Канал по Машинному обучению
@ai_machinelearning_big_data
Перейти
Огромный список лучших бесплатных курсов Data Science.
Погружение в data science/машинное обучение и ИИ в 2025 году – важнейший навык.
1. Растущий спрос на специалистов по data science: С каждым годом все больше компаний осознают значение данных для своего бизнеса и нуждаются в специалистах, которые могут анализировать и интерпретировать эти данные. Изучение data science позволит вам получить навыки, которые будут востребованы на рынке труда.
2. Возможность принимать информированные решения: Навыки Владения ИИ позволяет анализировать большие объемы данных и извлекать из них ценную информацию. Изучение этой области поможет вам развить навыки анализа данных и принимать более обоснованные решения в различных сферах жизни.
3. Развитие технологий и инструментов: В 2025 году ожидается дальнейшее развитие технологий и инструментов для работы с данными. Изучение data science и ИИ позволит вам быть в курсе последних тенденций и использовать передовые методы и инструменты для анализа данных.
4. Возможность работы в различных отраслях: DS, ИИ, МЛ применяются во многих отраслях, включая медицину, финансы, маркетинг, транспорт и другие. Изучение этой области даст вам возможность работать в различных сферах и применять свои навыки в различных проектах.
5. Перспективы карьерного роста: Data science является одной из самых востребованных профессий с высокими зарплатами и перспективами карьерного роста. Изучение data science может открыть перед вами новые возможности и помочь достичь успеха в вашей карьере.
В этой статье я собрал огромную коллекцию курсов, книг, и ресурсов для всех, кто любит и изучает машинное обучение. Сохраняйте себе эту подборку, чтобы не потерять, по мере выхода новых курсов, подборка будет обновляться.
SQL: ОГРОМНЫЙ курс, который поможет вам прокачаться в теме даже с ПОЛНОГО НУЛЯ.
• Мощнейшая теоретическая база — SQL, Tableau, типы баз данных, аналитика и применение нейросетей в данной сфере.
• СОТНИ практических задач — так вы сможете закрепить свои знания и набить руку для тасков на работе.
• Датасеты и бизнес-кейсы для практики — поймете, как решать реальные задачи и положите проекты в портфолио.
Просвещаемся — тут.
🚀 Создайте своего Bash-ассистента за час с NVIDIA Nemotron Nano v2
Хотите управлять терминалом через естественный язык — без написания команд вручную? NVIDIA выпустила гайд, как собрать локального AI-агента, который:
- Понимает инструкции вроде «Создай папку system-info и запиши туда данные о диске и памяти»
- Автоматически разбивает задачу на Bash-команды (
mkdir,df,freeи др.) - Запрашивает ваше подтверждение перед каждым выполнением — никакого «автопилота»
- Работает локально или в облаке
- Пишется всего в ~200 строках Python
Агент построен на компактной, но мощной модели NVIDIA Nemotron Nano 9B v2 и использует безопасный allowlist команд — никаких rm -rf или sudo без вашего согласия.
👉 Это не голосовой ассистент, а текстовый агент для терминала, идеально подходящий для автоматизации рутинных задач, обучения или безопасного эксперимента с AI-агентами.
Изучить гайд и код:
🔗 https://developer.nvidia.com/blog/create-your-own-bash-computer-use-agent-with-nvidia-nemotron-in-one-hour/
🖥 Microsoft представила новый цикл лекций по Python и искусственному интеллекту.
В курсе собрали актуальную информацию по коллегу на Python и создании продвинутых ИИ помощников, основанных.
• Содержание: Курс включает 9 лекций, дополненных видеоматериалами, подробными презентациями и примерами кода. Обучение разработке ИИ-агентов доступно даже для новичков в кодировании.
• Темы: В лекциях рассматриваются такие темы, такие как RAG (Retrieval-Augmented Generation), эмбеддинги, агенты и протокол MCP.
Идеальный план на выходные – углубиться в ИИ!
https://github.com/orgs/azure-ai-foundry/discussions/166
🎓 Гарвард запустил интерактивную версию культового курса CS249r — теперь это полноценный учебник по машинному обучению в продакшене.
Это не просто лекции о градиентном спуске и линейной алгебре. Это практический гайд по созданию реальных ИИ-систем, которые работают в бизнесе и приносят деньги.
Курс идеально подходит, если вы уже знаете Python — начинают с нуля, но быстро переходят к тому, что действительно важно на практике:
- 🔧 Проектирование ИИ-систем — как строить архитектуру, а не просто обучать модель
- 🗃️ Инженерия данных — от сбора до очистки и подготовки датасетов
- 🚀 MLOps — управление жизненным циклом моделей, CI/CD для ML, мониторинг качества
- 🌐 Развертывание в IoT — как запускать ИИ на устройствах с ограниченными ресурсами
Здесь вас не утонят в теории. Наоборот — покажут, как довести модель до продакшена, чтобы она не пылилась в Jupyter Notebook, а реально работала на пользователя и бизнес.
Занятия рассчитаны на выходные — идеально для тех, кто хочет учиться без отрыва от работы.
