![Data Science | Machinelearning [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1dVo3O%2F5217464346798572541%3Fty%3Dl&w=48&q=75){kind=small}
Data Science | Machinelearning [ru]
الذهاب إلى القناة على Telegram
Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM. MAX - https://max.ru/devsp Личный блог - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD
إظهار المزيد![Frontender's notes [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1qrVZ3%2F5348049928330532677%3Fty%3Dx&w=32&q=75){kind=small}
الشبكة:📈 نظرة تحليلية على قناة تيليجرام Data Science | Machinelearning [ru]
تُعد قناة Data Science | Machinelearning [ru] (@devsp) في القطاع اللغوي الروسية لاعباً نشطاً. يضم المجتمع حالياً 19 719 مشتركاً، محتلاً المرتبة 6 662 في فئة التكنولوجيات والتطبيقات والمرتبة 33 423 في منطقة روسيا.
📊 مؤشرات الجمهور والحراك
منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 19 719 مشتركاً.
بحسب آخر البيانات بتاريخ 26 أكتوبر, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -99، وفي آخر 24 ساعة بمقدار 2، مع بقاء الوصول العام مرتفعاً.
- حالة التحقق: غير موثّقة
- معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 7.93%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 4.82% من ردود الفعل نسبةً إلى إجمالي المشتركين.
- وصول المنشورات: يحصل كل منشور على متوسط 1 563 مشاهدة. وخلال اليوم الأول يجمع عادةً 951 مشاهدة.
- التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 4.
- الاهتمامات الموضوعية: يركز المحتوى على مواضيع رئيسية مثل llm, nvidia, контекст, openai, архитектура.
📝 الوصف وسياسة المحتوى
يصف المؤلف القناة بأنها مساحة للتعبير عن الآراء الذاتية:
“Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM.
MAX - https://max.ru/devsp
Личный блог - @just_genych
По вопросам рекламы или разработки - @g_abashkin
РКН: https://vk.cc/cJPGXD”
بفضل وتيرة التحديث المرتفعة (أحدث البيانات بتاريخ 27 أكتوبر, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.
19 719
المشتركون
+224 ساعات
-197 أيام
-9930 أيام
أرشيف المشاركات
![Data Science | Machinelearning [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1dVo3O%2F5217464346798572541%3Fty%3Dx&w=64&q=75){kind=small}
Забудь про Whisper: русская диктовка работает мгновенно и без видеокарты
Автор краем уха услышал, что у Сбера есть открытая модель, которая на бенчмарках по русскому уделывает Whisper. Пошёл проверять — и оказалось, что она не просто не сливает, а шпарит моментально на обычном камне, без GPU, текст вылезает раньше, чем успеваешь отпустить клавишу. Потом сколотил диктовку для себя, скинул корешам, те подсели, посыпались хотелки — и за пару недель из этого вырос полноценный продукт.
Жмёшь правый ⌘ command, говоришь, отпускаешь — и текст с запятыми и заглавными уже воткнут туда, где стоял курсор. Цифры: фраза на 6 сек вставляется за 0.08 сек, запись на 30 сек распознаётся меньше чем за полсекунды, модель подгружается 0,22 сек. Всё локально, звук никуда с компа не уходит, модель весит 204 МБ, приложение 32 МБ, крутится на процессоре, видюху не трогаем, код открыт, лицензия MIT. С именем выпендриваться не стал — раз пишет под диктовку, пусть будет Писарь.
Почему Писарь, а не Whisper: Whisper — модель прекрасная, но она универсал на сотню языков, и русский там далеко не в приоритете, плюс тяжёлая, на процессоре еле ползёт, поэтому обёртки тащат её на видюху, мак греется, комп тормозит, а текст всё равно приходит с задержкой, да и с русским у Whisper беда — падежи, окончания, пунктуация. GigaAM, на которой собран Писарь, Сбер обучал именно под русский, и на нём она заметно точнее, плюс сама расставляет пунктуацию и заглавные, а английские вкрапления в русской речи (термины, названия) переваривает как надо.
