программирование и машинное обучение
Учебники к курсам НГУ «Применение Python в физических
исследованиях» (направление «Прикладные математика и физика») и «Базовые методы
искусственного интеллекта» (профиль «Физическая информатика»), а также сборники
разобранных задач.
Разработка и применение ПО
в физических исследованиях 2025 — учебник в пяти
частях: инструменты разработчика (ИИ-ассистенты, Git), Linux от процесса загрузки
и файловых систем до установки Arch Linux и Docker, устройство интерпретатора Python
(объекты и память, коллекции и их сложность, генераторы, декораторы, классы), алгоритмы
и структуры данных для физика, инженерные практики — жизненный цикл ПО, требования
к коду, путь от скрипта к приложению. mdBook.
GitHub
Базовые методы
искусственного интеллекта в физических исследованиях 2026 —
теория: метрические алгоритмы, линейная и логистическая регрессия, деревья, случайный лес
и градиентный бустинг, понижение размерности и кластеризация, нейронные сети. Практикум:
свой kNN, своя линейная и логистическая регрессия, нейросеть прямого распространения
для классификации, Kaggle-соревнование для начинающих. В конце вопросы и ответы к зачёту.
mdBook.
GitHub
Рецепты машинного
обучения 2026 — 12 коротких тетрадей с примерами
регрессии и классификации на встроенных датасетах scikit-learn, от линейной регрессии
до многослойного перцептрона. Каждую можно запустить и изменить как заготовку для своей
задачи. Jupyter Book.
GitHub
Базовые
алгоритмы 2022 — разборы задач с Яндекс Контеста
на Python и Go: условие, формат ввода и вывода, решение. Восемь спринтов: введение
в алгоритмы, основные структуры, рекурсия и сортировки, хеш-функции, деревья, графы,
жадные алгоритмы и динамическое программирование, алгоритмы на строках; отдельно —
подготовка к собеседованиям. Читается на GitHub.
Остальные репозитории — в организации
phys-dev.
