, чем кажется.
Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре.
AI: t.me/ai_machinelearning_big_data
Python: t.me/pythonl
Linux: t.me/linuxacademiya
Хакинг: t.me/linuxkalii
DevOps: t.me/DevOPSitsec
Docker: https://xn--r1a.website/+90Z5TAyfuNU5YmRi
Golang: t.me/Golang_google
Rust: t.me/rust_code
C++: t.me/cpluspluc
C#: t.me/csharp_1001_notes
Java: t.me/javatg
JavaScript: t.me/javascriptv
React: t.me/react_tg
Frontend: t.me/front
PHP: t.me/phpshka
Android: t.me/android_its
Мобильная разработка: t.me/mobdevelop
Базы данных: t.me/sqlhub
Data Science: t.me/data_analysis_ml
Big Data: t.me/bigdatai
Математика: t.me/data_math
Физика: https://xn--r1a.website/+S4hinvO3QI43ZjNi
Kubernetes: t.me/kubernetc
GameDev: https://xn--r1a.website/gamedev
Haskell: t.me/haskell_tg
Собеседования и карьера:
DS собеседования: t.me/machinelearning_interview
Python собеседования: t.me/python_job_interview
Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: https://xn--r1a.website/addlist/2Ls-snqEeytkMDgy
Папка Frontend: https://xn--r1a.website/addlist/mzMMG3RPZhY2M2Iy
Полезное сверху:
ИТ-мемы: t.me/memes_prog
Английский для программистов: t.me/english_forprogrammers
ИИ и технологии: t.me/vistehno
954 ГБ open-source курсов: https://xn--r1a.website/+rKBQEMccAA01MTcy
ИТ-книги бесплатно: https://xn--r1a.website/addlist/BkskQciUW_FhNjEy
Max Ai: https://max.ru/ai_machinelearning_big_data
Max python: https://max.ru/pythonl
ТЕХНО: https://max.ru/vistehno
Max Go: https://max.ru/Golang_google
Max Linux: https://max.ru/linuxkalii
Devops: https://max.ru/DevOPSitsec
C#: https://max.ru/csharp_ci
C++: https://max.ru/cpluspluc
SQL: https://max.ru/sqlhub
Java: https://max.ru/javatg
Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд.
🔥 10 бесплатных книг для программистов, которые стоит сохранить в 2026 году
Не старые PDF с давно умершими технологиями, а книги, которые до сих пор можно нормально читать и применять на практике. Все доступны легально и бесплатно онлайн.
1. The Rust Programming Language
Официальная книга по Rust от команды языка. Ownership, borrowing, lifetimes, traits, concurrency, async и устройство типичной Rust-программы.
Сейчас онлайн-версия уже ориентирована на Rust 2024 Edition, поэтому это один из самых актуальных способов войти в язык.
https://doc.rust-lang.org/book/
2. Eloquent JavaScript
Одна из лучших бесплатных книг по JavaScript. Четвёртое издание вышло в 2024 году и использует современный JavaScript.
Кроме самого языка разбираются браузер, DOM, HTTP, Node.js, асинхронность и несколько полноценных проектов.
https://eloquentjavascript.net/
3. Automate the Boring Stuff with Python
Python через реальные задачи: файлы, регулярки, SQLite, веб-скрейпинг, Excel, JSON, PDF, автоматизация браузера и рабочего стола.
На сайте уже доступно третье издание.
https://automatetheboringstuff.com/3e/
4. Think Python, 3rd Edition
Хороший вариант для тех, кто хочет не просто запомнить синтаксис Python, а разобраться в программировании как таковом.
Третье издание построено вокруг Jupyter Notebook, добавляет тестирование, регулярные выражения и современные практические задания.
https://greenteapress.com/wp/think-python-3rd-edition/
5. Crafting Interpreters
Книга, после которой компиляторы и языки программирования перестают выглядеть магией.
За время чтения ты собственноручно создаёшь язык с парсером, областями видимости, функциями, closures, классами, байткодом и сборщиком мусора.
https://craftinginterpreters.com/
6. Operating Systems: Three Easy Pieces
Одна из самых известных открытых книг по операционным системам.
Процессы, виртуальная память, планировщики, concurrency, файловые системы, I/O и виртуализация.
https://pages.cs.wisc.edu/~remzi/OSTEP/
7. Dive into Systems
Отличный мост между обычным программированием и пониманием того, что реально происходит внутри компьютера.
