#machine_learning — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #machine_learning, aggregated by home.social.
-
Поиск в глубину: какие инструменты помогают работать поиску в Uzum Market
Всем привет! Меня зовут Дмитрий Шипилов, с вами команда поиска Uzum Market. Мы уже рассказывали вам о нашем поисковом движке: о том, как вообще работает ранжирование и что у него под капотом и как мы получаем кандидатов с помощью векторного поиска . Но хороший поиск — это не только правильное ранжирование и мощная retrieval-часть. Хороший поиск — это набор различных инструментов и компонентов, собранных в сложную систему. Поэтому в этой статье вы узнаете о важных вещах, без которых наш поиск не может обойтись, в том числе: как мы помогли опечаточнику понимать контекст нашего маркетплейса, почему безобидные синонимы могут привести к неожиданным эффектам, в каких случаях важно сужать количество товаров и как построить устойчивую LLM-систему для оценки качества ранжирования. Так что там про поиск
-
Когда подписи недостаточно: как мы расчищали «серую зону» в Поиске по картинкам
Исторически в Яндекс Картинках релевантность документа оценивалась по двум сигналам: насколько запросу подходит само изображение и насколько — текст, связанный с этим изображением. Такой подход позволяет учесть контент картинки и не провалиться на визуально трудноотличимых объектах, однако он же порождает проблему: в «серой зоне», когда текстовая релевантность не сонаправлена с картиночной, становится неочевидно, как именно агрегировать сигналы в финальный скор релевантности. Привет! Я Константин Николаев, занимаюсь внедрением нейротехнологий в Поиске по картинкам. В этой статье я расскажу, как наша команда научила модели смотреть на картинку и читать текст документа одновременно: начали с тяжёлой мультимодальной VLM ради максимального качества, а затем дистиллировали её в набор лёгких моделей — по одной под каждую стадию пайплайна. Что из этого удалось довести до realtime‑поиска с десятками тысяч запросов в секунду и как совместный анализ двух модальностей добавил 5% релевантных картинок в топ выдачи — под катом.
https://habr.com/ru/companies/yandex/articles/1066946/
#machine_learning #Yandex_картинки #поисковые_технологии #ml
-
Побеждаем OOM в PyTorch: как обучать гигантские графы на обычной видеокарте
При обучении графных нейросетей и гигантских эмбеддингов на миллионы узлов стандартный torch.optim.SparseAdam в PyTorch моментально забивает RAM и VRAM, вызывая ошибку CUDA out of memory (OOM). В этой статье разбираем, как устроена легковесная Open Source библиотека Disk Sparse Adam (DSA), которая выносит состояния моментов на диск через memory mapping (mmap) и позволяет обучать огромные спарс-модели на обычной домашней видеокарте.
https://habr.com/ru/articles/1068202/
#PyTorch #Machine_Learning #Open_Source #Python #GNN #OOM #SparseAdam #Оптимизация_памяти #Disk_Sparse_Adam #Глубокое_обучение
-
16 и ещё 1 причина знать SHAP
Мы знаем его как "метод на основе Теории Игр", "фреймворк" и издалека чувствуем, что это он, видя красные и синие полоски. Но что сделало этот метод таким популярным? Как он родился и почему, после релиза в 2017 году, разные группы исследователей добавляли в него новые расширения и куда этот инструмент пришел сейчас? Предлагаю впервые за долгое время потрогать от меня статью без кода — но с картинками. В ней вы узнаете ответы на вопросы и откроете для себя ровно 15 расширений SHAP. А почему причин 17 — тоже увидите из текста.
-
Machine Learning Engineering by Andriy Burkov is on sale on Leanpub! Its suggested price is $40.00; get it for $17.00 with this coupon: https://leanpub.com/MLE/c/LeanPublishingDaily20260803 #machine_learning #ai #systems_engineering #software_engineering
-
Machine Learning Engineering by Andriy Burkov is on sale on Leanpub! Its suggested price is $40.00; get it for $17.00 with this coupon: https://leanpub.com/MLE/c/LeanPublishingDaily20260803 #machine_learning #ai #systems_engineering #software_engineering
-
Геопространственный анализ данных на Python
Краткий обзор курса, который я недавно закончил пилить на Степике - Геопространственный анализ данных на Python . Курс посвящен работе с векторными геоданными в экосистеме Python: от картографических проекций и геометрий — до дорожных сетей, изохрон и интерактивных карт. С небольшим уклоном в GeoML. Курс платный. По промокоду FIRST предоставляется скидка 50%.
