🔥 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.iss.one/ai_machinelearning_big_data
Python: t.iss.one/pythonl
Linux: t.iss.one/linuxacademiya
Хакинг: t.iss.one/linuxkalii
DevOps: t.iss.one/DevOPSitsec
Docker: https://t.iss.one/+90Z5TAyfuNU5YmRi
Golang: t.iss.one/Golang_google
Rust: t.iss.one/rust_code
C++: t.iss.one/cpluspluc
C#: t.iss.one/csharp_1001_notes
Java: t.iss.one/javatg
JavaScript: t.iss.one/javascriptv
React: t.iss.one/react_tg
Frontend: t.iss.one/front
PHP: t.iss.one/phpshka
Android: t.iss.one/android_its
Мобильная разработка: t.iss.one/mobdevelop
Базы данных: t.iss.one/sqlhub
Data Science: t.iss.one/data_analysis_ml
Big Data: t.iss.one/bigdatai
Математика: t.iss.one/data_math
Физика: https://t.iss.one/+S4hinvO3QI43ZjNi
Kubernetes: t.iss.one/kubernetc
GameDev: https://t.iss.one/gamedev
Haskell: t.iss.one/haskell_tg
Собеседования и карьера:
DS собеседования: t.iss.one/machinelearning_interview
Python собеседования: t.iss.one/python_job_interview
Папка с вакансиями: t.iss.one/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.iss.one/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.iss.one/addlist/eEPya-HF6mkxMGIy
Папка ML: https://t.iss.one/addlist/2Ls-snqEeytkMDgy
Папка Frontend: https://t.iss.one/addlist/mzMMG3RPZhY2M2Iy
Полезное сверху:
ИТ-мемы: t.iss.one/memes_prog
Английский для программистов: t.iss.one/english_forprogrammers
ИИ и технологии: t.iss.one/vistehno
954 ГБ open-source курсов: https://t.iss.one/+rKBQEMccAA01MTcy
ИТ-книги бесплатно: https://t.iss.one/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.iss.one/ai_machinelearning_big_data
Python: t.iss.one/pythonl
Linux: t.iss.one/linuxacademiya
Хакинг: t.iss.one/linuxkalii
DevOps: t.iss.one/DevOPSitsec
Docker: https://t.iss.one/+90Z5TAyfuNU5YmRi
Golang: t.iss.one/Golang_google
Rust: t.iss.one/rust_code
C++: t.iss.one/cpluspluc
C#: t.iss.one/csharp_1001_notes
Java: t.iss.one/javatg
JavaScript: t.iss.one/javascriptv
React: t.iss.one/react_tg
Frontend: t.iss.one/front
PHP: t.iss.one/phpshka
Android: t.iss.one/android_its
Мобильная разработка: t.iss.one/mobdevelop
Базы данных: t.iss.one/sqlhub
Data Science: t.iss.one/data_analysis_ml
Big Data: t.iss.one/bigdatai
Математика: t.iss.one/data_math
Физика: https://t.iss.one/+S4hinvO3QI43ZjNi
Kubernetes: t.iss.one/kubernetc
GameDev: https://t.iss.one/gamedev
Haskell: t.iss.one/haskell_tg
Собеседования и карьера:
DS собеседования: t.iss.one/machinelearning_interview
Python собеседования: t.iss.one/python_job_interview
Папка с вакансиями: t.iss.one/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.iss.one/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.iss.one/addlist/eEPya-HF6mkxMGIy
Папка ML: https://t.iss.one/addlist/2Ls-snqEeytkMDgy
Папка Frontend: https://t.iss.one/addlist/mzMMG3RPZhY2M2Iy
Полезное сверху:
ИТ-мемы: t.iss.one/memes_prog
Английский для программистов: t.iss.one/english_forprogrammers
ИИ и технологии: t.iss.one/vistehno
954 ГБ open-source курсов: https://t.iss.one/+rKBQEMccAA01MTcy
ИТ-книги бесплатно: https://t.iss.one/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 по программированию, которые можно читать прямо с GitHub
1. The Rust Programming Language
https://github.com/rust-lang/book
2. Rust by Example
https://github.com/rust-lang/rust-by-example
3. The Little Book of Rust Books
https://github.com/lborb/book
4. Python Data Science Handbook
https://github.com/jakevdp/PythonDataScienceHandbook
5. Dive Into Deep Learning
https://github.com/d2l-ai/d2l-en
6. Probabilistic Machine Learning
https://github.com/probml/pml-book
7. Algorithms for Decision Making
https://github.com/algorithmsbooks/algforopt-notebooks
8. Operating Systems: Three Easy Pieces
https://github.com/remzi-arpacidusseau/ostep-homework
9. Crafting Interpreters
https://github.com/munificent/craftinginterpreters
10. Free Programming Books — огромная библиотека бесплатных книг по Python, Java, C++, Go, AI, SQL, Linux и десяткам других тем
https://github.com/EbookFoundation/free-programming-books
Последний репозиторий особенно полезен: там собрана огромная регулярно обновляемая база легально доступных книг и учебных материалов по программированию.