👉 Начать: https://github.com/harvard-edge/cs249r_book/
#MachineLearning #MLOps #Harvard #CS249r #AIEngineering #IoT #DataScience #ProductionML
🗯️ Полный курс по Sora 2 от OpenAI – разработчики выкатили официальный гайд по промптам и созданию ЛЮБЫХ сцен с помощью нейронки.
Вы сможете делать аниме, документалки, интервью с любыми персонажами, настраивать камеру, свет и генерить осмысленные диалоги.
Прочитали материал за вас и вытащили ГЛАВНЫЕ инсайды и промпты для ваших креативов:
1️⃣ Чем короче промпты — тем больше свободы у нейронки. Так вы дадите ИИ творческую свободу.
Пример:
In a 90s documentary-style interview, an old Swedish man sits in a study and says, “I still remember when I was young.”
2️⃣ Настраиваем формат видео:
Format & Look
Duration 4s; 180° shutter; digital capture emulating 65 mm photochemical contrast; fine grain; subtle halation on speculars; no gate weave.
3️⃣ Выставляем свет и создаем атмосферу вашего творения:
Lighting & Atmosphere
Natural sunlight from camera left, low angle (07:30 AM).
Bounce: 4×4 ultrabounce silver from trackside.
Negative fill from opposite wall.
Practical: sodium platform lights on dim fade.
Atmos: gentle mist; train exhaust drift through light beam.
4️⃣ «Подбираем» камеру для съемки шедевра. Увеличиваем или уменьшаем фокус, корректируем передний и задний планы:
Camera shot: wide shot, low angle
Depth of field: shallow (sharp on subject, blurred background)
Lighting + palette: warm backlight with soft rim
5️⃣ Ведем себя как настоящий режиссер и контролируем, задаем игру актеров:
Actor takes four steps to the window, pauses, and pulls the curtain in the final second.
Фул-версия лежит — тут.
Лучший способ обойти цензуру OpenAI и творить ЛЮБЫЕ видео — вот.
А после съемки удалить вотерки Sora 2 можно — здесь.
🎓 Основатель Coursera Эндрю Ын запустил новый курс по ИИ-агентам — он научит вас создавать ИИ-агентов на Python с помощью популярных фреймворков.
• Четыре главных паттерна дизайна агентов — Reflection, Tool use, Planning и Multi-agent collaboration.
• Акцент на эвале и анализе ошибок — необходимых навыках для успешной отладки агентных систем.
• Практика — создадите своего deep research-агента, который изучает интернет и выдаёт отчёты.
Курс: https://deeplearning.ai/courses/agentic-ai/
Hugging Face запустил официальный курс по MCP — в нём по полочкам разложили самую хайповую тему в нейронках прямо сейчас! Он за пару вечеров превратит вас из новичка в гуру.
Вы поймёте всю архитектуру MCP-серверов, научитесь пользоваться ими на практике и даже разработаете свои MCP-приложения. После прохождения курса выдают сертификат, который можно добавить в портфолио.
https://huggingface.co/learn/mcp-course/unit0/introduction
Курсы по алгоритмам машинного обучения
📌 Алгоритмы Машинного обучения с нуля
В данном курсе Вы реализуете с нуля все основные алгоритмы классического машинного обучения на чистом Python, Pandas и NumPy.
📂 Курс
📌 Machine Learning for Beginners — A Curriculum
Свежий курс от Microsoft. Курс содержит 26 уроков и 52 упражнения. В нем раскрыты такие темы, как построение регрессионных моделей, обработка данных, методы кластеризации, введение в nlp.
📂 Курс
📌 Основы науки о данных: Кластеризация K-Means в Python
Основное внимание на курсе уделяется базовым математическим, статистическим и программированием навыкам, необходимым для типичных задач анализа данных.
Вы рассмотрите эти фундаментальные концепции на примере задачи кластеризации данных и будете использовать этот пример для изучения базовых навыков программирования, которые необходимы для изучения машинного обучения.
📂 Курс
Один из крупнейших канал по машинному обучению разбором алгоритмов, гайдами, уроками и лучшими инструментами машинного обучения. Если вы хотите получать свежие новости и уроки по машинному обучению, это самый лучший и удобный способ.
📂 Ссылка
📌 Дизайн систем машинного обучения. Введение для начинающих.
Основная цель курса – развить кругозор и “насмотренность” будущих создателей ML-систем. Есть даже раздел про большие языковые модели. Курс содержит: 15 видеолекций, 14 семинаров, создание собственного проекта.
📂 Курс
📌 Курс по машинному обучению «ИИ Старт» – продвинутый уровень
Вы познакомитесь с важными аспектами машинного обучения: продвинутые алгоритмы машинного обучения (бустинг, SVM, кластеризация и методы понижения размерности), обработка естественного языка с помощью нейросетей, внедрение нейросетей в Telegram-ботов. Практические задания приближены к задачам, которые специалисты по ИИ встречают в работе.
📂 Курс
📌 Введение в компьютерный интеллект. Машинное обучение.
Новоый спецкурса, посвященный классическим алгоритмам машинного обучения (теория + практика).
📂 Курс
📌 Новый бесплатный открытый курс по нейронауке для людей с бэкграундом в машинном обучении.