-
Explorative modeling: Train on the best of K guesses
https://alexiglad.github.io/blog/2026/explorative_modeling/
Comments: https://news.ycombinator.com/item?id=49135245
#HackerNews #explorative_modeling #K_guesses #machine_learning #data_science #AI
-
Explorative modeling: Train on the best of K guesses
https://alexiglad.github.io/blog/2026/explorative_modeling/
Comments: https://news.ycombinator.com/item?id=49135245
#HackerNews #explorative_modeling #K_guesses #machine_learning #data_science #AI
-
Memorization vs Generalization: что действительно умеет языковая модель (TLM) на 2 160 параметров (v1.1.0)
Продолжая тему Крошечной Языковой Модели на Nodejs мы поймем где проходит граница ее возможностей. На примере Крошечной Языковой Модели (TLM) из 2 160 параметров мы проведём воспроизводимый эксперимент и увидим в цифрах: знакомый шаблон - 99,93%, перестановка токенов - 81,69%, неизвестная структура -?%.
https://habr.com/ru/articles/1065160/
#machinelearning #machine_learning #backpropagation #selfattention #autograd #nodejs #javascript #sft #нейронная_сеть #transformer
-
[Перевод] Языковая Модель без магии: Крошечная Language Model на чистом Node.js
Мы создаем крошечную языковую модель с нуля на чистом Node.js без использования TensorFlow или PyTorch, реализуя нейроны, автоград, эмбеддинги, механизм самовнимания (self-attention), полносвязную сеть (FFN), обратное распространение ошибки и SFT, одновременно наблюдая за тем, как отдельные веса и целые матрицы изменяются в процессе обучения Это не новая GPT и не прод ML...
https://habr.com/ru/articles/1063406/
#machinelearning #machine_learning #backpropagation #selfattention #autograd #nodejs #javascript #sft #нейронная_сеть #transformer
-
Machine Learning Engineering by Andriy Burkov is on sale on Leanpub! Its suggested price is $40.00; get it for $17.00 with this coupon: https://leanpub.com/MLE/c/LeanPublishingDaily20260722 #machine_learning #ai #systems_engineering #software_engineering
-
Machine Learning Engineering by Andriy Burkov is on sale on Leanpub! Its suggested price is $40.00; get it for $17.00 with this coupon: https://leanpub.com/MLE/c/LeanPublishingDaily20260722 #machine_learning #ai #systems_engineering #software_engineering
-
Build an LLM Inference Engine in C++ by Hatem M. is on sale on Leanpub! Its suggested price is $24.00; get it for $14.40 with this coupon: https://leanpub.com/buildanllminferenceengineinc/c/LeanpubWeeklySale20260721 #machine_learning #c_and_cpp #algorithm #ai
-
Build an LLM Inference Engine in C++ by Hatem M. is on sale on Leanpub! Its suggested price is $24.00; get it for $14.40 with this coupon: https://leanpub.com/buildanllminferenceengineinc/c/LeanpubWeeklySale20260721 #machine_learning #c_and_cpp #algorithm #ai
-
Credit Scoring: Одинокое дерево, целый лес и разочарование в нейросетях
Введение Кажется, что нейросети могут все. Мы видим результат их работы в системах распознавания лиц, видеоаналитике. Нас поражает умение нейросетей рисовать изображения, распознавать и синтезировать голос, а большие языковые модели уже давно проходят тест Тьюринга и ведут беседу как живые люди. Но, как показал мой эксперимент, в задачах кредитного скоринга они нисколько не лучше классических ML-моделей. В этой статье я расскажу, как решающее дерево, случайный лес, бустинг и даже многослойная нейросеть упираются в один и тот же потолок на данных кредитного скоринга. Ход эксперимента В качестве датасета были взяты данные кредитного скоринга с https://www.kaggle.com/competitions/GiveMeSomeCredit . Сначала мы обучили решающее дерево, с кросс-валидацией. График зависимости roc-auc от количества элементов выборки (Ореол вокруг кривой – это дисперсия (разброс) при кроссвалидации):