1. The Rust Programming Language
https://github.com/rust-lang/book
2. Rust by Example
https://github.com/rust-lang/rust-by-example
3. The Little Book of Rust Books
https://github.com/lborb/book
4. Python Data Science Handbook
https://github.com/jakevdp/PythonDataScienceHandbook
5. Dive Into Deep Learning
https://github.com/d2l-ai/d2l-en
6. Probabilistic Machine Learning
https://github.com/probml/pml-book
7. Algorithms for Decision Making
https://github.com/algorithmsbooks/algforopt-notebooks
8. Operating Systems: Three Easy Pieces
https://github.com/remzi-arpacidusseau/ostep-homework
9. Crafting Interpreters
https://github.com/munificent/craftinginterpreters
10. Free Programming Books — огромная библиотека бесплатных книг по Python, Java, C++, Go, AI, SQL, Linux и десяткам других тем
https://github.com/EbookFoundation/free-programming-books
Последний репозиторий особенно полезен: там собрана огромная регулярно обновляемая база легально доступных книг и учебных материалов по программированию.
📚 Бесплатная книга по causal inference + ML
Applied Causal Inference Powered by Machine Learning and AI - большая открытая книга про причинно-следственный анализ с современным уклоном в машинное обучение и AI.
Внутри:
* causal graphs и DAG
* потенциальные исходы
* A/B и observational data
* propensity score
* matching и weighting
* heterogeneous treatment effects
* Double/Debiased Machine Learning
* causal forests
* uplift и policy learning
* связь causal inference с современными ML-моделями
Подойдёт тем, кто хочет выйти за пределы обычной корреляции и разбираться, что действительно влияет на результат.
496 страниц, PDF доступен бесплатно:
https://arxiv.org/abs/2403.02467
Applied Causal Inference Powered by Machine Learning and AI - большая открытая книга про причинно-следственный анализ с современным уклоном в машинное обучение и AI.
Внутри:
* causal graphs и DAG
* потенциальные исходы
* A/B и observational data
* propensity score
* matching и weighting
* heterogeneous treatment effects
* Double/Debiased Machine Learning
* causal forests
* uplift и policy learning
* связь causal inference с современными ML-моделями
Подойдёт тем, кто хочет выйти за пределы обычной корреляции и разбираться, что действительно влияет на результат.
496 страниц, PDF доступен бесплатно:
https://arxiv.org/abs/2403.02467
📚 Бесплатная работа по Information Geometry и Fisher–Rao Distance
Исследование посвящено численному приближению расстояния Fisher–Rao между многомерными нормальными распределениями.
Внутри разбираются:
- Fisher–Rao Distance
- Information Geometry
- Fisher Information
- KL и Jeffreys Divergence
- статистические многообразия и геодезические
- SPD-матрицы
- Mahalanobis Distance
- численные методы приближения
Полезно для ML-исследователей, data scientists, статистиков и тех, кто изучает продвинутую теорию вероятностей.
Бесплатный PDF:
https://arxiv.org/pdf/2302.08175
Исследование посвящено численному приближению расстояния Fisher–Rao между многомерными нормальными распределениями.
Внутри разбираются:
- Fisher–Rao Distance
- Information Geometry
- Fisher Information
- KL и Jeffreys Divergence
- статистические многообразия и геодезические
- SPD-матрицы
- Mahalanobis Distance
- численные методы приближения
Полезно для ML-исследователей, data scientists, статистиков и тех, кто изучает продвинутую теорию вероятностей.
