Международный день похмелья отмечают сегодня!

Пьем водичку и передаем нуждающимся.

🏃‍♀️ Proglib Academy

#буст

Спасибо, что были с нами в этом году 🎄

Делимся итогами, растём дальше и продолжаем учиться вместе.

🏃‍♀️ Proglib Academy

#буст

👀 ML system design: 450 примеров для изучения

Это большая таблица, которая содержит материалы с описанием систем машинного обучения более 100 компаний: от Netflix до Slack. Вы можете искать по базе, фильтруя примеры по отраслям или направлению машинного обучения.

🔗 Ссылка на полную базу

🔹 Курс «Программирование на языке Python»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib

🏃‍♀️ Proglib Academy

#буст

Рекомендация отклонена 🤨

🔹 Курс «Математика для разработки AI-моделей»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib

🏃‍♀️ Proglib Academy

#развлекалово

🤖 5 профессий в IT, которые появились благодаря ИИ

Искусственный интеллект не только автоматизирует рутинные задачи, но и создает новые профессии, о которых еще несколько лет назад никто не слышал. Какие именно — рассказываем в этой статье.

🔗 Читать статью

🔹 Курс «Математика для разработки AI-моделей»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib

🏃‍♀️ Proglib Academy

#буст

🧨 Если бы вы могли навсегда удалить ОДНУ вещь из Python…

Один подписчик признался:

«Удалил бы self. Ну серьёзно — Python придумал классы, но заставляет каждый раз напоминать об этом вручную.»

И тут мы задумались... А какие фичи Python вы бы с радостью вычеркнули навсегда?

Вот топ кандидатур на удаление:
❌ self в методах
❌ lambda, которая ничего не объясняет
❌ is vs == (и бесконечные грабли с ними)
❌ GIL, тормозящий многопоточность
❌ typing, который пугает начинающих
❌ async / await, который «ещё чуть-чуть и заработает»
❌ и, конечно, магические __dunder__-методы

🗯 А вы что выберете?
Пишите в комментариях, какую фичу вы бы убрали без сожалений.
Давайте соберём рейтинг самых раздражающих особенностей Python.

🔹 Курс «Программирование на языке Python»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib

🏃‍♀️ Proglib Academy

#буст

🔥 Полезные ресурсы на каникулы

1. Полный плейлист по аналитике данных и науке о данных на Python:
— 100 вопросов с собеседований Python (ссылка);
— 100 вопросов с собеседований Python Часть 2 (ссылка);
— Лучшие бесплатные курсы и книги по Python (ссылка);
— Python. Разбор реальных вопросов (ссылка);
— Python на английском языке (ссылка).

2. 100 вопросов c собесов в Data Science и ML:
— 100 вопросов с собеседований Data Science (ссылка);
— Вопросы с собеседований (ссылка);
— Data Science разбор реальной задачи с собеседования (ссылка).

3. Плейлист по статистике для аналитики данных и науки о данных:
— Математика машинного обучения полный курс (ссылка);
— Лекции и семинары по курсу "Математическая статистика" на русском (ссылка);
— Статистика на английском языке (ссылка);
— Плейлист статистики на английском языке (ссылка).

4. Полный SQL для аналитики и науки о данных
— Полный плейлист по SQl на английском языке (ссылка);
— Базовый курс по SQL для аналитиков и менеджеров на русском (ссылка).

5. Учебники по Git и Github
— Учебники по Git и Github на английском языке (ссылка);
— Курс по Git (ссылка).

6. EDA и Feature Engineering и Feature Selection
— Плейлист по Feature Engineering (ссылка);
— Выбор функций (ссылка).

7. Плейлист по машинному обучению
— Плейлист курс ML на английском языке (ссылка);
— Новый плейлист курс ML на английском языке (ссылка);
— Машинное обучение на английском языке (ссылка);
— Машинное обучение на русском (ссылка).

8. Полный плейлист по глубокому обучению и NLP
— NLP плейлист (ссылка);
— Полный плейлист NLP Live на английском языке (ссылка).

9. Важные фреймворки для производственных развертываний
— Подробный плейлист по Flask на английском языке (ссылка);
— BentoML Tutorial (ссылка);
— Gradio Crash Course (ссылка).

10. Полный комплект инструментов AWS Sagemaker и Sagemaker Studio
— Плейлист Sagemaker (ссылка).

