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. Личный блог автора - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD

إظهار المزيد

الشبكة:Frontender's notes [ru]روسيا33 728 التكنولوجيات والتطبيقات6 730...

📈 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 19 994 مشتركاً، محتلاً المرتبة 6 730 في فئة التكنولوجيات والتطبيقات والمرتبة 33 728 في منطقة روسيا.

📊 مؤشرات الجمهور والحراك

منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 19 994 مشتركاً.

بحسب آخر البيانات بتاريخ 22 يونيو, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -88، وفي آخر 24 ساعة بمقدار -13، مع بقاء الوصول العام مرتفعاً.

حالة التحقق: غير موثّقة
معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 8.15‎%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 3.63‎% من ردود الفعل نسبةً إلى إجمالي المشتركين.
وصول المنشورات: يحصل كل منشور على متوسط 1 630 مشاهدة. وخلال اليوم الأول يجمع عادةً 725 مشاهدة.
التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 8.
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. Личный блог автора - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD”

بفضل وتيرة التحديث المرتفعة (أحدث البيانات بتاريخ 23 يونيو, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.

19 994

المشتركون

-1324 ساعات

-487 أيام

-8830 أيام

1 630

عرض المشاهدات

~ 72524 ساعات

~ 85448 ساعات

8.15%

معدل المشاركة

~ 1

المشاركات في اليوم

Ads index

beta

أرشيف المشاركات

19 995

⚡️Неструктурированные данные: примеры, инструменты, методики и рекомендации В этой статье мы рассмотрим разные типы данных, варианты хранения и управления ими, а также различные методики и инструменты для анализа неструктурированных данных. Читать...

19 995

😶‍🌫Modus BI Cloud: работа с данными в облаке В этой статье расскажу о том, как работают с данными облачные решения, например, наш Modus BI Cloud. Читать...

19 995

🤓BI-аналитика на коленке: делаем веб-аналитику в DataLens В этой статье я расскажу как мы разработали open-source калькулятор размера выборки ABnTester. Читать...

19 995

🔥Преобразование табличных данных в Python В этой статье мы сравним четыре популярных: Pandas (любимчик публики), Polars (конкурент Pandas) , PyArrow (low level columnar) и DuckDB (в него встроен SQL). Читать...

19 995

😶‍🌫«Квантовые облака»: как разработчики делают квантовые вычисления ближе к бизнесу В этой статье расскажу, что такое квантовые компьютеры, как квантовый центр и сотрудники из организации, придумали эмуляторы квантового процессора, почему решили разворачивать их в облаке и что в итоге получили. Читать...

19 995

X5 Tech проведет XData - конференцию по большим данным 31 августа в онлайн выступят спикеры X5 Tech, чтобы рассмотреть эволюцию ритейла через призму big data: аналитика, модели и актуальные проблемы. Заявленные спикеры: -- Михаил Неверов, директор по анализу данных -- Никита Сурков, руководитель направления аналитики данных -- Александр Сахнов, руководитель управления мультивариативного анализа -- Мария Шабалкова, владелец продукта «Платформа А/Б-тестирования» -- Святослав Орешин, владелец продукта «Модельный риск» -- Андрей Полушкин, team lead ad-hoc аналитики -- Максим Павлов, руководитель направления подготовки и валидации Готовится открытая дискуссия. ⏰ Старт в 11:00 Регистрация и подробности

19 995

🧐 Как используют генеративные модели в поисковике и при чём тут внешняя информация? Современные генеративные модели способы “галлюцинировать” и путать факты. Одно из решений этих проблем — использовать доступ к внешней информации, опираясь на которую, мы можем выполнять как обусловленную генерацию (Retrieval Augmented Generation), так и фактологическую оценку имеющихся генераций (Fact-Check). Светлана Крыжановская, разработчик отдела NLP группы YaLM Alignment, обсудит в докладе опыт работы с такими пайплайнами в Яндексе. Всё это в рамках большой и важной конференции по ML, которая пройдёт 7 сентября. Регистрация

19 995

🎼Нейромузыка: может ли робот создавать треки? В этой статье я расскажу о том, как задумывалась и создавалась Нейромузыка: как мы обучили модель писать музыкальные лупы, сочетать их между собой и подстраивать музыкальный поток под каждого пользователя. Читать...