-
Как добавить в умную колонку новые команды и ничего не сломать
Чтобы дать команду умной колонке, не обязательно говорить активационное слово «Алиса»: есть быстрые команды — короткие фразы, с помощью которых можно управлять музыкой, громкостью или умным домом. Например, чтобы переключить трек, достаточно просто сказать «дальше», а чтобы убавить звук — «тише». Весь список команд можно посмотреть в настройках вашего аккаунта в приложении «Дом с Алисой». Быстрые команды удобнее не только пользователям, но и системе: запросы через слово «Алиса» требуют обращения к модели распознавания речи ASR, которой из‑за её размеров необходимы серверные вычислительные ресурсы, а модель быстрых команд устроена гораздо компактнее. Она работает прямо на устройстве, а значит, ограничена вычислительными ресурсами самой колонки — её CPU и оперативной памятью. Из‑за этого модель нельзя сильно увеличить: ей приходится оставаться компактной, зато запрос обрабатывается быстрее. За распознавание быстрых команд отвечает нейросеть. Её архитектура почти полностью совпадает с решением для наушников Яндекс Дропс, которое подробно описал в своей статье Григорий Афанасенко . Разница в основном в масштабе: наша модель весит всего от 0,5 до 1,5 МБ в зависимости от железа конкретного устройства. Со временем перед нами встала задача добавить к базовым командам «лайк» и «дизлайк» для управления треками, а также команды «включи блютус» и «выключи блютус». Особенно это актуально для Станции Стрит, которую часто берут с собой на природу, где нет интернета. Но главным было гарантировать абсолютное отсутствие ухудшения на уже запущенных командах и не слишком сильно увеличивать потребление ресурсов на устройстве.
https://habr.com/ru/companies/yandex/articles/1061968/
#keyword_spotting #голосовая_активация #умные_устройства #алиса #быстрые_команды #continual_learning #machine_learning #deep_learning #speech_processing #обработка_звука
-
SINN: как превзойти спектральные методы при решении многомерных уравнений в частных производных
Привет, Хабр. Меня зовут Тянчи Ю, я работаю младшим научным сотрудником в группе «Вычислительный интеллект» AIRI и учусь на четвёртом году аспирантуры Сколтеха. Мои научные интересы включают научное машинное обучение и численный анализ, а также применение этих инструментов к задачам вычислительной математики. Думаю, никому из читателей не нужно объяснять, почему уравнения в частных производных столь важны. Их приходится постоянно решать для моделирования физических, инженерных и финансовых систем — причём быстро и с высокой точностью. Однако с ростом размерности задачи вычислительная стоимость классических численных методов стремительно увеличивается. Спектральные методы обеспечивают исключительно высокую точность в задачах малой размерности. Методы на основе нейронных сетей, напротив, лучше подходят для многомерных задач, но часто уступают с точки зрения точности и эффективности. В 2024 году мы предложили подход, объединяющий преимущества этих двух направлений: спектрально‑информированную нейронную сеть (Spectral Informed Neural Network, SINN). С тех пор нам удалось его усовершенствовать. Недавно на конференции ICML 2026 мы представили статью , посвящённую новому методу (она, к слову, получила там Spotlight). Здесь же я хотел бы кратко рассказать, что именно мы сделали.
