ML Baldini • Nikita Boyandin

Вот и 22) Сложно описать этот год словами, еще сложнее что-то загадывать в следующем(но я уже загадал)))). Главное, что у меня получилось собрать окружение тех людей, с которыми мне очень комфортно и на которых я могу положиться, так что не сбавляем обороты и кайфуем от жизни дальше❤️

Топ-15 сайтов для подготовке к собесу, когда до него осталось три дня 😎 Сейчас очень много подборок ресурсов по подготовке к собесам, но часто, когда времени мало, ты не успеваешь пройти все темы. Поэтому ниже я подготовил свой топ-ресурсов, который будет полезен каждому: 1. Когда сказали, что на кодинге будет мл задачи 2. Быстрые вопросы про LLM и docker в виде карточек 3. Архитектура AI-агентов, когда нужно выделиться 4. Понимание процессов в команде и разработке(методичка от моего бро) 5. Как правильно выбирать компанию 6. Хендбук от яндекса по мл, самая лучшая теория 7. Кейсы по MLSD, которые точно спросят 8. Если совсем все забыл и теорию надо вспоминать с нуля 9. Все, что тебе нужно знать про промпты 10. Практика по коду, меняя душная, чем на leetcode 11. Деплой и лучшие практики 12. Самое визуальное обьяснение LLM 13. Лучшая статья про трансформеры 14. Как работают нейронные сети 15. Все, что нужно быстро вспомнить про вероятности 💗 - если нужно больше таких подборок

HARD SKILLS🫥 Сегодня разобрали, как использовать AI-агентов для закрытия задач в спринте😎 Автор поста: @ml_baldini #hardskills

Легендарный продукт NAASralli))) #Мем

Та самая ИП контора в Кипре 😁

#ништяки 🍑 В поисках крутых инфоповодов и тем для моих постов я наткнулся на довольно крутой курс по всему ML, который включает в себя 260 уроков от линейной алгебры до сложных агентских взаимодействий, а также реально сложные вещи, как инфраструктура, KV-cache и методы квантизации, но главное он АБСОЛЮТНО бесплатный. Сайт курса: https://aiengineeringfromscratch.com/ Репозиторий курса: https://github.com/rohitg00/ai-engineering-from-scratch 💗 - почаще скидывать такие ништяки

Любой AI продукт

#memes

#Что_там с ML в формуле-1 😎 За последние полтора года я вернулся в стаю ярых болельщиков формулы и отдельно madmax, до этого смотрел формулу с 2013 по 2016 года, но устал от доминации Мерседес и начал следить за биатлоном(привет-привет, доминация Фуркада). Кажется в конце 2025 можно было почти точно предсказать результат гонки исходя из конфигурации трассы, формы пилота и прогноза погоды, поэтому я нашел пайплайн системы предсказания результатов гонки. Параметры архитектуры: 1️⃣В качестве базового параметра используется детерминированный алгоритм расчета времени прохождения круга (градусы шин, уровень топлива, DRS, трафик). 2️⃣Модель остаточных значений LightGBM, обученная на исторических данных телеметрии FastF1 для коррекции изменений темпа, внедряется в процесс генерации профиля водителя перед выполнением моделирования методом Монте-Карло. 3️⃣Метод Монте-Карло с 10 000 итерациями, позволяющий получить распределения P10/P50/P90 для каждого гонщика в каждой гонке. 4️⃣Вспомогательный классификатор опасностей для автомобиля безопасности (для каждого круга), модулирующий вероятность срабатывания системы безопасности в симуляции. 5️⃣Версионирование функций в процессе разработки: возраст шин × состав резины, разница в результатах квалификации, вариативность сектора, частота активации DRS, коэффициент эволюции трассы, разница в погодных условиях. 6️⃣Оптимизатор стратегий работает с 400 итерациями (отдельно от основного механизма Монте-Карло), чтобы поддерживать приемлемое время отклика веб-сайта. Сам проект на гите: https://github.com/XVX-016/F1-PREDICT Сайт проекта: https://f1.tanmmay.me/#/simulation Кажется, было бы классно под новый регламент сделать более совершенную систему, в которой прикрутить агента с новостями и агента-стратега. 💗 - если было бы интересно

На злобу дня)