C, Assembly, память, CPU, кэши, архитектура компьютера, ОС, pthreads и параллельное программирование.
https://diveintosystems.org/
8. Beej's Guide to Network Programming
Легендарное практическое руководство по сокетам.
https://beej.us/guide/bgnet/
9. Software Engineering at Google
Редкий случай, когда большая книга O'Reilly целиком доступна бесплатно.
Code review, тестирование, документация, dependency management, большие кодовые базы, CI, build-системы и инженерная культура Google.
https://abseil.io/resources/swe-book
10. Pro Git
Одна из лучших книг для глубокого понимания Git.
Не только
Есть полноценная русская версия:
https://git-scm.com/book/ru/v2
Если этих десяти мало, есть ещё огромный открытый каталог бесплатных книг по языкам, базам данных, алгоритмам, ML, безопасности и DevOps:
https://ebookfoundation.github.io/free-programming-books/
Не старые PDF с давно умершими технологиями, а книги, которые до сих пор можно нормально читать и применять на практике. Все доступны легально и бесплатно онлайн.
1. The Rust Programming Language
Официальная книга по Rust от команды языка. Ownership, borrowing, lifetimes, traits, concurrency, async и устройство типичной Rust-программы.
Сейчас онлайн-версия уже ориентирована на Rust 2024 Edition, поэтому это один из самых актуальных способов войти в язык.
https://doc.rust-lang.org/book/
2. Eloquent JavaScript
Одна из лучших бесплатных книг по JavaScript. Четвёртое издание вышло в 2024 году и использует современный JavaScript.
Кроме самого языка разбираются браузер, DOM, HTTP, Node.js, асинхронность и несколько полноценных проектов.
https://eloquentjavascript.net/
3. Automate the Boring Stuff with Python
Python через реальные задачи: файлы, регулярки, SQLite, веб-скрейпинг, Excel, JSON, PDF, автоматизация браузера и рабочего стола.
На сайте уже доступно третье издание.
https://automatetheboringstuff.com/3e/
4. Think Python, 3rd Edition
Хороший вариант для тех, кто хочет не просто запомнить синтаксис Python, а разобраться в программировании как таковом.
Третье издание построено вокруг Jupyter Notebook, добавляет тестирование, регулярные выражения и современные практические задания.
https://greenteapress.com/wp/think-python-3rd-edition/
5. Crafting Interpreters
Книга, после которой компиляторы и языки программирования перестают выглядеть магией.
За время чтения ты собственноручно создаёшь язык с парсером, областями видимости, функциями, closures, классами, байткодом и сборщиком мусора.
https://craftinginterpreters.com/
6. Operating Systems: Three Easy Pieces
Одна из самых известных открытых книг по операционным системам.
Процессы, виртуальная память, планировщики, concurrency, файловые системы, I/O и виртуализация.
https://pages.cs.wisc.edu/~remzi/OSTEP/
7. Dive into Systems
Отличный мост между обычным программированием и пониманием того, что реально происходит внутри компьютера.
C, Assembly, память, CPU, кэши, архитектура компьютера, ОС, pthreads и параллельное программирование.
https://diveintosystems.org/
8. Beej's Guide to Network Programming
Легендарное практическое руководство по сокетам.
socket(), bind(), listen(), accept(), TCP, UDP, IPv4 и IPv6 с примерами на C/C++.https://beej.us/guide/bgnet/
9. Software Engineering at Google
Редкий случай, когда большая книга O'Reilly целиком доступна бесплатно.
Code review, тестирование, документация, dependency management, большие кодовые базы, CI, build-системы и инженерная культура Google.
https://abseil.io/resources/swe-book
10. Pro Git
Одна из лучших книг для глубокого понимания Git.
Не только
commit, push и pull, но и internals Git, branching, rebasing, hooks, серверная часть и устройство объектов Git.Есть полноценная русская версия:
https://git-scm.com/book/ru/v2
Если этих десяти мало, есть ещё огромный открытый каталог бесплатных книг по языкам, базам данных, алгоритмам, ML, безопасности и DevOps:
https://ebookfoundation.github.io/free-programming-books/
📚 Бесплатная книга по выпуклой оптимизации - 130 страниц
"Convex Optimization: Algorithms and Complexity" - хорошее введение в алгоритмы выпуклой оптимизации и их вычислительную сложность.