11. Полное руководство по MLOPS
— Полный комплект Dockers In One Shot Английский язык (ссылка);
— Учебные пособия MLFLOW с развертыванием (ссылка);
— Мониторинг модели Evidently AI (ссылка).

🔹 Курс «Математика для разработки AI-моделей»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib

🏃‍♀️ Proglib Academy

#буст

🤔 Вопрос подписчика: где сейчас хостят Python веб-приложения

«У меня небольшой проект на FastAPI. Раньше разворачивал Ruby-приложения на EC2, Heroku, VPS. А что сейчас модно/удобно для Python?»

🔍 Куда хостить FastAPI / Python веб-приложения в 2025

1️⃣ Render / Railway / Fly.io

— Быстрый деплой, минимальный DevOps
— Поддержка Python из коробки
— Платформа берёт на себя сетку, сертификаты, CI/CD
— Хорошо для MVP, pet-проектов и стартапов

2️⃣ Docker + VPS (Hetzner, DigitalOcean, Contabo)

— Полный контроль над окружением
— Подходит для продакшна, если вы не боитесь DevOps
— Можно легко масштабировать вручную
— Дешевле в долгосрочной перспективе, но требует рук

3️⃣ Serverless (AWS Lambda + API Gateway, Vercel Edge Functions)

— Хорошо, если нужны функции «по вызову»
— Сложно, если у вас нестандартные зависимости или heavy backend
— Не для всех библиотек (например, сложно с pydantic, numpy, и heavy ML)

4️⃣ Cloud Platform-as-a-Service (Google Cloud Run, AWS App Runner, Azure App Service)

— Почти как Heroku, но от облачного провайдера
— Баланс между простотой и гибкостью
— Можно автошкалировать, легко подключить storage / мониторинг

5️⃣ Bonus: Hugging Face Spaces / Gradio / Streamlit Cloud

— Идеально для демо ML-моделей
— Не для продакшна, но отлично для презентаций и ссылок на GitHub

💬 А вы где хостите свои Python проекты?
Есть ли любимый стек или платформа, которая «просто работает»?

🔹 Курс «Программирование на языке Python»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib

🏃‍♀️ Proglib Academy

#междусобойчик

❤️ Как начать относиться к LLM с бОльшим пониманием?

Андрей Карпаты советует сравнить токены с эмодзи. Он считает, что это довольно близко к истине — каждый токен по сути является маленьким иероглифом, и языковая модель должна с нуля учить, что всё это значит, основываясь на статистике данных.

Так что проявите немного сочувствия в следующий раз, когда спросите у LLM, сколько букв ‘r’ в слове ‘strawberry’, потому что ваш вопрос выглядит вот так: 👩🏿‍❤‍💋‍👨🏻🧔🏼🤾🏻‍♀️🙍‍♀️🧑‍🦼‍➡️🧑🏾‍🦼‍➡️🤙🏻✌🏿🈴🧙🏽‍♀️📏🙍‍♀️🧑‍🦽🧎‍♀️🍏💂

🔹 Курс «Математика для разработки AI-моделей»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib

🏃‍♀️ Proglib Academy

#развлекалово

👾 Transformer своими руками

Профессор Том Йет сделал Google Sheets, в котором предлагает вам вычислить архитектуру Transformer самостоятельно. Вам даются все матрицы, являющиеся компонентами системы, и вам нужно попробовать рассчитать результирующие матрицы. Ответы, которые указаны прописным шрифтом, вы можете скрыть (а затем проверить себя).

Помимо этого, автор даёт ссылки на полезные материалы, объясняющие архитектуру Transformer.

🔹 Практический интенсив «Архитектуры и шаблоны проектирования»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib

🏃‍♀️ Proglib Academy

#буст

🔢 Калькулятор для расчёта необходимого размера выборки для A/B тестов

Реддитор поделился сайтом, который сделал, чтобы облегчить себе жизнь.

Калькулятор может:
▪️работать с разными пропорциями распределения групп (например, 20/80),
▪️поддерживать более двух тестируемых групп помимо,
▪️выбирать между односторонним и двусторонним статистическим тестом.