https://habr.com/ru/companies/airi/articles/1061040/
#machine_learning #physicsinformed_machine_learning #SpectralInformed_Neural_Networks
-
Build Your Own Coding Agent by J. Owen is on sale on Leanpub! Its suggested price is $34.99; get it for $15.99 with this coupon: https://leanpub.com/build-your-own-coding-agent/c/LeanpubWeeklySale20260714 #ai #python #software_engineering #machine_learning #computer_programming
-
Build Your Own Coding Agent by J. Owen is on sale on Leanpub! Its suggested price is $34.99; get it for $15.99 with this coupon: https://leanpub.com/build-your-own-coding-agent/c/LeanpubWeeklySale20260714 #ai #python #software_engineering #machine_learning #computer_programming
-
Почему «чем проще, тем лучше» не работает на ИИ-классификаторе
Обучил multi-label классификатор на 15 классов для модерации Discord-сообщества, получил micro F1 = 0.9358 — цифра, с которой можно закрывать задачу и не разбираться дальше. Но стоило посмотреть на precision и recall по каждому классу отдельно, как выяснилось: recall на TOXIC — около 0.78, а для части редких меток test split вообще не подтверждает качество — положительных примеров там почти нет. Разбираю на реальных цифрах и коде: почему агрегированная метрика такое скрывает, как считать вес классов через pos_weight при сильном дисбалансе, почему checkpoint стоит выбирать по macro F1, а не по training loss, и где принцип «чем проще — тем лучше» перестаёт работать при оценке качества классификатора. Подробнее
https://habr.com/ru/articles/1059444/
#machine_learning #multilabel_classification #ruBERT #class_imbalance #nlp #pytorch #bert #text_classification
-
Персонализация без Big Data: как мы ранжируем новости в Telegram с помощью pgvector и пяти сигналов
У меня накопилось 23 Telegram-канала. Не потому что я специально их коллекционировал. Просто со временем подписывался на новые. В какой-то момент понял, что читаю всего несколько процентов того, что приходит. Остальное просто пролистываю в поисках чего-то интересного. Проблема здесь простая. Telegram показывает посты только по времени публикации. Самые новые всегда наверху. Неважно, интересна тебе тема или нет. Никакой персонализации нет. Есть только хронология. Из-за этого появился CleanNews — бот, который собирает посты из ваших Telegram-каналов и формирует персональную подборку. В этой статье я покажу, как работает его рекомендательный движок. В основе — пять независимых сигналов, pgvector и контрастный вектор. И всё это без огромного обучающего датасета на миллионы записей.
https://habr.com/ru/articles/1059600/
#рекомендательные_системы #ranking #embeddings #machine_learning
-
RE: https://aus.social/@danielpelliccia/116843445917856343
Still time to register for the next Nirpy Webinar presented by Dr Mercedes Bertotto.
"Bridging Model Validation and Analytical Validation in Spectroscopy: The Role of the Accuracy Profile"
When: Tomorrow, July 15th, 2026, 16:00 CET
#Spectroscopy #Machine_learning #MachineLearning #NIR #NearInfrared
-
RE: https://aus.social/@danielpelliccia/116843445917856343
Still time to register for the next Nirpy Webinar presented by Dr Mercedes Bertotto.
"Bridging Model Validation and Analytical Validation in Spectroscopy: The Role of the Accuracy Profile"
When: Tomorrow, July 15th, 2026, 16:00 CET
#Spectroscopy #Machine_learning #MachineLearning #NIR #NearInfrared
-
Build, Debug, Infer, Quantize — A C++ & LLM Bundle by Hatem M. is the featured bundle of ebooks 📚 on Leanpub!
Four books. One complete arc: master C++, debug like a forensic investigator, build an LLM inference engine from scratch, and understand quantization down to the bit level.
Link: https://leanpub.com/b/thecompletecllmengineeringlibrary
#Computer_programming #C_and_cpp #Algorithm #Machine_learning #Ai
-
Build, Debug, Infer, Quantize — A C++ & LLM Bundle by Hatem M. is the featured bundle of ebooks 📚 on Leanpub!
Four books. One complete arc: master C++, debug like a forensic investigator, build an LLM inference engine from scratch, and understand quantization down to the bit level.
Link: https://leanpub.com/b/thecompletecllmengineeringlibrary
#Computer_programming #C_and_cpp #Algorithm #Machine_learning #Ai
-
Feature Selection in Machine Learning by Soledad Galli, PhD is on sale on Leanpub! Its suggested price is $29.99; get it for $21.24 with this coupon: https://leanpub.com/feature-selection-in-machine-learning/c/LeanPublishingDaily20260706 #python #ai #machine_learning
-
Feature Selection in Machine Learning by Soledad Galli, PhD is on sale on Leanpub! Its suggested price is $29.99; get it for $21.24 with this coupon: https://leanpub.com/feature-selection-in-machine-learning/c/LeanPublishingDaily20260706 #python #ai #machine_learning
-
Детектор был прав, разметка врала: как мы искали слепую зону LLM-судей и нашли ошибки в эталоне
Мы собрали training‑free детектор галлюцинаций из шести готовых языковых моделей, получили хорошие метрики и наткнулись на красивую загадку: группу примеров, которые все судьи единогласно считали корректными, хотя эталонная разметка помечала их как галлюцинации. На первый взгляд это выглядело как универсальная слепая зона LLM‑as‑judge — переносимый и потенциально важный результат. Однако собственная процедура проверки показала обратное: большей части этих меток не удалось пройти сверку с первоисточником. Судьи всё это время были правы. Эта статья не столько о детекторе и не о предполагаемой слепой зоне, сколько о процедуре проверки, которая в итоге поймала нас самих.
