05satyam/ai-ml

AI, ML, Deep Learning & LLMs — контент и кулинарные книги

Кураторская, практическая библиотека ноутбуков, демо и ресурсов для AI / ML, глубокого обучения, генерирующего ИИ, RAG, агентов, тонкой настройки и современного инструментария.

s Пакеты PyPI

###Инструкция

• PyPI: https://pypi.org/project/instructvault/

• GitHub: https://github.com/05satyam/instruct_vault

Функции бенчмарка невыпуклой оптимизации

• PyPI: https://pypi.org/project/nonconvexoptimzationfunclib/
• GitHub: https://github.com/05satyam/nonconvexoptimizationfunclib

Библиотека Python стандартных невыпуклых эталонных функций для оценки и сравнения алгоритмов оптимизации.

Interview Справочник интервью ML

• GitHub: https://github.com/05satyam/ml-interview-prep

Справочник для ** классических основ МО**: объяснять, извлекать, выбирать, отлаживать и защищать их в старших интервью SWE / MLE.

##Таблица содержимого

1.Миссия и масштаб 2 Выбирай свой путь 3. Foundations (AI/ML Core) 4. LangChain (Все ноутбуки) 5. LlamaIndex (Все ноутбуки) 6. RAG-системы (все варианты) 7. Агенты и оркестровка 8 Граф и мультимодальный 9. MCP (Model Context Protocol) 10.

AI, ML, Deep Learning & LLMs — Content & Cookbooks

A curated, hands-on library of notebooks, demos, and resources for AI/ML, Deep Learning, Generative AI, RAG, agents, fine-tuning, and modern tooling.

---

📦 PyPI Packages

InstructVault

• PyPI: https://pypi.org/project/instructvault/
• GitHub: https://github.com/05satyam/instruct_vault

pip install instructvault

---

Non-Convex Optimization Benchmark Functions

• PyPI: https://pypi.org/project/nonconvexoptimzationfunclib/
• GitHub: https://github.com/05satyam/nonconvexoptimizationfunclib

A Python library of standard non-convex benchmark functions for evaluating and comparing optimization algorithms.

pip install nonconvexoptimzationfunclib

---

📘 ML Interview Handbook

• GitHub: https://github.com/05satyam/ml-interview-prep

Companion handbook for classical ML fundamentals: explain, derive, choose, debug, and defend them in senior SWE / MLE interviews.

---

📌 Table of Contents

1. Mission & Scope
2. Pick your path
3. Foundations (AI/ML Core)
4. LangChain (All Notebooks)
5. LlamaIndex (All Notebooks)
6. RAG Systems (All Variants)
7. Agents & Orchestration
8. Graph & Multimodal
9. MCP (Model Context Protocol)
10. Observability
11. Interview Experiences (includes GenAI question banks)