🔗 Ссылка на калькулятор

🔹 Курс «Программирование на языке Python»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib

🏃‍♀️ Proglib Academy

#буст

🗓 Чему вы научились на этой неделе

Вот за неделю попались интересные материалы. MLU-EXPLAIN — шикарное интерактивное объяснение нейросетей. Как работают активационные функции, почему градиентный спуск иногда тупит и как на самом деле обучаются GPT-подобные модели – все разжевано наглядно

Также посмотрели, как Python и Java справляются с обработкой больших данных. Python — король удобства, но по скорости Java пока впереди.

А вы что изучили за неделю?
Делитесь своими находками, полезными материалами👇

🔹 Курс «Математика для разработки AI-моделей»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib

🏃‍♀️ Proglib Academy

#междусобойчик

🧠 Как нейросети генерируют изображения

У нейросетей очень много направлений, но генерация изображений — это, пожалуй, самое востребованное и перспективное направление среди всех остальных.

Из этого видео вы во всех подробностях узнаете, какие есть архитектуры построения модели для создания изображений, чем они отличаются друг от друга и увидите всё на понятных практиктических примерах.

Смотреть видео

🔹 Курс «Математика для разработки AI-моделей»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib

🏃‍♀️ Proglib Academy

#буст

⛄️ Путь к мечте продолжается

Пока вы думаете, что «не хватает времени» или «сложные обстоятельства» — Стас перенёс две нейрохирургические операции, собирает себя по кусочкам, при этом проходит курс по C++, пилит проекты для портфолио и откликается на вакансии.

➡️ Читать продолжение истории Стаса

🔹 Курс «Основы IT для непрограммистов»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib

🏃‍♀️ Proglib Academy

#буст

🛠 «Roadmap недели»: Machine Learning в 2026 году

Machine Learning (ML) продолжает трансформировать индустрии. По прогнозам, к 2030 году глобальный рынок ML вырастет до $302,62 млрд, делая этот навык одним из самых востребованных.

Дорожная карта:

1️⃣ Освой базу: математика

2️⃣ Программирование

3️⃣ Основы ML

4️⃣ Глубокое обучение (Deep Learning)

5️⃣ Обработка естественного языка (NLP)

6️⃣ Научитесь разворачивать ML модели

7️⃣ Создайте портфолио

🔹 Курс «Математика для разработки AI-моделей»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib

🏃‍♀️ Proglib Academy

#оффер_мечты

🔍 Код-ревью: как не поругаться и улучшить код

Недавно спросили:

Как вы организуете код-ревью в Python-команде и как избежать конфликтов?

Код-ревью — это не просто поиск ошибок. Это часть инженерной культуры: возможность учиться, делиться опытом и вместе делать код лучше.

Но чтобы ревью не стало тормозом или ареной споров, важно выстроить процесс правильно.

1️⃣ Чёткие цели и ожидания

Ревью — это не только «работает или нет». Мы смотрим на читаемость, архитектуру, соответствие гайдлайнам, тесты, безопасность и возможные побочные эффекты.

✅ Важно заранее договориться, что считается «блокером», а что — рекомендацией.

2️⃣ Гайдлайны и чек-листы

Хороший чек-лист помогает не забыть важное:
✅ Есть ли тесты и документация?
✅ Соответствует ли код стилю (black, ruff, mypy)?
✅ Не сломано ли API?
✅ Понятна ли логика?

Такой список снижает субъективность и упрощает обсуждение.

3️⃣ Формат общения

Тон — критически важен. Мы не говорим:
🙅‍♂️ «Почему ты сделал это так странно?»
А говорим:
✅ «Как думаешь, если сделать вот так — будет понятнее? Вот пример...»

Ревью — это диалог, а не суд. И да, автор тоже имеет право отстоять решение, если оно обоснованное.

4️⃣ Обратная связь и обучение

Каждое ревью — шанс узнать что-то новое.

✅ Хорошие команды не просто указывают на ошибку, а объясняют «почему» и «как лучше».

5️⃣ Инструменты и скорость

Обычно используется Pull Request + CI.
Линтеры и типизация (black, ruff, mypy) — на автомате, чтобы не обсуждать стиль вручную.

✅ Ревью лучше делать в течение дня, чтобы не тормозить разработку.

💬 А как устроено ревью у вас в команде? Что работает, а что вызывает споры? Делитесь в комментариях 👇

🔹 Курс «Программирование на языке Python»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib

🏃‍♀️ Proglib Academy

#междусобойчик