Generated by All in One SEO v4.9.0, this is an llms.txt file, used by LLMs to index the site.

# Персональный блог Рената Алимбекова

Data Science, ML и Analytics Engineering

## Sitemaps

- [XML Sitemap](https://alimbekov.com/sitemap.xml): Contains all public & indexable URLs for this website.

## Записи

- [How llms.txt Increased AI Chat Traffic by 23%: Experiment Results](https://alimbekov.com/en/how-llms-txt-increased-ai-chat-traffic-by-23-experiment-results/) - How llms.txt Increased AI Chat Traffic by 23%: Experiment Results Experiment results: Perplexity is the main beneficiary. Nearly double the increase.
- [Как llms.txt увеличил трафик с AI-чатов на 23%](https://alimbekov.com/как-llms-txt-увеличил-трафик-с-ai-чатов-на-23/) - Как llms.txt увеличил трафик с AI-чатов на 23% . Результаты эксперимента. Perplexity — главный бенефициар. Почти двукратный рост.
- [MCPMark: New Standard for Evaluating AI Agents](https://alimbekov.com/en/mcpmark-new-standard-for-evaluating-ai-agents/) - MCPMark: New Standard for Evaluating AI Agents MCPMark benchmark results.. Implicit vs. Explicit failures. Evaluating the effectiveness of MCP usage.
- [MCPMark: Новый стандарт оценки AI-агентов](https://alimbekov.com/mcpmark-новый-стандарт-оценки-ai-агентов/) - MCPMark: Новый стандарт оценки AI-агентовРезультаты бенчмарка MCPMark. Reasoning effort. Implicit vs Explicit failures. Оценка эффективности использования MCP.
- [How to Become an AI-First Specialist Right Now](https://alimbekov.com/en/how-to-become-an-ai-first-specialist-right-now/) - How to Become an AI-First Specialist Right Now NotebookLM. Cursor: VibeCodig. Claude. Repomix. v0.app - Interface Generation with One Prompt. n8n .
- [Как стать AI-first специалистом прямо сейчас](https://alimbekov.com/как-стать-ai-first-специалистом-прямо-сейчас/) - Как стать AI-first специалистом прямо сейчас NotebookLM. Cursor: VibeCodig. Claude. Repomix. v0.app - генерация интерфейсов одним промптом. n8n .
- [Open LLM Models GPT-OSS from OpenAI and More](https://alimbekov.com/en/open-llm-models-gpt-oss-from-openai-and-more/) - Open LLM Models GPT-OSS from OpenAI and More Genie 3 from Google DeepMind. Claude Opus 4.1 from Anthropic. Open GPT-OSS Models from OpenAI
- [Open LLM модели GPT-OSS от OpenAI и не только](https://alimbekov.com/open-llm-модели-gpt-oss-от-openai-и-не-только/) - Open LLM модели GPT-OSS от OpenAI и не только Открытые Модели GPT-OSS от OpenAI .Genie 3 от Google DeepMind. Claude Opus 4.1 от Anthropic
- [What is an llms.txt file? Structure of llms.txt file](https://alimbekov.com/en/what-is-an-llms-txt-file-structure-of-llms-txt-file/) - Llms.txt is a special text file that allows websites to be understood more effectively by artificial intelligence systems and large language models. The file is placed in the root directory of the website and helps AI systems like ChatGPT, Google Gemini, Claude, and Perplexity process content more accurately. Origin and Purpose The llms.txt format was
- [Что такое Llms.txt? Структура llms.txt файла](https://alimbekov.com/что-такое-llms-txt/) - Что такое Llms.txt? Структура llms.txt файла . Происхождение и цель. Основные отличия от robots.txt. Как интегрировать. Примеры файлов
- [Retrieval-Augmented Generation (RAG): Recent Research and Challenges](https://alimbekov.com/en/retrieval-augmented-generation-rag-recent-research-and-challenges/) - Retrieval-Augmented Generation (RAG): Recent Research and Challenges. Ragas. Contextual Retrieval. LongRAG. ChunkRAG. HtmlRAG. FastRAG.. Rankify.Agentic RAG.
- [Retrieval-Augmented Generation (RAG): Последние Исследования и Вызовы](https://alimbekov.com/retrieval-augmented-generation-rag-последние-исследования/) - Retrieval-Augmented Generation (RAG): Последние Исследования и Вызовы. Ragas. Contextual Retrieval. LongRAG. ChunkRAG. HtmlRAG. FastRAG.. Rankify.Agentic RAG.
- [How to Speed Up LLMs and Reduce Costs: Edge Models](https://alimbekov.com/en/how-to-speed-up-llms-and-reduce-costs-edge-models/) - How to Speed Up LLMs and Reduce Costs: Edge Models . RouteLLM. Meta Llama 3.2 (1B and 3B parameters). Ministral 3B and 8B. Compact models for edge devices.
- [Как ускорить LLM и снизить затраты. Edge модели](https://alimbekov.com/как-ускорить-llm-и-снизить-затраты-edge-моде/) - Как ускорить LLM и снизить затраты. Edge модели . RouteLLM. Meta Llama 3.2 (1B и 3B параметров). Ministral 3B и 8B. Компактные модели для edge-устройств.
