Когда речь заходит об учебной литературе по ML, обычно на ум приходят либо совсем базовые вещи для новичков, либо хардкорные академические талмуды, которые без бутылки аспирина не осилить. Найти что-то толковое для человека, который уже вышел из песочницы, но ещё не готов врываться в рисерч, — та ещё задачка.
Я уже не раз иронизировал на тему "убийцы Python" — языка Mojo, который с момента своего анонса обещал нам золотые горы и производительность в 35 000 раз выше. Что ж, похоже, лёд тронулся. Недавно создатель языка Крис Латтнер объявил, что теперь код на Mojo можно вызывать напрямую из Python.
Но реальность, как обычно, оказалась куда прозаичнее. Группа исследователей, среди которых медалисты олимпиад по информатике, представила новый бенчмарк LiveCodeBench Pro, который стал для современных LLM настоящим моментом истины. И результаты этого теста говорят о многом.
Сложно понимать, как писать нейронки на Python?
Есть контент, который не стареет. Например, туториал от Андрея Карпатого, где он с нуля на Python собирает и тренирует GPT.
Anthropic выкатили внутренний гайд, в котором честно показывают, как их собственные команды используют Claude Code. Главная идея, которую они активно продвигают: Claude — это не просто инструмент, а полноценный член команды. Такой junior/middle-разработчик, которому можно и нужно делегировать целые таски, а не просто просить дописать строчку.
SQL — это тот самый навык, про который многие думают «да я его знаю», а на первом же собесе на GROUP BY с HAVING начинают плавать. И неважно, кто ты — бэкендер, которому нужно составить сложный запрос к своей же базе, аналитик или дата-сайентист. Умение свободно писать на SQL — это не преимущество, а гигиенический минимум.