Хороший курс для углубления в вычислительную нейронауку. Курс состоит из 34 коротких видеороликов, начиная с вводных тем и заканчивая недавними открытиями, которые мы до сих пор до не изучены. Кроме того, в курсе есть практические упражнения в Google Colab.
📂 Курс
📌 Большая подборка полезных каналов по машинному обучению.
Здесь есть все от ресурсов с вакансиями и фриланс-проектами до подробного разбора вопросов с собеседований.
📂 Папка
📌 Введение в машинное обучение
Курс “Введение в машинное обучение” Константина Воронцова рассматривает популярные задачи, решаемые с помощью машинного обучения, такие как классификация, регрессия и кластеризация. Слушателю необходимо иметь представление об основных математических понятиях, таких как функции, производные, векторы и матрицы, а также базовые навыки программирования и знакомство с языком Python.
📌 Машинное обучение для больших данных 2023/2024, ПМИ ФКН ВШЭ
Курс “Машинное обучение для больших данных семинар”, программа “Прикладная математика и информатика”, НИУ ВШЭ Лектор – Алексей Космачев
📂 Курс
Обновляемая структурированная подборка бесплатных ресурсов по тематикам Data Science и Machine Learning: курсы, открытые базы данных и датасеты, источники информации и т. д.
📂 Ссылка
В рамках данного курса слушатели познакомятся с теоретическими и практическими основами искусственных нейронных сетей. Слушатели научатся применять нейронные сети для решения широкого круга задач из области анализа данных.
📂 Курс
📌 Совсем свежий 4-часовой курс по ML
В этом ролике затронуты самые важные понятия ML и смежных областей, помимо теории, есть много кода и практических заданий (например, прогнозирование стоимости жилья).
📂 Курс
Курсы по математике для аналитиков данных.
📌 Прикладная математика для машинного обучения
Курс для студентов без математического бэкграунда. В курсе изложены основные понятия необходимые для понимания методов, на которых строится машинное обучение и модели нейронных сетей. Также целью курса является разъяснть как могут быть преобразованы и представлены данные для последующего обучения моделей на них.
📂 Курс
📌 100 уроков математики от Алексея Савватеева!
Идея этого курса — рассказать про математику. Но не про школьную математику, а про математику, которой занимаются настоящие Математики. Можно сказать, что это курс мехматовской математики в изложении, пригодном даже для детей. Если все понятно и очень интересно — то вам сюда!
📂 Курс
Популярный канал математика для Дата Саентистов. Полезная математисечкая теория с уклонном в машинное обучени.
📂 Ссылка
📌 Linear Algebra Refresher Course
📂 Это бесплатный курс для изучения основ линейной алгебры.
📂 Курс
Изучите основы теории вероятностей и статистики c Университетом Брауна. В курсе предоставлены наглядные, интерактивные визуализации, которые помогут вам в обучении.
📂 Курс
📌 Intro to Inferential Statistics
Отличный продвинутый курс – “Введение в описательную статистику”.
📂 Курс
📌 Eigenvectors and Eigenvalues
Это очень короткий курс, в котором вы изучите линейные преобразования, векторы, метод главных компонентов.
📂 Курс
📌 Differential Equations in Action
В этом курсе 7 уроков. В нем вы научитесь находить решения систем дифференциальных уравнений.
📂 Курс
Курс “Введение в статистику” – это совершенно БЕСПЛАТНЫЙ курс для начинающих. Курс ведет сооснователь Udacity Себастьян Трун. Структура курса интересна и увлекательна для начинающих.
📂 Курс
📌 Статистическое мышление и анализ данных.
Этот курс представляет собой введение в статистический анализ данных. Темы курса охватывают области прикладной вероятности, выборки, оценки, проверки гипотез, линейной регрессии, дисперсионного анализа, категориального анализа данных и многое другое.
📂 Курс
📌 Большая подборка курсов по статистике и теории вероятностей
Математика — это краеугольный камень Data Science. Хотя некоторые теоремы, аксиомы и формулы кажутся слишком абстрактными и далекими от практики, на самом деле без них невозможно по-настоящему глубоко анализировать и систематизировать огромные массивы данных.
📂 Ссылка
Разбор вопросов с собеседований по машинному обучению.
📂 Ссылка
Этот предмет представляет собой введение в теорию вероятностей и анализ данных. Он предназначен для того, чтобы дать студентам знания и практический опыт, необходимые им для интерпретации данных. Основные понятия вероятности вводятся с самого начала, поскольку они обеспечивают систематический способ описания неопределенности.
📂 Курсы
👩🎓 Полезный курс комбинаторики на YouTube
Это бесплатный плейлист с лекциями от Райгородского Андрея Михайловича, директора Физтех-школы прикладной математики и информатики МФТИ.
📂 Курс
Data Science кусры
📌 Python for Data Science: Практика Numpy
В курсе ‘Python for Data Science’ акцент делается на решении множества задач, что позволяет применять полученные знания и вспомнить уже отработанный материал.
