Data Science
الذهاب إلى القناة على Telegram
DS По всем вопросам- @haarrp @ai_machinelearning_big_data - machine learning @pythonl - Python @itchannels_telegram - 🔥 best it channels @ArtificialIntelligencedl - AI @pythonlbooks-📚 @programming_books_it -📚 Реестр РКН: https://clck.ru/3Fk3zS
إظهار المزيد
الشبكة:📈 نظرة تحليلية على قناة تيليجرام Data Science
تُعد قناة Data Science (@datascienceiot) لاعباً نشطاً. يضم المجتمع حالياً 42 628 مشتركاً، محتلاً المرتبة 3 136 في فئة التكنولوجيات والتطبيقات والمرتبة 14 796 في منطقة روسيا.
📊 مؤشرات الجمهور والحراك
منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 42 628 مشتركاً.
بحسب آخر البيانات بتاريخ 25 أكتوبر, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار 2، وفي آخر 24 ساعة بمقدار -5، مع بقاء الوصول العام مرتفعاً.
- حالة التحقق: غير موثّقة
- معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 6.21%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 2.47% من ردود الفعل نسبةً إلى إجمالي المشتركين.
- وصول المنشورات: يحصل كل منشور على متوسط 2 648 مشاهدة. وخلال اليوم الأول يجمع عادةً 1 053 مشاهدة.
- التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 0.
- الاهتمامات الموضوعية: يركز المحتوى على مواضيع رئيسية مثل llm, агентов, api, октября, разработчиков.
📝 الوصف وسياسة المحتوى
يصف المؤلف القناة بأنها مساحة للتعبير عن الآراء الذاتية:
“DS
По всем вопросам- @haarrp
@ai_machinelearning_big_data - machine learning
@pythonl - Python
@itchannels_telegram - 🔥 best it channels
@ArtificialIntelligencedl - AI
@pythonlbooks-📚
@programming_books_it -📚
Реестр РКН: https://clck.ru/3...”
بفضل وتيرة التحديث المرتفعة (أحدث البيانات بتاريخ 26 أكتوبر, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.
42 628
المشتركون
-524 ساعات
+917 أيام
+230 أيام
جارٍ تحميل البيانات
القنوات المماثلة
![Data Science | Machinelearning [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1dVo3O%2F5217464346798572541%3Fty%3Dx&w=96&q=75){kind=small}
سحابة العلامات
الإشارات الواردة والصادرة
---
---
---
---
---
---
جذب المشتركين
أكتوبر '26أكتوبر '26
أكتوبر '26
+251
في 3 قنوات
سبتمبر '26
+284
في 1 قنوات
Get PRO
أغسطس '26
+486
في 2 قنوات
Get PRO
يوليو '26
+594
في 3 قنوات
Get PRO
يونيو '26
+156
في 2 قنوات
Get PRO
مايو '26
+183
في 2 قنوات
Get PRO
أبريل '26
+170
في 4 قنوات
Get PRO
مارس '26
+338
في 2 قنوات
Get PRO
فبراير '26
+499
في 2 قنوات
Get PRO
يناير '26
+687
في 0 قنوات
Get PRO
ديسمبر '25
+380
في 2 قنوات
Get PRO
نوفمبر '25
+530
في 2 قنوات
Get PRO
أكتوبر '25
+374
في 1 قنوات
Get PRO
سبتمبر '25
+587
في 7 قنوات
Get PRO
أغسطس '25
+609
في 1 قنوات
Get PRO
يوليو '25
+750
في 3 قنوات
Get PRO
يونيو '25
+525
في 1 قنوات
Get PRO
مايو '25
+454
في 3 قنوات
Get PRO
أبريل '25
+560
في 11 قنوات
Get PRO
مارس '25
+573
في 4 قنوات
Get PRO
فبراير '25
+545
في 7 قنوات
Get PRO
يناير '25
+842
في 20 قنوات
Get PRO
ديسمبر '24
+848
في 5 قنوات
Get PRO
نوفمبر '24
+1 777
في 32 قنوات
Get PRO
أكتوبر '24
+1 710
في 6 قنوات
Get PRO
سبتمبر '24
+1 402
في 7 قنوات
Get PRO
أغسطس '24
+1 164
في 4 قنوات
Get PRO
يوليو '24
+1 033
في 7 قنوات
Get PRO
يونيو '24
+1 066
في 7 قنوات
Get PRO
