Книги для программистов

📕 Why Machines Learn: The Elegant Math Behind Modern AI (2024) Понятное объяснение математики, на которой держатся машинное обучение и современные AI-системы. ❓ Что внутри: — Линейная алгебра и математический анализ в ML — Как формулы превращаются в обучающиеся модели — Связь математики, вычислительной техники и развития AI — Возможности и ограничения машинного обучения — Примеры из медицины, нау…

😳 Documentation Driven Development звучит как ещё один модный термин. Пока не попробуешь объяснить свой проект AI. Агент работает только с тем контекстом, который ему дали. Если документация неполная или устарела, он начинает додумывать — отсюда появляется неверный код. 🔘 На курсе «ИИ для разработчиков» эту тему разбирает Арсений Харланов. Он покажет, как подготовить документацию и контекст, чтоб…

🎹 Хорошая документация сегодня экономит время не только коллегам, но и AI. Почему она стала важнее, чем кажется, — в посте ниже 👇

📕 Domain-Specific Small Language Models: Efficient AI for Local Deployment (2026) Практическое руководство по созданию и локальному запуску небольших языковых моделей для конкретных предметных областей. ❓ Что внутри: — Подбор размера модели под задачу — Fine-tuning на собственных датасетах — Hugging Face и open source-инструменты для SLM — Квантизация и оптимизация через ONNX — Запуск моделей на…

📕 Template Metaprogramming with C++ (2022) Практическое руководство по шаблонам и метапрограммированию в современном C++ — от базового синтаксиса до возможностей C++20. ❓ Что внутри: — Основы шаблонов, специализация и инстанцирование — Вывод аргументов и forwarding references — Variadic templates — Type traits и условная компиляция — Constraints и concepts в C++20 — CRTP, mixins и tag dispatching…