📂 Курс
📌 Awesome Data Science: List of Resources for Data Scientists
Тщательно подобранный список Awesome ресурсов по науке о данных: cтатьи, книги, шпаргалки, даатасеты, инструменты, курсы.
📂 Github
Курс знакомит слушателей с основами машинного обучения и рассчитан в первую очередь на тех слушателей, которые только начинают свой путь в Data Science. Мы подробно разберем основные теоретические понятия, а также начнем знакомство с библиотеками Pandas и Scikit-learn — наиболее популярными инструментами для анализа данных и машинного обучения, используя язык программирования Python.
📂 Курс
📌 Анализ данных просто и доступно.
Путеводитель в мир анализа данных. Решая практические задачи, участники познакомятся с основами машинного обучения в увлекательной и доступной форме.
📂 Курс
📌 Бесплатные книги по науке о данных
В этом хранилище содержится коллекция книг, связанных с наукой о данных. Эти книги охватывают различные темы, такие как машинное обучение, глубокое обучение, визуализация данных, статистика и многое другое.
📚 Книги
📌 Анализ данных для социологов
Изучите методы анализа данных для ответа на вопросы, представляющие культурный, социальный, экономический и политический интерес.
📂 Курс
Анализ данных
Курс
📌 Анализ данных (Введение в Python и обработку таблиц)
Просто, доступно и с чувством юмора расскажем как анализировать данные на языке Python и применять машинное обучение для поиска закономерностей в массивах данных.
📂 Курс
📌 9 лучших бесплатных курсов университета MIT по науке о данных.
Подборка интересных курсов для Дата Саентистов от одного из лучших университетов в мире.
📂 Ссылка
Прикладные задачи анализа данных 2024, майнор ИАД
Курс «Прикладные задачи анализа данных», майнор “Интеллектуальный анализ данных”, НИУ ВШЭ Лектор — Михаил Гущин
📂 Курс
Курсы по визуализации данных
📌 Data Science: Visualization (Harvard university)
Изучите основные принципы визуализации данных и способы их применения с помощью ggplot2.
📂 Курс
Курс состоят из трёх небольших лекций по теории информационного дизайна и трёх практических примеров по использованию d3.js.
📂 Курс
📌 Psychology of Data Visualization
Курс по психологии визуализации данных, проводимый Майклом Френдли, преподавателем университета в Торонто, представляет собой увлекательное погружение в исторический и психологический контекст визуализации данных. Половина курса посвящена изучению научных исследований о восприятии информации и человеческом факторе в информационном дизайне. Лекции содержат множество новых примеров и ссылок, позволяющих лучше понять принципы работы визуализации данных.
📂 Курс
Научитесь создавать красивые и информативные визуализации с этим курсом от Kaggle.
📂 Курс
📌 IBM: Data Analytics and Visualization Capstone Project
Возьмите на себя роль младшего аналитика данных и используйте различные навыки и приемы работы с реальными наборами данных для выполнения практических задачи по визуализации данных.
📂 Курс
📌 Анализ и визуализация данных с помощью Power BI (Davidson)
Развивайте свои аналитические способности и осваивайте один из самых востребованных профессиональных навыков в Data science.
📂 Курс
📌 Курс Data Visualization and D3.js
Это курс от Udacity, в котором есть теоретическая часть про информационный дизайн и практическая часть про применение d3.js и библиотек основанном на нём.
Курс отличный: он бесплатный, большой и там более подробно рассмотрены основы программирования, есть тесты и задания, а также он содержит кучу ссылок на классные примеры.
📂 Курс
Этот курс будет интересен тем, кто хотел бы визуализировать карты. В курсе есть полезная информация где взять геоданные для России.
📂 Курс
Курсы Deep learning
📌 Открытый курс по глубокому обучению от университета Карнеги — Меллона
Вы начнете обучение с основ вроде полносвязных сетей, а закончится вниманием и новейшими архитектурами глубокого оубчения. Весь код курса – на PyTorch. При этом упор будет как на практику, на и на НЕповерхностную теорию: вам понадобятся начальные знания алгебры и матанализа.
📂 Курс 📂 Код
📌 Free Course: The Hands-on Reinforcement Learning course
Обучение с подкреплением — один из способов машинного обучения, в ходе которого испытуемая система обучается, взаимодействуя с некоторой средой.
Это пошаговый практический курс, который поможет вам пройти изучить RL с сымых основ.
📂 Курс
📌 Курс по практическому DL от fastAI
Бесплатный DL курс, предназначенный для людей с некоторым опытом программирования, которые хотят научиться применять глубокое обучение и машинно обучние к практическим задачам.
📂 Курс
📌 Бесплатные Книги для Дата Саентистов
Большая коллекция бесплатных книг и статей по науке о данных. В поиске вы можете найти книгу практически на любую тему.
📓 Ссылка
📌 Stanford CS25: бесплатный курс по Трансформерам от Стэнфорда
На Stanford CS 25 “Transformers United” выступали такие звездные гости, как Андрей Карпаты, Ноам Браун, Лукас Бейер и сам Джефф Хинтон! В рамках этого курса вы изучите основные концепции и принципы работы трансформеров, а также научитесь применять их для решения различных практических задач. Курс будет включать в себя как лекции, так и практические занятия, в ходе которых студенты будут иметь возможность самостоятельно применять полученные знания.