Бесплатный PDF:
https://arxiv.org/pdf/2302.08175
This media is not supported in your browser
VIEW IN TELEGRAM
Интегрируйте OCR в ваш Python-продукт за 15 минут 🚀
Создаёте SaaS, автоматизируете B2B или собираете ИИ-агентов на Python? Забудьте про облачные костыли и отправку конфиденциальных данных на чужие сервера!
Provision OCR — российский движок для локального распознавания документов в защищенном контуре.
⚡️ Python-friendly: интеграция через REST API и gRPC для FastAPI, Django или Flask.
⚡️ Docker-ready: быстрый запуск в один контейнер без сложной настройки окружения.
⚡️ 100% локальности: полное соответствие требованиям безопасности.
⚡️ Производительность: от <3 сек/стр. на GPU (RTX 2070+) или работа на CPU, точность до 99%.
⚡️Готовые шаблоны любых документов на русском: договоры, счета-фактуры и другие.
💻 Пример интеграции с Django:
https://github.com/Provision-Labs/Django_OCR_UI
💡 Дистрибутив в нашем Telegram-канале: @ProvisionLabs
#Python #Django #FastAPI #OCR #ProvisionOCR #Backend #OnPremise #AI #DevOps #OpenSource #ИИ
Создаёте SaaS, автоматизируете B2B или собираете ИИ-агентов на Python? Забудьте про облачные костыли и отправку конфиденциальных данных на чужие сервера!
Provision OCR — российский движок для локального распознавания документов в защищенном контуре.
⚡️ Python-friendly: интеграция через REST API и gRPC для FastAPI, Django или Flask.
⚡️ Docker-ready: быстрый запуск в один контейнер без сложной настройки окружения.
⚡️ 100% локальности: полное соответствие требованиям безопасности.
⚡️ Производительность: от <3 сек/стр. на GPU (RTX 2070+) или работа на CPU, точность до 99%.
⚡️Готовые шаблоны любых документов на русском: договоры, счета-фактуры и другие.
💻 Пример интеграции с Django:
https://github.com/Provision-Labs/Django_OCR_UI
💡 Дистрибутив в нашем Telegram-канале: @ProvisionLabs
#Python #Django #FastAPI #OCR #ProvisionOCR #Backend #OnPremise #AI #DevOps #OpenSource #ИИ
Forwarded from Python/ django
This media is not supported in your browser
VIEW IN TELEGRAM
🔥 Face Anything - восстановление 4D-лица из любой последовательности изображений
На ECCV 2026 представили Face Anything - unified feed-forward модель для высокоточного 4D face reconstruction и плотного трекинга лица.
Ключевая идея - canonical facial point prediction: каждому пикселю назначается нормализованная координата лица в общем каноническом пространстве.
Это позволяет объединить dense tracking и динамическую реконструкцию в одну задачу и получать:
* стабильную геометрию между кадрами
* точные соответствия facial points
* 4D-реконструкцию из произвольной последовательности изображений
Код:
https://github.com/kocasariumut/FaceAnything
На ECCV 2026 представили Face Anything - unified feed-forward модель для высокоточного 4D face reconstruction и плотного трекинга лица.
Ключевая идея - canonical facial point prediction: каждому пикселю назначается нормализованная координата лица в общем каноническом пространстве.
Это позволяет объединить dense tracking и динамическую реконструкцию в одну задачу и получать:
* стабильную геометрию между кадрами
* точные соответствия facial points
* 4D-реконструкцию из произвольной последовательности изображений
Код:
https://github.com/kocasariumut/FaceAnything
🔥 Python + AI без игрушечных демок. Курс для тех, кто хочет собирать рабочие системы.
Stepik: «Python современный AI для разработчика и автоматизации задач»
63 урока, 382 шага, практика с кодом и автопроверкой.
Внутри: RAG, tool calling, агенты, evals, MCP, Ollama, vLLM, pgvector + HNSW, безопасный text-to-SQL, prompt injection, кэш, очереди и sandbox для агентного кода.
Плюс реальные автоматизации: почта, отчёты, боты, вебхуки и браузерные сценарии.