مايو '24
+1 000
في 37 قنوات
Get PRO
أبريل '24
+935
في 45 قنوات
Get PRO
مارس '24
+1 187
في 22 قنوات
Get PRO
فبراير '24
+1 142
في 3 قنوات
Get PRO
يناير '24
+1 230
في 45 قنوات
Get PRO
ديسمبر '23
+687
في 42 قنوات
Get PRO
نوفمبر '23
+382
في 3 قنوات
Get PRO
أكتوبر '23
+1 012
في 20 قنوات
Get PRO
سبتمبر '23
+872
في 0 قنوات
Get PRO
أغسطس '23
+747
في 0 قنوات
Get PRO
يوليو '23
+560
في 0 قنوات
Get PRO
يونيو '23
+865
في 0 قنوات
Get PRO
مايو '23
+1 528
في 0 قنوات
Get PRO
أبريل '23
+363
في 0 قنوات
Get PRO
مارس '23
+417
في 0 قنوات
Get PRO
فبراير '23
+423
في 0 قنوات
Get PRO
يناير '23
+472
في 0 قنوات
Get PRO
ديسمبر '22
+770
في 0 قنوات
Get PRO
نوفمبر '22
+380
في 0 قنوات
Get PRO
أكتوبر '22
+534
في 0 قنوات
Get PRO
سبتمبر '22
+578
في 0 قنوات
Get PRO
أغسطس '22
+1 100
في 0 قنوات
Get PRO
يوليو '22
+464
في 0 قنوات
Get PRO
يونيو '22
+366
في 0 قنوات
Get PRO
مايو '22
+403
في 0 قنوات
Get PRO
أبريل '22
+514
في 0 قنوات
Get PRO
مارس '22
+462
في 0 قنوات
Get PRO
فبراير '22
+304
في 0 قنوات
Get PRO
يناير '22
+400
في 0 قنوات
Get PRO
ديسمبر '21
+287
في 0 قنوات
Get PRO
نوفمبر '21
+224
في 0 قنوات
Get PRO
أكتوبر '21
+1 533
في 0 قنوات
Get PRO
سبتمبر '21
+382
في 0 قنوات
Get PRO
أغسطس '21
+412
في 0 قنوات
Get PRO
يوليو '21
+507
في 0 قنوات
Get PRO
يونيو '21
+611
في 0 قنوات
Get PRO
مايو '21
+555
في 0 قنوات
Get PRO
أبريل '21
+404
في 0 قنوات
Get PRO
مارس '21
+456
في 0 قنوات
Get PRO
فبراير '21
+411
في 0 قنوات
Get PRO
يناير '21
+729
في 0 قنوات
Get PRO
ديسمبر '20
+10 299
في 0 قنوات
| التاريخ | نمو المشتركين | الإشارات | القنوات | |
| 26 أكتوبر | 0 | |||
| 25 أكتوبر | +4 | |||
| 24 أكتوبر | +2 | |||
| 23 أكتوبر | +10 | |||
| 22 أكتوبر | +11 | |||
| 21 أكتوبر | +91 | |||
| 20 أكتوبر | +7 | |||
| 19 أكتوبر | +5 | |||
| 18 أكتوبر | +18 | |||
| 17 أكتوبر | +29 | |||
| 16 أكتوبر | +1 | |||
| 15 أكتوبر | +2 | |||
| 14 أكتوبر | +5 | |||
| 13 أكتوبر | 0 | |||
| 12 أكتوبر | +6 | |||
| 11 أكتوبر | +4 | |||
| 10 أكتوبر | +5 | |||
| 09 أكتوبر | 0 | |||
| 08 أكتوبر | 0 | |||
| 07 أكتوبر | +5 | |||
| 06 أكتوبر | +10 | |||
| 05 أكتوبر | +8 | |||
| 04 أكتوبر | +22 | |||
| 03 أكتوبر | +2 | |||
| 02 أكتوبر | 0 | |||
| 01 أكتوبر | +4 |
منشورات القناة
Бесплатная книга о больших языковых моделях – 315 страниц от предобучения до рассуждений.
Foundations of Large Language Models Тун Сяо и Цзинбо Чжу системно объясняет, как устроены LLM, как их обучают и применяют.
Внутри шесть основных тем:
- Предобучение: задачи обучения и архитектуры моделей.
- Генеративные модели: Transformer, подготовка данных, масштабирование и длинный контекст.
- Промптинг: обучение на примерах в контексте, декомпозиция задач, RAG и инструменты.
- Выравнивание: обучение выполнению инструкций и использование человеческой обратной связи.
- Инференс: декодирование, ускорение и дополнительные вычисления во время генерации.
- Рассуждения: методы улучшения способности решать сложные задачи.
Авторы делают акцент на фундаментальных принципах. Материал подойдёт студентам, разработчикам и ML-инженерам, которым хочется связать отдельные знания о LLM в целостную картину.