📂 Курс
📌 Курсы Kaggle: бесплатное для начинающих
Курсы от Kaggle по Pandas, Python и SQL, ML. Курсы не только для начинающих, но и для опытных программитоа: Intermediate Machine Learning, NLP, Computer Vision, Feature Engineering, Data Cleaning и другое.
📂 Курс
📌 Глубокое обучение» (Deep Learning)
Отличный курс по нейросетям на русском от Александра Дьяконова.
📂 Курс
📌 Новый беспланый курс по Reinforcement Learning from Human Feedback!
RLHF – это одна из ключевых техник, которая привела к появлению современных LLM.
В этом курсе, который ведет Никита Намджоши, разработчик из GenAI в Google cloud, вы узнаете, как работает RLHF, в том числе как применить его для настройки LLM в собственных приложениях. Вы также воспользуетесь библиотекой с открытым исходным кодом для настройки базового LLM и оцените настроенную модель, сравнив ее ответы до и после RLHF-настройки.
📂 Курс
📌 Бесплатный курс по обработке естественного языка (NLP) от The Hugging Face
Бесплатный курс по обработке естественного языка (NLP) от The Hugging Face
В этом курсе вы сможете узнать об обработке естественного языка с помощью библиотек из экосистемы Hugging Face.
📂 Курс
📌 Глубинное обучение для текстовых данных
Курс «Глубинное обучение для текстовых данных», ПМИ НИУ ВШЭ Лектор — Александр Шабалин
📂 Курс
Продвинутый курс по NLP из Университета Карнеги-Меллона.
📂 Курс
Курсы R
📌 Анализ данных в R – Stepik (INT)
В рамках трёхнедельного курса рассматриваются все основные этапы статистического анализа R, считывание данных, предобработка данных, применение основных статистических методов и визуализация результатов. Слушатели научатся основным элементам программирования на языке R, что позволит быстро и эффективно решать широчайший спектр задач, возникающих при обработке данных.
📂 Курс
📌 Анализ данных в R. Часть 2 – Stepik (INT)
Курс продолжает знакомить слушателей с использованием R для анализа данных. В этом курсе мы разберем несколько продвинутых тем, которые не были рассмотрены в первой части: предобработка данных при помощи пакетов data.table и dplyr, продвинутые приемы визуализации, работа в R Markdown.
📂 Курс
📌 Основы программирования на R – Stepik (BEG)
Курс познакомит слушателей с языком R, основными структурами данных и семантическими правилами. Мы также рассмотрим несколько углублённых тем, которые помогут овладеть принципами написания эффективного кода.
📂 Курс
Этот бесплатный онлайн-курс поможет получить прочную основу в области визуализации данных и манипулирования ими с помощью R. Направьте свою карьеру в области науки о данных с помощью необходимых навыков и техник.
📂 Курс
В рамках трёхнедельного курса рассматриваются все основные этапы статистического анализа R, считывание данных, предобработка данных, применение основных статистических методов и визуализация результатов. Слушатели научатся основным элементам программирования на языке R, что позволит быстро и эффективно решать широчайший спектр задач, возникающих при обработке данных.
📂 Курс
Курсы по Python
Здесь собрана большая коллекция бесплатных курсов, книг и ресурсов Python в 2024.
📂 Ссылка
Курсы по генеративным моделям
Недавно Microsoft выпустил новый бесплатный курс для новичков по генеративным моделям. Для прохождения курса необходим доступ к OpenAI API и базовые навыки программирования на Python.
Курс включает в себя 18 уроков, посвященных основам работы с крупными языковыми моделями, искусственными интеллектами, а также способам применения этих знаний в разработке собственных проектов.
📂 Курс
📌 Огромный бесплатный курс от Google по искусственному интеллекту.
За 32 часа на курсе вы научитесь основам нейросети с нуля. Внутри — 5 модулей про Generative AI, LLM и Responsible AI от топовых кураторов из Google. Никакой воды, только теория и практика.
📂 Курс
Nvidia совсем недавно опубликовала в открытом доступе бесплатные обучающие курсы для пользователей любого уровня подготовки по нейросетям и нейромоделям для понимания работы ИИ.
⏩ введение в ИИ в центре обработки данных: всё про машинное обучение и глубокое обучение; какие есть фреймворки и как видеокарты двигают ИИ;
⏩ усиливаем свою LLM с помощью RAG: объяснит всю базу по генерации с дополненной выборкой;
⏩ усиление рекомендательных систем с помощью ИИ: курс-коллаб NVIDIA и YouTube;
Бесплатные курсы по большим языковым моделям:
В этом курсе вы сможете узнать об обработке естественного языка с помощью библиотек из экосистемы Hugging Face. Трансформеры, работа с датасетами, токенизаторы, llm. Курс совершенно бесплатный и не содержит никакой рекламы.
Главы с 1 по 4 знакомят с основными концепциями библиотеки Transformers. К концу первой части курса вы будете знать, как работают модели-трансформеры и сможете использовать модель из Hugging Face Hub, доработать ее на собственном датасете и поделиться своими результатами на Hub.