- [Какие фреймворки должен знать продакт-менеджер](https://alimbekov.com/фреймворки-product-management/) - Какие фреймворки должен знать продакт-менеджер Lean Canvas. Разработка, основанная на функциях. MVP. CustDev. MoSCoW. Модель оценки RICE. AARRR.
- [Курс Управление AI и ML продуктами](https://alimbekov.com/курс-управление-ai-и-ml-продуктами/) - Курс Управление AI и ML продуктами для Product Managers. Роль продакт менеджера в AI продукте Data Product Canvas. Лучшие практики работы с ML командой.
- [Medical Image Analysis In Python](https://alimbekov.com/en/medical-image-analysis-in-python-2/) - Medical Image Analysis In Python DICOM and NIfTI-1 Format. Windowing and Hounsfield units. Understand the task of image segmentation. fastai.medical.imaging.
- [How to prepare for a data science interview](https://alimbekov.com/en/how-to-prepare-for-a-data-science-interview/) - How to prepare for a data science interview Question categories. Statistics. Machine Learning Systems Design. Behavioral. Culture fit. Problem-Solving.
- [How to Become a Machine Learning Engineer](https://alimbekov.com/en/how-to-become-a-machine-learning-engineer/) - First, let's define the difference between a Machine Learning Engineer and a Data Scientist. While a Data Scientist may work more on modeling and focus on the intricacies of algorithms, a Machine Learning Engineer is more likely to work on deploying the same model in a production environment that will interact with users or automate
- [Evidently and custom metrics](https://alimbekov.com/en/evidently-and-custom-metrics/) - Evidently and custom metrics This is a library that helps analyze machine learning models during testing or monitoring production
- [Трендовые статьи по Large Language Model](https://alimbekov.com/трендовые-статьи-по-large-language-model/) - Трендовые статьи по Large Language Model . Комплексная оценка квантованных LLM. Есть ли память у больших языковых моделей? Logic-of-Thought.
- [Все новое из мира Large Language Model](https://alimbekov.com/все-новое-из-мира-large-language-model/) - Все новое из мира Large Language Model Gemini-1.5-Pro-002, Gemini-1.5-Flash-002. DataGemma. Llama 3.2. Llama Vision. OpenAI Academy
- [Основные тенденции в развитии рассуждений LLM](https://alimbekov.com/основные-тенденции-в-развитии-llm/) - Основные тенденции в развитии рассуждений LLM . Сhain-of-Thought. Diagram of Thought (DoT). Итерация мысли (Iteration of Thought, IoT). LLM
- [Pandas для Data Science](https://alimbekov.com/pandas-для-data-science/) - Pandas для Data Science - Практические советы, работа с аномалиями, подготовка данных для обучения моделей, работа с пропусками
- [Поиск удаленной работы в 2024 году](https://alimbekov.com/поиск-удаленной-работы-в-2024-году/) - Поиск удаленной работы в 2024 году Как найти удаленную работу, работа data science, работа NLP, работа CV
- [Погружение в LLM часть вторая](https://alimbekov.com/погружение-в-llm-часть-вторая/) - Погружение в LLM часть вторая Reinforcement Learning from Human Feedback, LoRA, PPO, DPO
- [Погружение в LLM часть первая](https://alimbekov.com/погружение-в-llm-часть-первая/) - Погружение в LLM часть первая Reinforcement Learning from Human Feedback, LoRA, PPO
- [Machine learning pipeline - основы. Cookiecutter  и Hydra](https://alimbekov.com/machine-learning-pipeline-основы-cookiecutter-и-hydra/) - Machine learning pipeline — основы. Cookiecutter и Hydra . Cookiecutter Data Science. Hydra.Структура папок для пайплайнов
- [Evidently и кастомные метрики](https://alimbekov.com/evidently-и-кастомные-метрики/) - Evidently и кастомные метрики Это библиотека, которая помогает анализировать модели машинного обучения во время проверки или мониторинга продакшена
- [Налоговый календарь для ИП в Казахстане](https://alimbekov.com/налоговый-календарь-для-ип-в-казахста/) - Налоговый календарь для ИП в Казахстане В один клик добавить в свой календарь информацию о налогах и платежах для ИП
- [Стань экспертом в Machine Learning и MLOps](https://alimbekov.com/стань-экспертом-в-machine-learning-и-mlops/) - Стань экспертом в Machine Learning и MLOps Стань экспертом в Machine Learning и MLOps