Читать далее
👉 Data Science | Machinelearning [ru]
🤣 Наконец-то батя покажет, как он в детстве ходил в школу за 100 верст
💥 xCode Journal
🤩 Нашли репу с десятками практических проектов для прокачки навыков и резюме
Внутри 54 проекта разной сложности по Terraform, Kubernetes, Docker, CI/CD, DevSecOps, AWS, Azure, безопасности и мониторингу.
Есть полноценные лабораторные с кодом и конфигами и также пошаговые гайды — так что можно разобраться, повторить всё своими руками и положить результат в портфолио.
✖️ xCode Journal
🤣 Наконец-то батя покажет, как он в детстве ходил в школу за 100 верст
💥 xCode Journal
Документы нужно передать наружу, но перед этим — убрать персональные данные: фамилии, телефоны, адреса, подписи. Всё происходит в закрытом контуре, без интернета, на одной машине с одной видеокартой.
С фамилиями автор разобрался за неделю. На подписи ушло полтора месяца — и примерно половина этого времени ушла на то, чтобы похоронить очевидные решения.
Читать далее: https://habr.com/ru/articles/1079484/
👉 Data Science | Machinelearning [ru]
Робот-секретарь для банка? Никто не просил — а он уже запилен
Этот чел тащится решать нерешаемые проблемы, обожает упрощать людям жизнь и вечно тестит гипотезы. Его конек — собирать продукты, от которых глаз горит. Именно с таким багажом его позвали в Уралсиб. Ну а там он взял и забахал робота-секретаря: тот разруливает встречи и созвоны.
Читать далее
👉 Data Science | Machinelearning [ru]
Разбор DeepSeek R1: техника, деньги и обвал рынка
В январе 2025 года небольшая китайская компания DeepSeek за один день обвалила американский фондовый рынок. 20 января она выложила модель R1 под MIT-лицензией, а уже 26 января приложение DeepSeek вышло на первое место в App Store США, обогнав ChatGPT.
27 января акции Nvidia упали на 17% — $589 млрд капитализации за один день, крупнейшее однодневное падение в истории фондового рынка США. Nasdaq потерял около 3%, суммарная просадка рынка — примерно $1 трлн. За неделю до этого анонсировали Stargate с вложениями до полутриллиона долларов в дата-центры, а OpenAI собирал раунд на $40 млрд. Обе цифры подкреплялись уверенностью, что количество видеокарт даёт преимущество, которое нельзя обесценить за семь дней.
Читать далее
👉 Data Science | Machinelearning [ru]
🌐 Твоё ИИ-решение — в одной из крупнейших энергетических компаний России
Получи подготовленные данные и разработай ИИ-ассистента для энергетики на соревновании от ПАО «Интер РАО» при поддержке «Яндекса». Лучшие проекты смогут стать частью экосистемы компании. Призовой фонд — 750 000 рублей.
Регистрация открыта до 27 сентября.
Можно участвовать одному или командой до 5 человек. Идеальный состав: разработчик, специалист по машинному обучению, аналитик и дизайнер.
Стартуем 28 сентября. Придумай концепт проекта: самые сильные идеи участники доработают под руководством экспертов с 9 по 23 октября. Финал в Москве — 3 ноября.
Задачи соревнования — за какую возьмешься?
1️⃣ ИИ-помощник для подготовки презентаций. Создай инструмент генерации презентации в корпоративном стиле из текстового брифа. 2️⃣ Помощник для анализа документов из судов. Разработай систему, которая сможет распознавать, классифицировать и заносить судебные и исполнительные документы в базу данных. 3️⃣ Ассистент для создания ИТ/ИБ-дайджестов. Напиши ассистента, который будет регулярно анализировать релевантные новости из различных источников и формировать краткую сводку. 4️⃣ Архитектор BPMN-диаграмм. Создай генератор BPMN-диаграмм, который позволит из текстового описания процесса собрать валидную схему в формате BPMN 2.0.Получи сильную строчку в портфолио и уникальный опыт работы под руководством экспертов Группы «Интер РАО». Регистрируйся: https://cnrlink.com/interraohack26dsml
ИИ сделает формальную верификацию мейнстримом — прогноз Мартина Клеппманна
Привет, Хаброжители! Мы перевели для вас свежую статью Мартина Клеппманна о том, почему формальная верификация благодаря ИИ вот-вот перестанет быть уделом единиц и станет обычной практикой.
Сейчас много говорят о влиянии ИИ на разработку, но есть ракурс, который почти не рассматривают. Клеппманн считает, что ИИ превратит формальную верификацию, десятилетиями жившую на периферии, в программно-инженерный мейнстрим.
Читать далее: https://habr.com/ru/companies/piter/articles/1079352/
👉 Data Science | Machinelearning [ru]
Стажировки и вакансии для DevOps
- Вакансии которых нет на джоб-агрегаторах
- Только прямые контакты HR в Telegram
👉 @jobs_devops
🤖 ML & DS 👩💻 DevOps
👨✈️ ИБ & OSINT 👣 Go
👩💻 Mobile 👩💻 C#
👩💻 Node.js 👩💻 Python
🔎 QA 👩💻 Java
👩💻 UX/UI 👩💻 Frontend
🖼️ PHP 📋 Analyst
💼 1C 🖥 SQL
👩💻 IT HR
Пока другие листают джоб-сайты — ты уже пишешь HR в Telegram.
Qwen и Grok отгадывают советские загадки на внимательность
Кто лучше справляется с советскими загадками на внимательность — Qwen, Grok или человек? Сравнили две классические головоломки и получили любопытные результаты.
Читать далее
👉 Data Science | Machinelearning [ru]
Как говорить с искусственным интеллектом: книга о промптах
Камиль Гадеев — автор книги «Промт-инжиниринг и работа с LLM. Как говорить с искусственным интеллектом» о работе с большими языковыми моделями (LLM). Она основана на статьях из его научно-философского блога на Хабре.
В книге рассматриваются внутреннее устройство промптов, галлюцинации искусственного интеллекта и приёмы, позволяющие эффективно получать от машины информативные и достоверные ответы. Книгу можно купить на сайте издательства.
В статье — рассказ Камиля Гадеева о том, как устроена книга, как с ней работать и для кого она предназначена. Читать далее
👉 Data Science | Machinelearning [ru]
Промты, которые нужны каждому IT-специалисту
⠀
В одной ПАПКЕ с одними из лучших каналов в сфере IT и AI
⠀
▪️ Стратегия, AI и организационный дизайн
▪️ Ebout Data Science | Дима Савелко
▪️ AI для каждого | AISferaic
▪️ Михаил Омельченко | AI&IT
▪️ BestPromptAI
▪️ ИИ что дальше?
▪️ Корпоративный ИИ
⠀
Рынок корпоративного ИИ глазами системного интегратора. Новости, кейсы и аналитика через фильтр реального опыта.
⠀
И другие каналы в одной ПАПКЕ.
⠀
+ канал с реально полезными пронтами, которые создают крутой оффер в любой ИИ. А еще
⠀
- нормально сегментируют ЦА, а не пишут «женщины 30+»
- помогают упаковать блог/продукт
⠀
Все в одной подборке. Жмите, чтобы добавить 👉 ДОБАВИТЬ
⠀
❗️Через 3 дня удалю пост. Успевайте.
⠀
Добавить канал в подборку 👉 ТЕКСТ В БЛОГЕ
Как научить нейросеть чужому стилю без дообучения
Обычно агента, который пишет голосом бренда, получают дообучением: выгружают архив постов, собирают датасет, арендуют A100 и оставляют LoRA учиться на ночь. Автор вместо этого написал два навыка для Claude Code / Codex. Они снимают манеру автора с готовых текстов и переписывают по ней любой нейрослоп — без обучения, датасета и видеокарты.
В тесте текст ChatGPT расходился с манерой одного крупного телеграм-канала по 14 признакам из 31, после работы навыков осталось 2. Вся работа занимает вечер, а результат переносится на любую модель: правила стиля лежат в промпте, а не в весах.