В главах с 5 по 8 вы узнаете об основах работы с датасетами HF и токенизаторами, а затем решите классические задачи НЛП. К концу этой части вы сможете самостоятельно решать самые распространенные проблемы НЛП.
Главы с 9 по 12 выходят за рамки НЛП и рассказывают о том, как модели Transformer можно использовать для решения задач в области обработки речи и компьютерного зрения. Попутно вы узнаете, как создавать демонстрационные версии своих моделей и делиться ими, а также оптимизировать их для использования в производственных средах. К концу этой части вы будете готовы применять библиотеки для решения (почти) любой задачи машинного обучения!
📂 Курс
📌 Открытая книга для специалистов в области AI и ML
Книга состоит из 3 глав.
⏩Глава 1: Освоение OpenAI API
Первая глава знакомит читателей с API ChatGPT. Предоставлена дорожная карта для понимания ключевых стратегий, включая модерацию, Machine Reasoning и Prompt Chaining.
⏩Глава 2: LangChain
Вторая глава посвящена практике использования LangChain. Описан процесс разработки, от настройки среды до внедрения передовых методик извлечения информации (Document Loaders, Text Splitters, Semantic Search, RAG Systems).
⏩Глава 3: ML Ops для LLMs, или LLMOps
Третья глава представляет собой руководство по интеграции LLM в рабочие процессы.
Описываются ключевые этапы от выбора модели до ее развертывания и мониторинга.
Стоит учитывать, что книга не может охватить много аспектов, по-большей части всё вокруг прикручивания готового чат-бота для своих целей
Но при всё при этом можно найти для себя много всего полезного
📚 Книга
Бесплатный курс от Cohere о том как работают эмбединги, механизм внимания , трансформеры, генерация текста и как всё это применять для реальных задач.
Еще в курсе рассказывают про промпт-инжиниринг и дается несколько примеров того как все это применять к задачам вроде document QA, semantic search (w Langchain) и так далее.
Курс дает представление о том, как работают LLM, их практическом применении, и направляет учащихся на использование LLM для создания и развертывания собственных приложений.
Теоретическая часть курса изложена понятно, с использованием аналогий и примеров и наглядных иллюстраций, а практическая часть содержит примеры кода, которые помогут вам закрепить полученные знания. Курс регулярно обновляется.
📂 Курс
Компания LangChain не так давно выпустила курс о последних достижениях в области LLM и о создания диалоговых агентов.
В курсе особое внимание уделено введению в синтаксиса – LangChain Expression Language (LCEL), который позволяет настраивать поведение агентов.
Участники курса учатся генерировать структурированный вывод с помощью вызова функций, использовать LCEL для настройки обработки запросов, применять вызовы функций для тегирования данных и понимать маршрутизацию запросов с помощью инструментов LangChain.
Для начала лучше иметь базовое знание Python и опыт написания промптов для языковых моделей.
Прохождение этого курса предоставляет хорошую возможность изучить новейшие инструменты для создания диалоговых агентов на основе искусственного интеллекта и улучшить свои навыки в этой области!
А здесь вы можете найти всю коллекцию бесплатных курсов от Deeplearning.ai, созданных в сотрудничестве со многими компаниями, такими как LangChain, OpenAI, Google, Weights & Biases, Microsoft и другими.
📂 Курс
В этом курсе рассказывается, как создавать приложения на базе LLM, используя API, Langchain и W&B Prompts. В нем рассказывается про разработку, тестирование и проведение экспериментов и создание приложений на основе на LLM.
Для прохождения курсы нужен опыт работы на Python, но знание алгоритмов машинного обучения не требуются
📂 Курс
📌 Сразу пять бесплатных курсов от Google которые научат вас создавать ИИ и работать с LLM.
Все курсы объясняются доступным языком и знакомят вас с понятием «генеративные модели». Эти курсы дают полное представление о том, как LLM модели обучаются и как создавать их самостоятельно.
После того, как пройдете этот курс, можно будет рассказывать на вечеринке, что учились создавать ChatGPT в Google.
📂 Курс
На edX в этом году появились 2 курса от Databricks:
📌 Databricks: Large Language Models: Application through Production
Этот курс предназначен для разработчиков, специалистов по исследованию данных и инженеров, которые хотят создавать приложения, на основе LLM, с помощью самых современных и популярных фреймворков. К концу курса вы напишите свой LLM-проект, отличный вариант попрактиковаться. Курс расчитан на 6 недель, по 4-10 часов в неделю.
📂 Курс
📌 Databricks: Large Language Models: Foundation Models from the Ground Up
Вы узнаете о том, что привело к распространению моделей на основе трансформеров включая BERT, GPT и T5, и о невероятных прорывах и технологиях LLM, которые привели к появлению таких приложений, как ChatGPT. Кроме того, вы получите представление о последних достижениях в разаработке, которые продолжают улучшать LLM, например Flash Attention, LoRa, AliBi и PEFT.
📂 Курс
📌 LangChain & Vector Databases in Production” от activeloopai, towards_AI и Intel
Серия из трех курсов познакомит слушателей со знаниями и навыками для обучения, тонкой настройки и интеграции LLM в продакшен.
