Логотип YeaHub

База вопросов

Собеседования

Тренажёр

База ресурсов

Обучение

Навыки

Задачи

Войти

Выбери, каким будет IT завтра — вместе c нами!

YeaHub — это полностью открытый проект, призванный объединить и улучшить IT-сферу. Наш исходный код доступен для просмотра на GitHub. Дизайн проекта также открыт для ознакомления в Figma.

© 2026 YeaHub

AI info

Карта сайта

Документы

Медиа

Специализация

Python Backend Developer

Java Backend Developer

Node.js Backend Developer

Golang Backend Developer

React Frontend Developer

Посмотреть все

Выберите навыки

Git

Git

CI/CD

CI/CD

Postgres

Postgres

Python

Python

Docker

Docker

Посмотреть все

Типы ресурсов

Видео

Подкаст

Канал

Курс

Статья

Посмотреть все

Полезные ресурсы в IT


Эндрю Ын запускает бесплатный курс по ИИ-агентам

deeplearning.ai

Курс

Эндрю Ын запускает бесплатный курс по ИИ-агентам

Всё реализуется на чистом Python. Эндрю подчёркивает, что создание ИИ-агентов — один из самых востребованных навыков на рынке.

Терялся в собственном коде?

gitvizz.com

Инструмент

Терялся в собственном коде?

Встречай Gitvizz, инструмент, который мгновенно превращает кодовую базу в интерактивные графы, чтобы наглядно увидеть, как всё связано

Хочешь изучить Git, не рискуя своей локальной установкой?

scrum-master.es

Инструмент

Хочешь изучить Git, не рискуя своей локальной установкой?

Теперь можно запускать команды Git прямо из браузера , с пошаговым объяснением, что делает каждая команда.

Мини-курс о применении ИИ в разработке

cursor.com

Курс

Мини-курс о применении ИИ в разработке

Он рассчитан на начинающих, пройти его можно всего за час. Конспекты доступны на русском языке

Линейная алгебра

stepik.org

Курс

Линейная алгебра

Данный курс представляет собой краткое изложение основ линейной алгебры. Основная его задача - напомнить базовые факты линейной алгебры, использующиеся в тех или иных разделах практического программирования.

Почему галлюцинации ломают каждую LLM — и что с этим делать

habr.com

Статья

Почему галлюцинации ломают каждую LLM — и что с этим делать

Статья объясняет, почему большие языковые модели (LLM) непредсказуемы и как «галлюцинации» — то есть непоследовательные или неверные ответы — мешают созданию надёжных приложений на их основе: в отличие от традиционного кода, где логика детерминирована, LLM — «чёрный ящик», поведение которого трудно проверить и протестировать, а любые изменения промптов — лишь эвристика, не гарантирующая стабильности; автор обсуждает сложности тестирования таких систем и отмечает, что только глубокие исследования и новые методы способны частично решить эти проблемы, но сегодня разработчикам приходится мириться с ограничениями и тестировать модели на реальных задачах

Подкасты Y_LAB

music.yandex.ru

Подкаст

Подкасты Y_LAB

Здесь вы найдете разнообразный IT-контент: от глубоких технических обсуждений до увлекательных и расслабляющих бесед. Наши эпизоды охватывают широкий спектр тем, связанных с разработкой и новейшими технологиями, чтобы каждый разработчик нашел что-то для себя. Присоединяйтесь к нам, чтобы углубить свои знания, оставаться в тренде и вдохновляться новыми идеями!

Kolesa Podcast

music.yandex.ru

Подкаст

Kolesa Podcast

Podcast by IT-компания Kolesa Group. В целом он обо всём и вся. Интересно для прослушивания на досуге

Machine Learning: Нейросети и машинное обучение

music.yandex.ru

Подкаст

Machine Learning: Нейросети и машинное обучение

Подкаст "Machine Learning" — это захватывающее путешествие в мир нейросетей, машинного обучения и искусственного интеллекта, созданное для всех, кто хочет разобраться в технологиях, меняющих мир! Каждую неделю мы погружаемся в актуальные темы: от новейших архитектур нейросетей, таких как трансформеры, до применения ИИ в медицине, финансах, играх и творчестве. Вместе с ведущими экспертами, исследователями и практиками мы обсуждаем, как алгоритмы учатся, почему большие языковые модели вроде GPT революционизируют обработку данных, и какие этические дилеммы стоят за развитием ИИ.

Математика на складе. Как оптимизировать хаос

habr.com

Статья

Математика на складе. Как оптимизировать хаос

В этой статье команда Ozon Tech показывает, как прикладная математика помогает оптимизировать реальные складские процессы: от размещения товаров и маршрутов сотрудников до моделирования и экспериментов. Авторы описывают использование оптимизационных моделей для слоттинга, конфигурации шкафов, дискретно-событийного моделирования для оценки ресурсов, статистической проверки гипотез и методов теории графов для уменьшения пробегов и повышения эффективности операций, а также отмечают, что классическое машинное обучение применяется выборочно там, где это действительно улучшает предсказания времени выполнения заданий и анализ факторов производительности