Первый навык читает выгрузку канала и снимает профиль стиля: скрипт замеряет десятки признаков — от длины фразы и абзаца до частоты тире, эмодзи и обращений к читателю, а модель превращает замеры в правила. Второй берёт правила и переписывает по ним любой черновик. Профиль снимается один раз и живёт обычным текстовым файлом в git, а текстов по нему пишется сколько угодно.
Источник: habr.com
👉 Data Science | Machinelearning [ru]
Автоматизация перевода технической документации с помощью инструментов вокруг LLM
Авторы запилили автоперевод технической документации, а вокруг LLM навесили отдельный слой — и именно он выполнял всю основную работу.
Читать далее
👉 Data Science | Machinelearning [ru]
6 бесплатных AI API‑шлюзов: модели, лимиты и реальные RPM
Проверили шесть AI API-сервисов с бесплатным доступом: VyceAI, Experiential, Dahl, APInex, ModelRouter и TokenForge. Сравнили доступные модели, стартовые лимиты, RPM и поведение API на практике.
Читать далее
👉 Data Science | Machinelearning [ru]
3 дня. 60 откликов. 1 оффер.
Очень интересный кейс произошёл у команды Софи — ии-ассистента для поиска работы.
К ним в поддержку написала девушка, которая отписалась от продукта ещё месяц назад:
«Мне прислали оффер!»Начали разбираться — оказывается, она пользовалась только 3 тестовыми днями. То есть за 3 дня ии-ассистент успел сделать 60 откликов. Потом она отписалась. А уже позже — из этих откликов её позвали на интервью, и одно из них привело к офферу.
«Оффер с той вакансии, куда я сама никогда бы не откликнулась»Изначально Аня отменила подписку, так как было дорого. Ребята честно спросили у Ани, считает ли она теперь, что подписка стоит своих денег — и получили утвердительный ответ. В следующий раз доступ в Софи откроется 22 сентября. Если хочешь получить 3 дня бесплатного доступа - подписывайся на этот канал, все анонсы будут там.
![[Перевод] Ты не ChaGPT, когда голоден. Snickers выпустил «батончик» для нейросетей ChatGPT часто врёт. Он может уверенно выда](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fn2.tlmtr.cc%2Fp%2F_yKWRmWaILL3ASRHa82LwF7jEvnD0n2ojRezGS_UJaQg%3Fty%3Dx&w=256&q=75)
[Перевод] Ты не ChaGPT, когда голоден. Snickers выпустил «батончик» для нейросетей
ChatGPT часто врёт. Он может уверенно выдать неправильный факт, согласиться с откровенно плохой идеей пользователя или написать 12 абзацев там, где достаточно двух предложений. У Snickers есть своё объяснение: ChatGPT просто голодный. Звучит как шутка, но компания действительно запустила рекламную кампанию Hungr.AI, в рамках которой предлагает пользователям буквально «покормить» чат-бота. И самое интересное — за всей этой историей стоит вполне реальный приём работы с LLM.
Читать далее
31 августа Google выпустила TimesFM-3 — новую фундаментальную модель для работы с временными рядами. Задача семейства TimesFM — прогнозировать поведение системы на основе ретроспективных данных. В третьей версии исследователи применили токенизацию групп временных отсчетов, сам трансформер — decoder-only, а также заявлена поддержка множественных переменных (multi-variate).
Автор поста вспомнил полуторагодовалую задачу классификации сценариев поведения пользователя по данным энергопотребления. Задача нетипична для TimesFM, созданной для предсказания эволюции, но ради интереса он проверил, как с ней справятся современные ИИ-агенты. В итоге получился экспресс-тест разных подходов к вайб-кодингу: DeepSeek, OpenCode и Freebuff.
Читать далее
👉 Data Science | Machinelearning [ru]
LLM, персональные данные и 152-ФЗ
Мы занимаемся внедрением LLM и агентов в бизнесы. Одна из самых частых проблем — как обрабатывать данные клиентов и при этом соблюдать закон 152-ФЗ о персональных данных. Давайте разберёмся!
Читать статью
👉 Data Science | Machinelearning [ru]