📂 Курс
Охватывает такие темы, как Prompt Engineering, LLMOps, UX для языковых пользовательских интерфейсов, дополненные языковые модели, быстрая разработка LLM-приложений, будущие тенденции в LLM, фундаментальные концепции и прохождение askFSDL.
📌 Новый беспланый курс по Reinforcement Learning from Human Feedback!
RLHF – это одна из ключевых техник, которая привела к появлению современных LLM.
В этом курсе, который ведет Никита Намджоши, разработчик из GenAI в Google cloud, вы узнаете, как работает RLHF, в том числе как применить его для настройки LLM в собственных приложениях.
Вы также воспользуетесь библиотекой с открытым исходным кодом для настройки базового LLM и оцените настроенную модель, сравнив ее ответы до и после RLHF-настройки.
📂 Курс
Вышла вторая версия популярного бесплатного LLM курса.
Это пошаговое руководство с полезными ресурсами, разделенное на три части: основы LLM, наука больших языковых моделей и инженерия (W.I.P.).
Идеально подходит как для новичков, так и для экспертов в области ML.
📂 GitHub
📌 Building and Evaluating Advanced RAG Applications
Бесплатный курс от deeplearning.ai по сложным техникам RAG (Retrieval Augmented Generation).🦾
В этом курсе преподаются продвинутые техники работы с LLM, которые помогут вам генерировать хорошие и релевантные ответы.
📂 Курс
📌 Development with Large Language Models Tutorial – OpenAI, Langchain, Agents, Chroma
Большие языковые модели (например, ChatGPT) могут помочь вам в решении многих задач.
Например, создание динамических пользовательских интерфейсов, навигация по тоннам текстовых данных и многое другое.
В этом курсе вы узнаете об основах и о том, как использовать LLM в своих проектах.
📂 Видео • Colab notebook , Примирение Gpt моделей
Курсы по искусственному интеллекту
📌 Intro to Artificial Intelligence
Курс начинается с основ искусственного интеллекта и его приложений. В рамках этого курса вы познакомитесь с различными алгоритмами поиска, такими как поиск по дереву, поиск по графу, поиск по ширине, поиск по A* и т.д.
📂 Курс
📌 HarvardX: CS50’s Introduction to Artificial Intelligence with Python
Курс от Гарварда, который посвящен AI: в программе теорвер, классический ML, нейросети, NLP, CV, модели Маркова и еще много чего.
📂 Курс
📌 Курс по обучению с подкреплением в робототехнике.
Бесплатный видео курс от профессора Беркли Питера Аббиля в виде лекций на YouTube. Видео последовательно дают представление об RL и обозревают популярные архитектуры обучения роботов.
📂 Курс
📌 Курс “Python для искусственного интеллекта” от МФТИ на платформе Stepik
В рамках этого онлайн-курса рассматриваются как теоретические, так и практические аспекты, необходимые для успешной работы с ИИ на Python на начальном уровне.
Python. Курс включает в себя 47 тестов и 27 интерактивных задач.
📂 Курс
📌 Linux Foundation – Основы работы с данными и искусственным интеллектом
Вы изучите основы искусственного интеллекта с помощью богатой экосистемы проектов Linux Foundation AI & Data. Этот курс хорошо подходит для любого пользователя ИИ, независимо от профессиональной подготовки и уровня технических знаний.
📂 Курс
📌 Доверенный искусственный интеллект
Курс включает в себя изучение проблем обеспечения доверия к искусственному интеллекту и подходов к их решению, а также свойств, качеств доверенного искусственного интеллекта и понятий, непосредственно связанных с доверием к ИИ, таких как управление рисками ИИ, робастность искусственного интеллекта, объяснимость, функциональная безопасность ИИ.
📂 Курс
📌 Курсы по искусственному интеллекту
Лучшие курсы по искусственному интеллекту от топовых университетов мира.
📂 Курс
📌 Artificial Intelligence Project
Этот курс построен таким образом, чтобы помочь вам применять решения в создании искусственного интеллекта для решения различных задач. Для успешной работы в реальном мире и изучения бизнес-приложений искусственного интеллекта лучшей практикой является обучение через проекты по созданию ИИ, и в этом курсе вы создадите свой собственный.
📂 Курс
📌 Бесплатный курс от Weights & Biases: Валидация данных в конвейерах ML.
На курсе вы научитесь работать с TensorFlow Data Validation, получите практический опыт проверки данных для создания надежных конвейеров ML.
📂 Курс
📌 Awesome Artificial Intelligence
Github Список кураторских проектов по искусственному интеллекту, книг, видеолекций, курсов, информационных гайдов по искусственному интеллекту, бесплатных книг и статей.
📂 Курс
Узнайте, что такое искусственный интеллект (ИИ), разберитесь в его применении и ключевых понятиях, включая машинное обучение, глубокое обучение и нейронные сети. Хороший базовый курс от IBM.
