Skip to content
novaeKHPublic

About

Local-first learning platform for Data Science, Machine Learning and Deep Learning

Topics

Resources

Stars

0 stars

Watchers

0 watching

Forks

Repository files navigation

DataPath

DataPath — локальная учебная платформа по Data Science, Machine Learning и Deep Learning. Она объединяет связный маршрут, содержательные русскоязычные уроки, интерактивные объяснения, практику и интервальное повторение. Аккаунт, облако и внешний AI API не требуются.

Текущая стабильная версия: 1.0.0.

Что внутри

  • 100 уроков в основном маршруте: Python, NumPy/pandas, Math/Statistics, SQL/scikit-learn, Classic ML, Deep Learning, NLP, LLM/RAG и MLOps.
  • 57 зарегистрированных интерактивных visual demos — от broadcasting, regression и boosting до backpropagation, attention, RAG retrieval и model monitoring — плюс три ML-лаборатории.
  • Практика состоит из двух полноценных тренажёров: SQL Praktikum (76 задач на Olist в SQLite WASM) и AlgoPath (71 Python-задача с public/hidden tests в локальном Pyodide worker).
  • Today формирует короткую ежедневную сессию из урока, практики и Review.
  • Focus сохраняет раздел, заметки, проверки понимания и прогресс.
  • Review использует интервалы повторения и factual, conceptual, code/error и case форматы.
  • Atlas показывает темы спокойными блоками и рассчитывает состояние из реального mastery.
  • Экспорт и импорт учебного состояния с версией схемы и проверкой целостности.

Учебный путь

Roadmap устроен как три последовательных прохода:

  1. Ориентация — Python и данные, SQL, постановка ML-задачи, честный split и первый baseline.
  2. Понимание — математика, validation, классические модели, нейросети и Transformer.
  3. Применение — end-to-end решения, NLP/RAG, воспроизводимость, serving и monitoring.

Открытие страницы не считается освоением. Mastery складывается из прохождения урока, проверок, практики, ошибок и успешных повторов.

Интерфейс

Ежедневная сессия Режим Focus
Today Focus

Интерактивная ML-лаборатория

Web / PWA

Открыть DataPath PWA

make sync-content
make build-web

Production bundle появляется в frontend/dist. После первой успешной загрузки PWA сохраняет application shell, весь release snapshot, SQLite/Pyodide runtimes и учебную базу практикума для работы без сети. Крупные runtime assets кэшируются независимо и не могут сорвать установку shell.

GitHub Actions публикует production PWA в GitHub Pages из main. Hash routing и base-aware assets позволяют открывать все экраны под repository subpath без отдельного backend.

Установка PWA на iPhone

  1. Откройте публичный адрес DataPath в Safari.
  2. Нажмите Поделиться → На экран «Домой».
  3. Если Safari показывает переключатель Открывать как веб‑приложение, оставьте его включённым.
  4. Нажмите Добавить, затем запускайте DataPath с домашнего экрана.

Для первого запуска нужна сеть: приложение сохранит shell, учебный snapshot и SQLite WASM. После этого откройте несколько уроков и Studio, закройте приложение, включите авиарежим и убедитесь, что они снова открываются. Учебный прогресс и заметки остаются локально на устройстве.

macOS

Скачать DataPath 1.0.0 для Apple Silicon (DMG)

make build-macos

Готовый unsigned bundle: desktop/src-tauri/target/release/bundle/macos/DataPath.app. Он работает без Terminal и FastAPI. Откройте DMG и перенесите DataPath.app в /Applications. Поскольку версия 1.0.0 не подписана и не notarized, при первом запуске нажмите по приложению с удержанием Control, выберите Открыть, затем подтвердите Открыть. Не отключайте Gatekeeper глобально.

iPhone / iOS

make ios-open

Команда собирает и синхронизирует тот же frontend в Capacitor project, затем открывает frontend/ios/App/App.xcodeproj. В Xcode нужно выбрать личную Development Team и физическое устройство. Требуются полный Xcode, iOS 15+ и Apple signing.

Development

Требования: Python 3.12, uv, Node.js 22 и npm. Для macOS bundle дополнительно нужны Rust и системные зависимости Tauri.

make sync-content
make sync-practice-projects  # только при обновлении соседних source-проектов
make dev

Открыть http://127.0.0.1:5173.

Основные проверки:

make test
make lint
make validate-content
make build-web
make build-macos
make ios-sync

Architecture

  • content/vault — канонический source-backed контент.
  • backend — authoring/dev runtime: sync, validation, dev API и генерация release snapshot.
  • frontend — общая React/TypeScript application и local-first platform layer.
  • desktop/src-tauri — тонкая оболочка macOS.
  • frontend/ios — Capacitor iOS target с той же frontend codebase.
  • .github/workflows — CI и deployment GitHub Pages.

Подробности: архитектура, текущее состояние и инструкция по релизу.

Privacy

DataPath не содержит регистрации, аналитики, рекламы или telemetry SaaS. Учебное состояние, заметки и история Review хранятся локально в WebKit/localStorage контейнере выбранной платформы. Приложение не отправляет их на сервер. Пользователь сам управляет backup-файлами, созданными через «Настройки».

Sources and license

Редакционные источники и принципы атрибуции перечислены в карте источников. Тексты уроков написаны для DataPath и не копируют исходные учебники или документацию.

Исходный код распространяется по MIT License. Учебные материалы, datasets, названия продуктов и сторонние assets не передаются автоматически под MIT; подробности — в уведомлении о контенте.

Задачи Algorithms публикуются через встроенный read-only snapshot; canonical source остаётся во внешнем AlgoPath.

About

Local-first learning platform for Data Science, Machine Learning and Deep Learning

Topics

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages