The trailer for "Python, the Documentary" by
@CultRepo
premieres today! 🔥🐍
https://youtu.be/pqBqdNIPrbo?si=Gn-tcgChdurZr6fW
#python #machinelearning #deeplearning #ai #developer #dev #devsecops #devops #mlops #learn #learning #focus #study #git #gitlab #github #codeberg #software #statistics #pandas #numpy #tensorflow #pytorch #jax #huggingface #linux #ubuntu #mint #popos #llm #openai #chatgpt
🧠 From Kafka to Kubernetes—discover the 12 core components that make AI systems mission-driven, ethical, and ready for real-time action. 🌍 Whether you're building for climate, healthcare, or education, this architecture is your blueprint for impact.
🔗 https://medium.com/@rogt.x1997/from-kafka-to-kubernetes-inside-the-12-components-of-a-mission-driven-ai-stack-31271a83aa80
#AIforGood #EthicalAI #MLops #AIArchitecture
https://medium.com/@rogt.x1997/from-kafka-to-kubernetes-inside-the-12-components-of-a-mission-driven-ai-stack-31271a83aa80
🧠 From Kafka to Kubernetes—discover the 12 core components that make AI systems mission-driven, ethical, and ready for real-time action. 🌍 Whether you're building for climate, healthcare, or education, this architecture is your blueprint for impact.
🔗 https://medium.com/@rogt.x1997/from-kafka-to-kubernetes-inside-the-12-components-of-a-mission-driven-ai-stack-31271a83aa80
#AIforGood #EthicalAI #MLops #AIArchitecture
https://medium.com/@rogt.x1997/from-kafka-to-kubernetes-inside-the-12-components-of-a-mission-driven-ai-stack-31271a83aa80
Iniciando em MLOps
Laboratório Hacker de Campinas, segunda-feira, 2 de junho às 19:00 BRT
MLечный путь 2025 — знания, опыт, коммьюнити. Как это было?
Привет, Хабр! 23 апреля мы провели в Петербурге митап для ML-специалистов. Спикеры обсудили запуск LLM в продакшен, оптимизацию GPU-инференса, а также Edge-решения для медицины и агросектора. Минимум теории — больше кейсов от Selectel, Cloud.ru, Celsus и Русагро. Как подобрать инфраструктуру под LLM? Как контейнеризировать GPU в многоарендных средах? Как запускать ML на комбайне или медицинском поезде без интернета? На эти вопросы ответили в четырех докладах на MLлечном пути. А еще мы организовали питч-сессию для стартапов. Пять проектов на стадии pre-MVP боролись за призовой фонд в 100 000 бонусов. Победителей выбирали сами зрители. В тексте рассказываем, как все было.
MLечный путь 2025 — знания, опыт, коммьюнити. Как это было?
Привет, Хабр! 23 апреля мы провели в Петербурге митап для ML-специалистов. Спикеры обсудили запуск LLM в продакшен, оптимизацию GPU-инференса, а также Edge-решения для медицины и агросектора. Минимум теории — больше кейсов от Selectel, Cloud.ru, Celsus и Русагро. Как подобрать инфраструктуру под LLM? Как контейнеризировать GPU в многоарендных средах? Как запускать ML на комбайне или медицинском поезде без интернета? На эти вопросы ответили в четырех докладах на MLлечном пути. А еще мы организовали питч-сессию для стартапов. Пять проектов на стадии pre-MVP боролись за призовой фонд в 100 000 бонусов. Победителей выбирали сами зрители. В тексте рассказываем, как все было.
Переходим от legacy к построению Feature Store
Невероятная история о том, как внедрить систему Feature Store в проект с огромным legacy и получить профит. Привет, Хабр! Меня зовут Евгений Дащенко, я из компании «Домклик», которая решает все вопросы, связанные с недвижимостью, включая оценку стоимости недвижимости любого типа. Это статья по мотивам моего доклада на конференции Highload++ про интерфейс между данными и ML-моделями Feature Store: как мы сделали его с нашей командой, каких результатов добились и с какими подводными камнями столкнулись на пути.
https://habr.com/ru/companies/oleg-bunin/articles/908970/
#feature_store #ml #mlops #ai #python #машинное_обучение #архитектура #обработка_данных #ops #data_science
💬 Discussion fuel:
How’s your team handling feature sprawl?
Tried Iceberg/Nessie? Hot takes?
Build your own Siri locally and on-device | Hacker News
LinkBuild your own Siri locally and on-device
Great read on the often-overlooked human side of ML development from David Martin on @towardsdatascience:
https://towardsdatascience.com/learnings-from-a-machine-learning-engineer-part-6-the-human-side/
The truth:
It doesn’t really matter whether it’s computational engineering, machine learning—or whatever technology comes next.
The hardest part isn’t—and never was, and never will be—the technology.
It’s aligning the people involved.
sc0v0ne
Dr. Thompson
Laboratório Hacker de Campinas
Code || Coffee ☕
Habr
Habr 25+
bayo
卡拉今天看了什麼
Michael Lorenz, M.Sc. Energy