Внутри:
* градиентные методы
* ускоренные методы
* субградиентная оптимизация
* проксимальные алгоритмы
* first-order methods
* оценки скорости сходимости
* сложность оптимизационных алгоритмов
Полезно для ML, математики и тех, кто хочет глубже понять, что стоит за обучением моделей.
PDF:
https://arxiv.org/abs/1405.4980
"Convex Optimization: Algorithms and Complexity" - хорошее введение в алгоритмы выпуклой оптимизации и их вычислительную сложность.
Внутри:
* градиентные методы
* ускоренные методы
* субградиентная оптимизация
* проксимальные алгоритмы
* first-order methods
* оценки скорости сходимости
* сложность оптимизационных алгоритмов
Полезно для ML, математики и тех, кто хочет глубже понять, что стоит за обучением моделей.
PDF:
https://arxiv.org/abs/1405.4980
⚙️ Почему процессор ждёт память: разбор от Algorithmica
Обход массива подряд и переходы по цепочке указателей могут сильно отличаться по скорости. При pointer chasing адрес следующего элемента становится известен только после чтения предыдущего - процессору приходится ждать данные.
В разделе RAM & CPU Caches разбирают:
* задержки доступа к кешам и оперативной памяти;
* влияние порядка чтения данных на скорость;
* кеш-линии и предварительную загрузку — prefetching;
* параллельные обращения к памяти;
* размещение и упаковку структур данных.
По ссылке - глава Memory Latency с примером на C++, измерениями и графиками. Полезно для понимания того, почему код с небольшим числом операций всё равно может тормозить.
https://en.algorithmica.org/hpc/cpu-cache/latency/
Обход массива подряд и переходы по цепочке указателей могут сильно отличаться по скорости. При pointer chasing адрес следующего элемента становится известен только после чтения предыдущего - процессору приходится ждать данные.
В разделе RAM & CPU Caches разбирают:
* задержки доступа к кешам и оперативной памяти;
* влияние порядка чтения данных на скорость;
* кеш-линии и предварительную загрузку — prefetching;
* параллельные обращения к памяти;
* размещение и упаковку структур данных.
По ссылке - глава Memory Latency с примером на C++, измерениями и графиками. Полезно для понимания того, почему код с небольшим числом операций всё равно может тормозить.
https://en.algorithmica.org/hpc/cpu-cache/latency/
🕸 Как превратить граф в признаки и векторы для машинного обучения
Седьмая лекция курса Graph Machine Learning посвящена Shallow Graph Learning - методам построения представлений графов без глубоких графовых нейросетей.
Внутри:
* Graphlets - небольшие подграфы для описания локальной структуры.
* Laplacian Eigenmaps - построение эмбеддингов через спектр лапласиана.
* Кратчайшие пути и диффузионные расстояния - способы измерять близость вершин.
* Weisfeiler–Lehman - уточнение меток вершин для сравнения структуры графов.
* DeepWalk и Node2vec - обучение эмбеддингов на случайных блужданиях.
* Skip-gram и negative sampling - как обучаются эти представления.
Материал для тех, кто хочет разобраться в основах графовых эмбеддингов перед изучением GNN.
PDF - https://storage.googleapis.com/xavierbresson/lectures/GML/lecture07_shallow_graph_learning.pdf
Седьмая лекция курса Graph Machine Learning посвящена Shallow Graph Learning - методам построения представлений графов без глубоких графовых нейросетей.
Внутри:
* Graphlets - небольшие подграфы для описания локальной структуры.
* Laplacian Eigenmaps - построение эмбеддингов через спектр лапласиана.
* Кратчайшие пути и диффузионные расстояния - способы измерять близость вершин.
* Weisfeiler–Lehman - уточнение меток вершин для сравнения структуры графов.
* DeepWalk и Node2vec - обучение эмбеддингов на случайных блужданиях.
* Skip-gram и negative sampling - как обучаются эти представления.
Материал для тех, кто хочет разобраться в основах графовых эмбеддингов перед изучением GNN.
PDF - https://storage.googleapis.com/xavierbresson/lectures/GML/lecture07_shallow_graph_learning.pdf