✍️ Михаил Шуфутинский печатает

💯 100+ готовых Colab-ноутбуков для fine-tuning LLM

Собрана коллекция из 100+ Colab-ноутбуков с пошаговыми гайдами по fine-tuning любых семейств языковых моделей.
Всё в одном месте — запускай, пробуй и адаптируй под свои задачи.

Подходит для:
🔥 экспериментов с разными архитектурами LLM
🔥 быстрого прототипирования
🔥 обучения и изучения техник fine-tuning

Отличный ресурс, чтобы не тратить время на настройку окружения и сразу переходить к практике.

📱 Ссылка на репозиторий

🐸 Библиотека дата-сайентиста

#буст

🚀 Как запустить Random Forest на GPU и получить ускорение в 40 раз

Оказалось, это реально просто — и даже open-source. Фреймворк Hummingbird компилирует обученные ML-модели в тензорные вычисления.

Что это даёт:
— модель можно гонять на GPU, TPU и других ускорителях,
— при этом сохраняется исходная точность,
— а инференс становится до 40 раз быстрее.

📌 Это особенно полезно, если модель уже обучена, а вам важно её быстро и эффективно задеплоить.

Для обучения на GPU есть альтернатива — RAPIDS CuML.

🐸 Библиотека дата-сайентиста

#буст

✍️ AI by Hand: рекуррентные нейросети (RNN)

Новое упражнение для практики:
➡️ табличная версия RNN, где можно вводить свои значения, следить за вычислениями и изучать уравнения,
➡️ классическая графическая схема RNN для наглядного сопоставления с матричной записью.

Отличный способ разобрать RNN руками и понять, как они реально работают.

🔗 Упражнение: https://clc.to/t3YQvQ

🐸 Библиотека дата-сайентиста

#буст

🖌 Colour — Python для цветовой науки

Colour — это open-source пакет для Python, включающий:
➡️ Большое количество алгоритмов для работы с цветом,
➡️ Наборы данных для исследований и экспериментов в области цветовой науки.

📱 Ссылка на репозиторий

🐸 Библиотека дата-сайентиста

#буст

📊 6 лучших библиотек Python для визуализации

Если вы начинаете работать с визуализацией в Python, выбор может показаться бесконечным: Matplotlib, seaborn, Plotly, Bokeh, Altair, Pygal… Какая библиотека лучше?

Всё зависит от задачи:
➕ Matplotlib — мощная и гибкая, но требует больше кода.
➕ Seaborn — удобна для статистических графиков.
➕ Plotly — интерактивные и красивые графики.
➕ Bokeh — для веб-визуализации.
➕ Altair — декларативный стиль, быстрый старт.
➕ Pygal — SVG-графики для встраивания.

В статье сравниваются плюсы и минусы каждой библиотеки, чтобы вам было проще выбрать подходящую под задачу.

🔗 Ссылка на статью: https://clc.to/nuqZPg

🐸 Библиотека дата-сайентиста

#буст

🔥 FineVision: открытый датасет для Vision-Language моделей

Большинство датасетов для Vision-Language моделей остаются закрытыми и недоступными для сообщества.

👍 FineVision решает эту проблему: объединяет 200+ источников, чистит данные от дублей и шума, нормализует форматы, добавляет недостающие домены (например, GUI).

FineVision — огромный мультимодальный датасет:
— 24 млн сэмплов
— 17M изображений
— 89M QA-диалогов
— 10B токенов ответов
— Оценка качества с помощью 32B VLM по 4 метрикам

Для дата-сайентистов это полезно, потому что:
➡️ можно строить собственные state-of-the-art VLM, не завися от закрытых датасетов,
➡️ легко тестировать гипотезы на чистом и сбалансированном корпусе,
➡️ доступна стриминговая загрузка через datasets, что удобно при работе с большими объёмами данных.

🔗 Ссылка на датасет

🐸 Библиотека дата-сайентиста

#буст

🐸 Библиотека дата-сайентиста

#развлекалово

🆕 Свежие новости для дата‑сайентистов

🧵 Архитектуры и данные
— The Parallelism Mesh Zoo — схемный разбор стратегий параллелизации в PyTorch и JAX через понятие device mesh. Отличный способ проверить, понимаете ли вы, как работает масштабирование на GPU. Читать
— 3 Questions: Synthetic Data — MIT о плюсах и минусах синтетических данных: от приватности и экономии до ограничений и рисков. Читать

🧠 Новые модели и AI-сервисы
— Google EmbeddingGemma — новая open-модель эмбеддингов для офлайн-работы прямо на ноутбуках и смартфонах. Подробнее
— OpenAI Jobs Platform — AI-платформа для поиска работы и сертификации AI-навыков. Подробнее
— Google NotebookLM — теперь умеет аудио-обзоры в 4 форматах: Deep Dive, Brief, Critique и Debate + более естественные голоса. Подробнее

📚 Лонгриды и статьи
— ML Q & AI. Глава 8. Успех трансформеров
—Очеловечить компьютер: как развивалось машинное обучение в середине XX века
— Интерпретация и оптимизация перцептрона Розенблатта
— Что такое детерминизм и как с ним бороться?
— Когда YOLO не спасает: как один параметр может испортить всё

🐸 Библиотека дата-сайентиста

#свежак

🐸 Библиотека задач по Data Science

🔥 AI и неструктурированные данные: возможности для дата-сайентистов

Google Cloud выпустил практическое руководство по Data Science, где показываются реальные кейсы применения AI для работы с корпоративными данными.

Вот что вы можете делать с такими данными:
▫️ Выявлять причины падения продаж — AI анализирует отзывы клиентов и говорит, какие функции продукта надо улучшить.
▫️ Создать визуальный поиск — клиенты находят товар по картинке, а не по тексту.
▫️ Автоматизировать анализ контрактов — извлекать ключевую информацию из юридических документов за секунды.
▫️ Прогнозировать спрос — точные прогнозы для каждого продукта и магазина, чтобы избежать потерь и перепроизводства.

Это огромная возможность: неструктурированные данные больше не головная боль — это источник инсайтов и новых моделей.

🔗 Ссылка на гайд

🐸 Библиотека дата-сайентиста

#буст