https://habr.com/ru/articles/1057056/
#LLM #RAG #LLMasaJudge #RAGTruth #Hallucination_Detection #AI_Evaluation #Галлюцинации_LLM #Генеративный_ИИ #NLP #Machine_Learning
-
Нейросеть-автопилот вместо 400 Playwright-тестов
Юнит-тесты, интеграционные и Playwright E2E ловят баги в интерфейсе, но бессильны против вопроса «а не выгоднее ли просто положить стартовый капитал на депозит и ждать?». Рассказываю, как я заменил часть ручного тестирования браузерной космостратегии крошечной нейросетью-автопилотом — 49 тысяч параметров, чистый TypeScript без ONNX, и пять граблей от потолка точности 67% до сети, которая наглухо замирала при 99.7%. Посмотреть на грабли
https://habr.com/ru/articles/1056722/
#тестирование_игр #нейросети #behavioural_cloning #typescript #playwright #game_ai #machine_learning #разработка_игр
-
Подводные камни Learned Motion Matching: опыт реализации
В прошлой статье я сделал обзор на существующие на данный момент методы реализации анимации персонажей с применением машинного обучения. Однако существует ряд нераскрытых приемов, без которых финальный результат будет неудовлетворительным. В этой статье я поделюсь опытом реализации Learned Motion Matching.
https://habr.com/ru/articles/1056588/
#motion_capture_for_animation #neural_networks #gamedev #machine_learning #animation #Learned_Motion_Matching
-
[Перевод] Как на самом деле работают LLM
В статье подробно рассматриваются принципы работы больших языковых моделей (large language model, LLM). Поскольку в основе большинства современных LLM лежит архитектура трансформера (transformer), ее понимание дает представление о ключевых механизмах, обеспечивающих работу таких моделей. В этой статье мы разберем ключевые принципы работы современных LLM, построенных на архитектуре трансформера. Я постараюсь объяснить основные идеи без погружения в сложную математику. Конечно, для глубокого понимания темы математическая база важна, но для первого знакомства этого материала должно быть достаточно.
https://habr.com/ru/companies/timeweb/articles/1055872/
#llm #ai #ml #machine_learning #artificial_intelligence #искусственный_интеллект #машинное_обучение #большая_языковая_модель #timeweb_статьи_перевод
-
Помочь пользователю открыть новое: как мы боролись с замкнутым кругом рекомендаций в Яндекс Лавке
Хорошая рекомендательная система быстро учится угадывать, что вы положите в корзину. И чем точнее она угадывает, тем реже показывает что‑то незнакомое: ведь выгоднее предлагать проверенное. Со временем система замыкается на привычках человека и перестаёт показывать ему хоть что‑то за их пределами. Беда в том, что интересы меняются, а система просто так этого не замечает. Изменить ситуацию, как правило, удаётся лишь ценой краткосрочных потерь: стоит добавить в выдачу незнакомые товары, и объём ближайших покупок неизбежно начинает снижаться. Меня зовут Рамиль Боярченков, я занимаюсь машинным обучением в команде Яндекс Лавки. Расскажу, как мы собрали механизм, который подмешивает незнакомые товары персонально — тем, кто к ним расположен, — и с какой вероятностью это делать для каждого пользователя. По пути разберу, как мы калибровали «агрессивность» exploration и что получилось в итоге.
https://habr.com/ru/companies/yandex/articles/1051044/
#яндекс #machine_learning #многорукие_бандиты #exploration #discovery
-
Переоценённый король
Самая вычислительно прожорливая индустрия в истории считает на языке, который медленнее C примерно в 70 раз и занял 26-е место из 27 по энергоэффективности. Разбираемся, как Python стал королём ИИ, во сколько обходится его корона — в микросекундах, гигаватт-часах и удвоенном труде инженеров, — и почему новые территории (on-device, edge, локальный инференс) уже отвоёвывают компилируемые языки, в первую очередь Swift. С цифрами, ссылками на первоисточники и разбором честных контраргументов.