- [Компетенции для разных уровней Data Scientists](https://alimbekov.com/компетенции-для-разных-уровней-data-scientists/) - Компетенции для разных уровней Data Scientists Компетенции для разных уровней Data Scientists. Hard и Soft скиллы
- [Как стать Machine Learning Engineer](https://alimbekov.com/как-стать-machine-learning-engineer/) - Как стать Machine Learning Engineer. Технологии, востребованность, инструменты и навыки.
- [Конспект книги «Правила магической пирамиды для делового письма»](https://alimbekov.com/конспект-книги-правила-магической-п/) - Конспект книги «Правила магической пирамиды для делового письма»
- [Конспект книги «Кратко. Ясно. Просто»](https://alimbekov.com/конспект-книги-кратко-ясно-просто/) - Конспект книги «Кратко. Ясно. Просто» В книге аргументировано излагается представление авторов о том, что практически все сферы современной жизни - бизнес, госуправление, образование, медицинское обслуживание
- [Деплой модели с Google Cloud Functions](https://alimbekov.com/deploy-model-google-cloud-functions/) - Деплой модели с Google Cloud Functions. Google Cloud Function. NLP модель. Деплой в продакшен
- [Способы регистрации обращений клиентов](https://alimbekov.com/sposoby-registracii-obrashhenij-klientov/) - Способы регистрации обращений клиентов и метод Эрланга. Определение приоритета для обращений. Примеры расчета. Обзоры методов. Алимбеков Ренат.
- [Как подготовиться к Data Science интервью](https://alimbekov.com/как-подготовиться-к-data-science-интервью/) - Как подготовиться к Data Science интервью Проектирование систем машинного обучения. Статистика. Поведенческое интервью. Решение проблем. Соответствие культуре.
- [Простые шаги сделать ваш Python код лучше](https://alimbekov.com/beautiful-python-code-simple-steps/) - Простые шаги сделать ваш Python код лучше: black, flake8, mypy. Github Actions. pre-commit hook. Улучшим читаемость кода.
- [BentoML - быстрый Machine Learning прототип](https://alimbekov.com/bentoml-быстрый-machine-learning-прототип/) - BentoML — быстрый Machine Learning прототип Очень простой инструмент, который отлично подходит для создания и демонстрации MVP
- [Курс - анализ медицинских изображений в Python](https://alimbekov.com/medical-image-analysis-in-python/) - Курс — анализ медицинских изображений в Python DICOM и NIfTI-1 Data Format. Windowing и единицы Хаунсфилда. fastai.medical. Задача сегментации изображений
- [Расчет Monthly Recurring Revenue (MRR) в Python](https://alimbekov.com/monthly-recurring-revenue-mrr-python/) - Расчет Monthly Recurring Revenue (MRR) в Python Постановка задачи. Аналитика. Задачи аналитиков. MRR Python. Pandas. Визуализация.
- [Когортный анализ в Python](https://alimbekov.com/cohort-analysis-python/) - Когортный анализ в Python Постановка задачи. Аналитика. Задачи аналитиков. Python. Pandas. Визуализация. Когорты. Винтажи.
- [RFM анализ в Python](https://alimbekov.com/rfm-python/) - RFM анализ в Python Постановка задачи. Аналитика. Задачи аналитиков. Python. Pandas. Визуализация. Сегментация клиентов.
- [Выбираем логирование в Python: logging vs loguru](https://alimbekov.com/выбираем-логирование-в-python-logging-vs-loguru/) - Выбираем логирование в Python: logging vs loguru. Обработка исключений. Ротация / очистка / архивирование. Форматирование. logging vs loguru.
- [Machine learning в продакшн — Flask REST API](https://alimbekov.com/machine-learning-flask-rest-api/) - Machine learning в продакшн — Flask REST API. Что такое REST API и микросервисы. Очередь задач на базе Redis. Интеграция с IT инфраструктурой.
- [Как сделать резюме привлекательным с помощью pet project](https://alimbekov.com/как-сделать-резюме-привлекательным-с/) - Как сделать резюме привлекательным с помощью pet project Pet-project — это проект, который делается ради себя. Проект поможет расширить профессиональные навыки
- [Как освоить Data Science - личный опыт](https://alimbekov.com/как-освоить-data-science-личный-опыт/) - Как освоить Data Science — личный опыт Обзор на онлайн-курсы для входа в профессию дата саентиста. Классический ML. Deep Learning.
- [Чеклист для запуска Machine Learning  проекта](https://alimbekov.com/чеклист-для-запуска-machine-learning-проекта/) - Чеклист для запуска Machine Learning проекта. Жизненный цикл проекта в области Machine Learning. Необходимые данные. Источники данных.