Для тех, кто уже знает Python и хочет перейти к production AI.
⏳ 72 часа скидка 55%
https://stepik.org/a/295921
Stepik: «Python современный AI для разработчика и автоматизации задач»
63 урока, 382 шага, практика с кодом и автопроверкой.
Внутри: RAG, tool calling, агенты, evals, MCP, Ollama, vLLM, pgvector + HNSW, безопасный text-to-SQL, prompt injection, кэш, очереди и sandbox для агентного кода.
Плюс реальные автоматизации: почта, отчёты, боты, вебхуки и браузерные сценарии.
Для тех, кто уже знает Python и хочет перейти к production AI.
⏳ 72 часа скидка 55%
https://stepik.org/a/295921
Forwarded from Machine learning Interview
MIT бесплатно выложил 920-страничный учебник Mathematics for Computer Science.
Это большой курс по математике, которая реально нужна в Computer Science.
Внутри:
- логика и доказательства
- множества и отношения
- индукция
- графы
- теория чисел
- рекуррентные соотношения
- комбинаторика
- вероятность
- дискретные структуры и алгоритмическое мышление
Хорошая база для алгоритмов, теории вычислений и более серьёзного изучения CS.
📗 PDF доступен бесплатно.
Это большой курс по математике, которая реально нужна в Computer Science.
Внутри:
- логика и доказательства
- множества и отношения
- индукция
- графы
- теория чисел
- рекуррентные соотношения
- комбинаторика
- вероятность
- дискретные структуры и алгоритмическое мышление
Хорошая база для алгоритмов, теории вычислений и более серьёзного изучения CS.
📗 PDF доступен бесплатно.
📚 Бесплатный 17-страничный PDF по Hidden Markov Models
Короткий и плотный разбор HMM от Stanford.
Внутри:
- скрытые состояния и наблюдения
- transition и emission probabilities
- вычисление вероятности последовательности
- Forward algorithm
- Viterbi algorithm
- обучение параметров модели
- базовые примеры применения
Хороший материал, чтобы быстро понять HMM без огромного учебника.
PDF:
https://web.stanford.edu/~jurafsky/slp3/A.pdf
Короткий и плотный разбор HMM от Stanford.
Внутри:
- скрытые состояния и наблюдения
- transition и emission probabilities
- вычисление вероятности последовательности
- Forward algorithm
- Viterbi algorithm
- обучение параметров модели
- базовые примеры применения
Хороший материал, чтобы быстро понять HMM без огромного учебника.
PDF:
https://web.stanford.edu/~jurafsky/slp3/A.pdf
🔥 Хак в Django:
Оказывается,
Идея:
А затем добавить её прямо в модель:
После этого makemigrations сам подхватит изменение, а migrate выполнит нужный SQL.
Почему это работает:
Index уже умеет генерировать SQL через create_sql() и remove_sql().
Так можно описывать не только индексы, но и:
Автор использовал этот приём для PostgreSQL Anonymizer, чтобы правила анонимизации жили рядом с моделью и автоматически попадали в миграции.
Подход довольно hacky, но как способ расширить механизм миграций Django — очень интересный.
https://www.better-simple.com/django/2026/09/02/nifty-feature-use-index-for-custom-migrations/
Meta.indexes можно использовать для собственных миграцийОказывается,
models.Index в Django можно превратить почти в универсальную migration-операцию.Идея:
class CustomMigrationOperation(models.Index):
def create_sql(self, model, schema_editor, **kwargs):
...
def remove_sql(self, model, schema_editor, **kwargs):
...
А затем добавить её прямо в модель:
class Meta:
indexes = [CustomMigrationOperation()]
После этого makemigrations сам подхватит изменение, а migrate выполнит нужный SQL.
Почему это работает:
Index уже умеет генерировать SQL через create_sql() и remove_sql().
Так можно описывать не только индексы, но и:
triggers
table comments
security labels
другие schema-level настройки
Автор использовал этот приём для PostgreSQL Anonymizer, чтобы правила анонимизации жили рядом с моделью и автоматически попадали в миграции.
Подход довольно hacky, но как способ расширить механизм миграций Django — очень интересный.
https://www.better-simple.com/django/2026/09/02/nifty-feature-use-index-for-custom-migrations/