Об авторе

🎯 Кто?

Привет! Я Джахонгир Хакимджонов — Python backend разработчик. Работаю в экосистеме Django, DRF, FastAPI и сейчас расширяю свои знания в направлении ML/MLOps Engineer.

Эта книга родилась из моего пути обучения и желания донести его другим. В Узбекистане не хватает практических материалов по ML/MLOps на нашем языке, особенно для backend разработчиков. Эта книга — попытка заполнить этот пробел.

Почему эта книга?

Большинство ML-курсов написаны для того, чтобы стать data scientist. Но путь backend разработчика другой:

• У вас уже есть production thinking
• Docker, Postgres, Redis, дизайн API — ваши сильные стороны
• Что вам нужно — изучить ML lifecycle в этом контексте

Я сам прошёл именно этот путь — и объединил изученное в 6-месячный roadmap, который представляю вам.

Контакты

Чем я могу помочь?

По вопросам

• Непонятные места по темам книги
• Концепции, которые вызвали трудности при изучении
• Совет по выбору tool/framework

Самый быстрый ответ — через Telegram.

Ошибки книги / предложения

В GitHub-репозитории откройте Issue или отправьте Pull Request:

• Орфографические ошибки
• Устаревшая информация (версии LLM, API библиотек)
• Предложения новых тем или глав

Менторство / Code review

Если вам нужна помощь в ML-проекте:

• Code review — бесплатно для небольших проектов
• Architecture consulting — интеграция ML в Django/FastAPI
• Career advice — на пути backend → ML

Свяжитесь через email или LinkedIn.

Конференция / Meetup

Открыт для проведения докладов/сессий на узбекском по темам ML/MLOps:

• IT-митапы в Ташкенте
• Визиты в университеты
• Корпоративные тренинги

Мой путь обучения (кратко)

Как человек, прошедший по вашему пути:

• **Начало в backend:**Django, DRF — много лет
• **С FastAPI:**современный async Python
• **Интерес к ML:**классический ML → Deep Learning
• **Фокус на MLOps:**вывод в production — самая большая сложность
• **Эра LLM:**работа с RAG и агентами

Сейчас — на момент написания книги — я нахожусь на этапе укрепления себя в роли ML/MLOps Engineer. Учимся вместе!

Благодарности

Спасибо всем, кто внёс вклад в эту книгу:

• Open source communities — scikit-learn, PyTorch, HuggingFace, LangChain, MLflow и другие
• Chip Huyen — за книгу “Designing ML Systems” и философию MLOps
• Andrew Ng, fast.ai, Andrej Karpathy — лучшие учебные материалы
• Узбекское IT-сообщество — @uzbekdevs, https://taplink.cc/mlc_uz и митапы
• Вам — каждому, кто прочитал книгу, оставил отзыв, дал предложения

Напутственная мысль

“Путь backend разработчика в ML — это не начало с нового языка, а раскрытие новых возможностей вашего собственного.”

Если эта книга оказалась вам полезной:

• ⭐ Поставьте star на GitHub — чтобы другие могли найти
• Поделитесь — в Telegram-каналах, в LinkedIn
• 💬 Дайте обратную связь — для улучшения

А самое главное — начните. Первый шаг — самый трудный. Но через 6 месяцев вы станете другим человеком.

Удачи!