https://habr.com/ru/articles/1055592/
#swift #python #ai #machinelearning #machine_learning #mlx #apple
-
Как я запустил перцептрон на обычном непрограммируемом калькуляторе Casio
Всем привет, это моя первая статья на Хабре, и я решил посвятить ее своему недавнему мини‑проекту, сутью которого является обучение небольшого перцептрона 2-5-1 с помощью Python без сторонних библиотек (типа NumPy), и его последующий инференс на непрограммируемом инженерном калькуляторе Casio‑Fx-82-Es Plus (2 nd edition). В качестве задачи для перцептрона я выбрал определение того, находится ли точка в пределах графика следующей лемнискаты Бернулли: (x² + y²)² — 2a²(x² — y²) = 0 (с a = sqrt(0.5), то есть вообще без коэффициента 2a²), с минимально приемлемой вероятностью (70–85%)
https://habr.com/ru/articles/1055284/
#машинное+обучение #перцептрон #ml #python #ai #нейросети #нейросеть #machinelearning #machine_learning #machinelearning
-
Как мы реализовали оптимальное обучение CV-моделей в Luna Line. Часть 2. Сегментация
И снова здравствуйте! Продолжаю свой рассказ о поиске «универсального рецепта» для обучения моделей в Luna Line. Теперь речь пойдет о сегментации. Если вы пропустили предыдущую публикацию по классификации, то вам лучше начать читать с нее , чтобы не запутаться. Дело в том, что когда мы разобрались с классификацией, наша же методология оставила послевкусие неудовлетворенности. Мы задавали себе вопрос: а действительно ли выбранное семейство показывает максимум своих возможностей или мы просто зажали его в рамки единого пайплайна? Для сегментации мы решили действовать иначе.
https://habr.com/ru/companies/ru_mts/articles/1053300/
#computer_vision #deep_learning #machine_learning #ai #искусственный_интеллект #компьютерное_зрение #данные_для_обучения #cv #сегментация_изображений #обучение_нейронных_сетей
-
Умеют ли трансформеры водить машину
Трансформеры уже умеют писать код, генерировать тексты и рисовать картины. Но могут ли они управлять автономным автомобилем в реальных городских условиях, среди людей и других машин? Меня зовут Максим, я руковожу службой поведения и предсказания движения в Автономном транспорте Яндекса. Отвечаю за задачу Motion Planning — ту часть системы, которая решает, как именно должен двигаться автомобиль в следующие секунды. В этой статье я расскажу, как мы используем архитектуры на основе трансформеров в планировании движения и почему это сильно отличается от привычных задач генеративных моделей. Мы пройдём путь от первых ML‑экспериментов до регулярных испытаний на реальных машинах. Разберём, чем Open Loop отличается от Closed Loop, почему качество предсказаний не определяет качество вождения и почему безопасность для нас важнее любой архитектуры.
https://habr.com/ru/companies/yandex/articles/1052424/
#яндекс #machine_learning #selfdriving #reinforcement_learning #transformers
-
LLM Quantization: From the Bits Up by Hatem M. is a new release on Leanpub!
Anyone can run INT4 and read off the accuracy drop. This book explains why that number is what it is — building every quantization method from scratch, breaking it on purpose, and measuring the result. Quantization, from the bits up.
Link: https://leanpub.com/llmquantization
#books #ebooks #newreleases #leanpublishing #selfpublishing #ai #machine_learning #ai_programming_with_python #python
-
LLM Quantization: From the Bits Up by Hatem M. is a new release on Leanpub!
Anyone can run INT4 and read off the accuracy drop. This book explains why that number is what it is — building every quantization method from scratch, breaking it on purpose, and measuring the result. Quantization, from the bits up.
Link: https://leanpub.com/llmquantization
#books #ebooks #newreleases #leanpublishing #selfpublishing #ai #machine_learning #ai_programming_with_python #python
-
AI vs AI: The Architecture of the Artificial Deadlock by Fabian Rose is a new release on Leanpub!
Link: https://leanpub.com/aivsaiartificialdeadlock
#books #ebooks #newreleases #leanpublishing #selfpublishing #computer_programming #vibe_engineering #science #data_science #machine_learning
-
Applied Statistics for Data Science: from visual diagnostics to drift detection by Gal Arav is the featured book 📖 on Leanpub!
Launch Price $9.99 Special! — price will increase as I plan to steadily add more chapters over the coming weeks.
Link: https://leanpub.com/applied-statistics-for-data-science
-
Machine Learning with Rust, Second Edition: Implement data pipelines, classical models, deep learning and NLP using burn, candle, linfa and smartcore by GitforGits | Asian Publishing House is a new release on Leanpub!
Link: https://leanpub.com/rustmachinelearning
#books #ebooks #newreleases #leanpublishing #selfpublishing #machine_learning #deep_learning #neural_networks #large_language_models #ai #rust
-
The Forecasting, CatBoost & Conformal Prediction Tetralogy by Valery Manokhin is the featured bundle of ebooks 📚 on Leanpub!
Link: https://leanpub.com/b/forecasting_catboost_conformal_predictiontetralogy
#computer_science #machine_learning #mathematics #python #data_science #deep_learning #education #engineering #non_fiction_ecoonomics #neural_networks #textbooks #algorithm #computer_programming
-
Python for Data Analysis: From Basics to Real-World Projects with NumPy, Pandas, Visualization, SQL, and Machine Learning by Mohammad Belal Ansari is a new release on Leanpub!
Unlock the power of data with Python. Learn how to clean, analyze, visualize, and model real-world data using NumPy, Pandas, SQL, and machine learning techniques.
Link: https://leanpub.com/python-for-data-analysis
#books #ebooks #newreleases #leanpublishing #selfpublishing #computer_programming #databases #machine_learning #flask
-
Local AI Engineering with Ollama: Run, understand, customize, fine-tune, and build agentic apps on your own hardware by Aymen El Amri is a new release on Leanpub!
Link: https://leanpub.com/local-ai-engineering-with-ollama
#books #ebooks #newreleases #leanpublishing #selfpublishing #gpt #machine_learning #ai_programming_with_python #python #computer_programming #large_language_models #software_engineering #vibe_engineering
-
Build Your Own Coding Agent by J. Owen is on sale on Leanpub! Its suggested price is $34.99; get it for $15.99 with this coupon: https://leanpub.com/build-your-own-coding-agent/c/LeanpubWeeklySale20260616 #ai #python #software_engineering #machine_learning #computer_programming
-
The Agentic AI book: From Language Models to Multi-Agent Systems by Dr. Ryan Rad is the featured book 📖 on Leanpub!
It's never been easier to build an AI agent—and never been harder to make one that actually works. This book takes you from language model foundations to production-ready multi-agent systems, with the depth to understand what you're building and why it fails.
Link: https://leanpub.com/TheAgenticAIbook
#ai #computer_science #deep_learning #data_science #gpt #neural_networks #machine_learning
-
Ultimate ML interpretability bundle: Interpretable Machine Learning + Interpreting Machine Learning Models With SHAP by Christoph Molnar is the featured bundle of ebooks 📚 on Leanpub!
-
Build Your Own Coding Agent by J. Owen is on sale on Leanpub! Its suggested price is $34.99; get it for $15.99 with this coupon: https://leanpub.com/build-your-own-coding-agent/c/LeanpubWeeklySale20260519 #ai #python #software_engineering #machine_learning #computer_programming
-
Machine Learning Engineering by Andriy Burkov is on sale on Leanpub! Its suggested price is $40.00; get it for $17.00 with this coupon: https://leanpub.com/MLE/c/LeanPublishingDaily20260513 #machine_learning #ai #systems_engineering #software_engineering
-
Build Your Own Coding Agent: The Zero-Magic Guide to AI Agents in Pure Python by J. Owen is the featured book 📖 on Leanpub!
Skip the black-box frameworks. Build a production-grade AI coding agent from scratch in pure Python - cloud or local, tested with pytest, all in a single file.
Link: https://leanpub.com/build-your-own-coding-agent
#ai #python #software_engineering #machine_learning #computer_programming