- [Trending Articles on Large Language Models](https://alimbekov.com/en/trending-articles-on-large-language-models/) - Trending Articles on Large Language Models . Comprehensive assessment of quantized LLMs. Do large language models have memory? Logic of thinking.
- [All the Latest in the World of LLM](https://alimbekov.com/en/all-the-latest-in-the-world-of-llm/) - All the Latest in the World of LLM Gemini-1.5-Pro-002, Gemini-1.5-Flash-002. DataGemma. Llama 3.2. Llama Vision. OpenAI Academy
- [Key Trends in LLM Reasoning Development](https://alimbekov.com/en/key-trends-in-llm-reasoning-development/) - Key Trends in LLM Reasoning Development. Сhain-of-Thought. Diagram of Thought (DoT). Итерация мысли (Iteration of Thought, IoT). LLM
- [Pandas for Data Science](https://alimbekov.com/en/pandas-for-data-science/) - Pandas for Data Science - Practical advice, working with anomalies, preparing data for training models, working with gaps. Pandas for Machine Learning
- [Deep dive into LLM Part Two](https://alimbekov.com/en/deep-dive-into-llm-part-two/) - Deep dive into LLM Part Two Reinforcement Learning from Human Feedback, effective training with LoRA, PPO
- [Deep dive into LLM Part One](https://alimbekov.com/en/deep-dive-into-llm-part-one/) - Deep dive into LLM Part One Reinforcement Learning from Human Feedback, effective training with LoRA, PPO
- [Machine learning pipeline-basics. Cookiecutter and Hydra](https://alimbekov.com/en/machine-learning-pipeline-basics-cookiecutter-and-hydra/) - Machine learning pipeline-basics. Cookiecutter and Hydra . Data Science. Hydra.Folder structure for pipelines
- [Skills for different Data scientists levels](https://alimbekov.com/en/skills-for-different-data-scientists-levels/) - Skills for different Data scientists levels Skills for different levels of Data Scientists
- [Model deployment with Google Cloud Functions](https://alimbekov.com/en/model-deployment-with-google-cloud-functions/) - Model deployment with Google Cloud Functions. Google cloud function. NLP model. Deploy in production. ML in production
- [Calculating Monthly Recurring Revenue (MRR) in Python](https://alimbekov.com/en/calculating-monthly-recurring-revenue-mrr-in-python/) - Calculating Monthly Recurring Revenue (MRR) in Python Formulation of the problem. Analytics. Analyst tasks. Python. pandas. Visualization. MRR.
- [Cohort Analysis in Python](https://alimbekov.com/en/cohort-analysis-in-python/) - Cohort Analysis in Python Formulation of the problem. Analytics. Analyst tasks. Python. pandas. Visualization. Cohorts. Vintages.
- [RFM analysis in Python](https://alimbekov.com/en/rfm-analysis-in-python/) - RFM analysis in Python Formulation of the problem. Analytics. Analyst tasks. Python. pandas. Visualization. Customer segmentation.
- [Simple steps to make your Python code better](https://alimbekov.com/en/simple-steps-to-make-your-python-code-better/) - Simple steps to make your Python code better: black, flake8, mypy. Github Actions. pre-commit hook. Improving code readability.
- [BentoML - Faster Machine Learning Prototype](https://alimbekov.com/en/bentoml-faster-machine-learning-prototype/) - BentoML — Faster Machine Learning Prototype Create MVP. Very simple tool that is great for building and demonstrating an MVP.
- [Python logging HOWTO: logging vs loguru](https://alimbekov.com/en/python-logging-vs-loguru/) - Python logging HOWTO: logging vs loguru. Exception Handling. Rotation / retention / compression. Formatting. logging vs loguru.
- [Machine Learning Models in production: Flask and REST API](https://alimbekov.com/en/deploying-machine-learning-models-flask-and-rest-api/) - Machine Learning Models in production: Flask and REST API. Microservice design. Error handling. Integration with IT infrastructure.
- [How to make your CV attractive with a pet project](https://alimbekov.com/en/how-to-make-your-cv-attractive-with-a-pet-project/) - How to make your CV attractive with a pet project. Pet-project is a project that is done for yourself It is created outside of work and is often self-interested
- [How To Learn a Data Science - my experience](https://alimbekov.com/en/how-to-learn-a-data-science-my-experience/) - How To Learn a Data Science — my experience. Overview of online courses to enter the Data Scientist profession. Classic ML. Deep Learning.