19 995

Когда думаешь о новой профессии, всё как в тумане. В чём я буду хороша или хорош? Хватит ли меня на долгую учёбу? А как я устроюсь без опыта? И вообще, время уже ушло. День цифровых профессий в Практикуме — это возможность сделать шажок туда, где хоть что-то понятно. А после первого шага легче сделать второй. Мы пригласили 39 экспертов из Яндекса, AGIMA, inDrive, Хабра, Практикума, чтобы они помогли разобраться: — кем можно работать в разработке, анализе данных, дизайне, менеджменте и маркетинге; — как новичку найти первую работу; — почему рынку всё ещё нужны тысячи новых специалистов; — почему учиться в Практикуме непросто, но интересно. Приходите с любыми вопросами и сомнениями. Вам ответят эксперты и выпускники Практикума. → Зарегистрироваться на День цифровых профессий

19 995

🧑‍💻Model soups: альтернатива ансамблированию при файнтюнинге моделей В этой статье мы разберемся с тем, что это такое, и кратко пробежимся по основным моментам оригинального папера. Читать...

19 995

🎙Аугментация экспрессивных аудиоданных на основе TTS В этой статье мы поговорим о системах клонирования голоса на основе TTS (Text-to-Speech), которые мы используем в корпоративной лаборатории человеко-машинного взаимодействия ИТМО для аугментации речевых баз данных в рамках задачи мультимодального распознавания доминантности дикторов в полилогах. Читать...

19 995

🧐Генеративный ИИ — Будущее или просто Хайп? В этой статье автор обсудит возможности генеративного ИИ, почему это не хайп и как AWS демократизирует доступ к большим языковым и базовым моделям. Читать...

19 995

🤔Что такое CLTV и как мы в билайне с ним работаем В этой статье мы расскажем, зачем и как внедряли CLTV в компании. Читать...

19 995

📊FineBI-g brother is watching you: как мы начали анализировать действия пользователей в Fine В этой статье автор расскажет как он решит задачу поиска и последующего анализа действий и полномочий пользователей, а также возьмёт под контроль обновление источников. Читать...

19 995

🤓Простые радости вертикального масштабирования В этой статье мы подробно разберём, почему практика горизонтального масштабирования стала доминирующей, проверим, актуальны ли до сих пор эти обоснования, а затем исследуем некоторые преимущества архитектуры с вертикальным масштабированием. Читать...

19 995

👉 Запустите собственную LLM, представленную на HuggingFace! Уже сегодня в 20:00 мск на открытом уроке в OTUS мы обсудим что такое большая языковая модель, какие есть предобученные модели. 🔹 Поработаем с API ChatGPT, запустим предобученную RuGPT3. 🔹 Посмотрим примеры работы с подходами Zero-shot, Few-shot. 🔹Обсудим, как можно дообучать LLM на небольших видеокартах с помощью LORA модификаторов. Вебинар приурочен к старту онлайн-курса «Machine Learning. Professional» в OTUS 📌 Результаты урока: Вы узнаете как работать с API ChatGPT, запускать собственную LLM, представленную на HuggingFace, работать с LORA модификаторами моделей 👉 РЕГИСТРАЦИЯ https://otus.pw/r3gE/ Нативная интеграция. Информация о продукте www.otus.ru

19 995

😎Дропаем ранжирующие метрики в рекомендательной системе, часть 2: двухэтапные модели В этой статье автор расскажет о том, как мы дропаем ранжирующие метрики и улучшаем при этом качество рекомендаций. Читать...

19 995

🔍Как найти задачу, которую можно решить с помощью машинного обучения В этой статье мы расскажем немного об основах машинного обучения: покажем, как подобрать задачу для обучения и таким образом посмотреть на процесс через призму бизнеса. Читать...

19 995

🗺ML для ускорения работы картографов В этой статье автор поговорит о том, как он дополняет карту дорожными знаками, как работает с данными и формализует задачи. Читать...

19 995

🗓Apache Spark 3.4 для Databricks Runtime 13.0 В этой статье автор расскажет о нововведениях Apache Spark 3.4, который вошел в релиз Databricks Runtime 13.0. Читать...