📂 Курс
Открытый курс по машинному обучению от OpenDataScience (ods.ai) под руководством Юрия Кашницкого . Имея степень кандидата наук по прикладной математике и уровень мастера Kaggle Competitions, Юрий создал курс по ML с идеальным балансом между теорией и практикой. Курс содержит большое количеством практик в виде заданий и соревнований Kaggle Inclass.
📂 Курс
Курсы ChatGPT и Prompt Engineering
📌 Токенизация в NLP: тонкости и особенности
Андрей Карпати бывший ведущий инженер OpenAI и разработчик автопилота Tesla, выпустил новое видео на своём YouTube-канале, в котором подробно рассказал о процессе токенизации. Кроме того, он продемонстрировал пример реализации Tokenizer’а, используемого в серии моделей GPT от OpenAI. Материал, нескучный и очень наглядный, поэтому бежим и смотрим!
📂 Видео Репозиторий с объяснениями кода
📌 ChatGPT Prompt Engineering for Developers
Курс предназначен именно для разработчиков. Его создатель легендарный Эндрю Нг. соучредитель и бывший руководитель Google Brain. Идеально для изучения на выходных
📂 Курс
📌 𝗣𝗿𝗮𝗰𝘁𝗶𝗰𝗮𝗹 𝗱𝗲𝗲𝗽 𝗹𝗲𝗮𝗿𝗻𝗶𝗻𝗴 𝗰𝗼𝘂𝗿𝘀𝗲🌻: 𝗭𝗲𝗿𝗼-𝘀𝗵𝗼𝘁 𝗰𝗹𝗮𝘀𝘀𝗶𝗳𝗶𝗰𝗮𝘁𝗶𝗼𝗻 𝘄𝗶𝘁𝗵 𝗖𝗟𝗜𝗣
Узнайте, как промпт инжиниринг может помочь вам в классификации изображений в бесплатном курсе от dataflowr!
📂 Курс
Prompt Engineering Tutorial – Master ChatGPT and LLM Responses
Изучите техники правильного проектирования промптов, чтобы получить качественные результаты от ChatGPT и других LLM.
📂 Курс
📌 Новый бесплатный курс: Prompt Engineering with Llama 2 от Andrew YNg and и DeepLearning.AI
Llama 2 стала очень важной моделью для всего мира ИИ.
Llama – это не одна модель, а целая коллекция моделей. В этом курсе вы узнаете: – Узнаете о различиях между разными видами Llama 2 и о том, когда следует использовать каждый из них.
В курсе также рассказывается о том, как запустить Llama 2 локально на собственном компьютере.
📂 Курс
📌 Бесплатный курс углубленного анализа данных c ChatGPT
Этот курс входит в специализацию Prompt Engineering
📂 Курс
Изучите методы оперативного проектирования, чтобы получать лучшие результаты от ChatGPT и других LLM.
📂 Курс
📌 ChatGPT Prompt Engineering for Developers
В ChatGPT Prompt Engineering для разработчиков вы узнаете, как использовать большие языковые модели для быстрого создания мощных приложений.
📂 Курс
Гайд: масштабирование баз данных / шардинг
В статье от PlanetScale подробно показано, как масштабировать базу данных через шардинг — распределение данных по нескольким серверам-шардам.
Вот основные идеи:
Что такое шардинг
Когда нагрузка и объём данных слишком велики для одного сервера, данные разбивают на части, размещают на разных машинах и используют прокси-слой для маршрутизации запросов.
Стратегии шардинга
- Range-шардинг — разбивка по диапазонам значений. Пример: user_id от 1-100 → шард 1, 101-200 → шард 2. Такой подход может привести к неравномерной нагрузке.
- Hash-шардинг — значение столбца пропускают через хеш-функцию, распределяя строки равномерно по шардам. Лучше подходит, когда столбец висококардинальный (например, user_id).
- Другие подходы – lookup-таблицы, кастомные функции и др.
Ключевые моменты
- Выбор столбца-ключа шардирования важен: он должен быть стабильным и не меняться со временем.
- Нужно минимизировать перекрёстные запросы (cross-shard queries) — когда один запрос задействует несколько шардов, это снижает производительность.
- Добавление прокси-слоя увеличивает задержку, но если всё внутри одного дата-центра, её можно свести к ~1 мс — небольшой компромисс за масштабируемость.
- Шардинг позволяет ускорить резервное копирование: если данные лежат на 4 шардах по 1 ТБ, каждая машина резервирует одновременно → сильно экономится время.
Вывод
Шардинг — мощный инструмент, но чтобы он работал эффективно, нужен правильный план: стратегия, нужный ключ, хорошие прокси и понимание запросов. Без этого архитектура может «ломаться» под нагрузкой.
https://planetscale.com/blog/database-sharding
Заключение
В заключении статьи о лучших бесплатных ресурсах для изучения машинного обучения можно написать следующее:
Надеемся, что представленные в этой статье курсы и ресурсы помогут всем начинающим разработчикам уверенно войти в мир машинного обучения и раскрыть свой потенциал. Делитесь полезными сслыка в комментариях, с другими известными курсы, которые помогли вам. Таким образом, это статья будет постоянно расширяться.
Спасибо за ваше время!
+1
+1
9
+1
1
+1
+1