## Страницы

- [Machine learning and data science learning](https://alimbekov.com/en/machine-learning-and-data-science-learning/) - Machine learning and data science learning Study of Machine Learning and Data Science Data Science, ML. Courses. Analytics and Data Science Tasks
- [Machine learning system design](https://alimbekov.com/en/machine-learning-system-design/) - Machine learning system design mplementing machine learning models in production. Deploy models. Cloud and Serverless deploy. Tutorial articles
- [Изучение Machine Learning и Data Science](https://alimbekov.com/изучен-machine-learning-и-data-science/) - Изучение Machine Learning и Data Science Data Science, ML и Analytics Engineering. Курсы. Задачи по аналитике и Data Science
- [Внедрение моделей машинного обучения в промышленную эксплуатацию](https://alimbekov.com/внедрение-моделей-машинного-обучени/) - Внедрение моделей машинного обучения в промышленную эксплуатацию. Деплой моделей. Cloud и Serverless deploy. Обучающие статьи
- [About the author / Contacts](https://alimbekov.com/en/about-the-author-contacts/) - About the author / Contacts. MedTech, AdTech, EduTech. Alimbekov Renat. Deep Learning Scientist/Machine Learning Engineer.
- [Об авторе/ Контакты](https://alimbekov.com/об-авторе-контакты/) - Об авторе/ Контакты MedTech, AdTech, EduTech. Алимбеков Ренат. Deep Learning Scientist/Machine Learning Engineer.
- [Sitemap](https://alimbekov.com/en/sitemap/) - Sitemap . Archive of posts. All blog posts. Machine learning. Data science. Blog Alimbekov Renat. Data Science, ML and Analytics Engineering
- [Карта](https://alimbekov.com/карта/) - Карта сайта. Архив записей. Все посты блога. Machine learning. Data Science. Блог Алимбекова Рената.Data Science, ML и Analytics Engineering

## Рубрики

- [Uncategorized](https://alimbekov.com/category/uncategorized/)
- [Uncategorized](https://alimbekov.com/en/category/uncategorized-en/)
- [Data Science](https://alimbekov.com/category/data-science/)
- [Data Science](https://alimbekov.com/en/category/data-science-en/)
- [Machine Learning](https://alimbekov.com/category/machine-learning/)
- [Управление проектами](https://alimbekov.com/category/управление-проектами/)
- [Курсы](https://alimbekov.com/category/курсы/)
- [Courses](https://alimbekov.com/en/category/courses/)
- [Резюме](https://alimbekov.com/category/резюме/)
- [CV curriculum vitae](https://alimbekov.com/en/category/cv-curriculum-vitae/)
- [продакшн](https://alimbekov.com/category/продакшн/)
- [production](https://alimbekov.com/en/category/production/)
- [python](https://alimbekov.com/category/python/)
- [python](https://alimbekov.com/en/category/python-en/)
- [аналитика](https://alimbekov.com/category/аналитика/)
- [analytics](https://alimbekov.com/en/category/analytics/)
- [конспекты](https://alimbekov.com/category/конспекты/)
- [MLOPS](https://alimbekov.com/category/mlops/)
- [Product Management](https://alimbekov.com/category/product-management/)
- [LLM](https://alimbekov.com/category/llm/)
- [LLM](https://alimbekov.com/en/category/llm-en/)

## Tags

- [Русский](https://alimbekov.com/)
- [English](https://alimbekov.com/en/)