Публикация на Хабре представляет обширную подборку блогов и Telegram-каналов по Data Science и машинному обучению. Материалы охватывают широкий спектр тем — от математических основ и построения трансформеров на Julia до разборов актуальных исследований по LLM, статистическим и оптимизационным методам, применению PyTorch Lightning и автоматического дифференцирования на Julia.

• Подборка включает авторские блоги инженеров и исследователей (Лиор Синай, Эмилио Доригатти, Алекс Молас), профессиональные заметки о разработке ML-систем и образовательные ресурсы с примерами кода и проектами на GitHub.
• Освещаются не только технические вопросы (графовые нейросети, оптимизация вычислений, сборка тензорных библиотек), но и аналитика (например, анализ гендерного разрыва в шахматах, критика многофакторной аутентификации) и вопросы культуры программирования (эссе о «хорошем коде»).
• Особое внимание уделено русскоязычным ресурсам: блог Александра Дьяконова (Central University, Kaggle Grandmaster), Telegram-каналу Open Data Science и другим агрегаторам, где можно найти обучающие материалы, разборы последних научных работ, подборки руководств и инструменты для ML.
• Публикация даёт ссылки на каналы и чаты для «прокачки» навыков: подборки по NLP, GenAI, LLM, материалы о современных индустриальных трендах, карьерные советы и ресурсы по state-of-the-art ML.

Материал будет полезен как начинающим специалистам, так и опытным ML-инженерам и исследователям, желающим быть в курсе актуальных практик и источников для профессионального развития.