Книга на английском. Базовые знания машинного обучения и нейросетей помогут при чтении.
Скачать PDF бесплатно:
https://arxiv.org/pdf/2501.09223
| 2 |  Working with Agentic `Teammates': When a New Organizational Actor Collides with the Human Ecosystem of Work
📓 Read
@datascienceiot | 1 049 |
| 3 |  The Geometry of Agent Memory: Forecasting Retrieval-Bound Memory Failures, and Characterizing Its Limits
📓 Read
@datascienceiot | 1 479 |
| 4 |  At the Limits of Computability: Steps Towards Autonomous AI Discovery on the Busy Beaver Frontier
📓 Read
@datascienceiot | 1 842 |
| 5 |  Patch the Planet: global response coordination as agents uncover critical vulnerabilities
https://openai.com/index/coordinated-disclosure-of-critical-vulnerabilities/ | 1 939 |
| 6 | Зачем готовиться к собеседованию вслепую, если можно заранее посмотреть, какие будут вопросы и задачи?
Ребята из Поступашек уже 6 лет собирают реальные задания и разборы собеседований в BigTech. Там можно найти не только сами вопросы, но и разборы технических секций, критерии оценки и рекомендации по подготовке.
Собрали подборку полезных материалов под разные направления:
➡️ Аналитикам:
— Собеседования на продуктового и бизнес-аналитика в Т-Банке 🟨
— Что спрашивают по A/B-тестированию в X5 🌿 , разбор собес на DS в Яндекс 🟥
➡️ Разработчикам:
— Go и System Design в Ozon 🔵, GO в Авито😎
— Банк алгоритмических собеседований из BigTech
➡️ ML/AI-инженерам:
— Все вопросы на ML-собеседование в Яндексе 🟥 и ML в Авито 😎
— 10 кейсов по ML System Design в Т-Банке 🟨
➡️ Тем, кто ищет первую стажировку:
— Как получить стажировку в 2026 году
— Где взять опыт, если его нет
В Поступашках регулярно выходят новые разборы собеседований, карьерные гайды, стажировки и инсайды о найме в BigTech.
Лучше увидеть эти вопросы до собеседования, чем узнать о них после отказа
ПОСТУПАШКИ ПОДПИСАТЬСЯ | 2 013 |
| 7 |  The World Won't Wait: Evaluating and Teaching Agents Under a Live Clock
📓 Read
@datascienceiot | 2 467 |
| 8 |  🔥 Хочешь быстрее расти в IT? Хватит учиться в одиночку
Окружение решает больше, чем кажется.
Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре.
AI: t.me/ai_machinelearning_big_data
Python: t.me/pythonl
Linux: t.me/linuxacademiya
Хакинг: t.me/linuxkalii
DevOps: t.me/DevOPSitsec
Docker: https://t.me/+90Z5TAyfuNU5YmRi
Golang: t.me/Golang_google
Rust: t.me/rust_code
C++: t.me/cpluspluc
C#: t.me/csharp_ci
Java: t.me/javatg
JavaScript: t.me/javascriptv
React: t.me/react_tg
Frontend: t.me/front
PHP: t.me/phpshka
Android: t.me/android_its
Мобильная разработка: t.me/mobdevelop
Базы данных: t.me/sqlhub
Data Science: t.me/data_analysis_ml
Big Data: t.me/bigdatai
Математика: t.me/data_math
Физика: t.me/fizmat
Kubernetes: t.me/kubernetc
GameDev: https://t.me/gamedev
Haskell: t.me/haskell_tg
Собеседования и карьера:
DS собеседования: t.me/machinelearning_interview
Python собеседования: t.me/python_job_interview
Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy
Папка Frontend: https://t.me/addlist/mzMMG3RPZhY2M2Iy
Полезное сверху:
ИТ-мемы: t.me/memes_prog
Английский для программистов: t.me/english_forprogrammers
ИИ и технологии: t.me/vistehno
954 ГБ open-source курсов: https://t.me/+rKBQEMccAA01MTcy
ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy
Max Ai: https://max.ru/ai_machinelearning_big_data
Max python: https://max.ru/pythonl
ТЕХНО: https://max.ru/vistehno
Max Go: https://max.ru/Golang_google
Max Linux: https://max.ru/linuxkalii
Devops: https://max.ru/DevOPSitsec
C#: https://max.ru/csharp_ci
C++: https://max.ru/cpluspluc
SQL: https://max.ru/sqlhub
Java: https://max.ru/javatg
Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд. | 2 124 |
| 9 |  LLM-to-Flow Distillation: Teaching Natural Language Goals to Scientific Generators
📓 Read
@datascienceiot | 2 101 |
| 10 |  С вас идея, а Т-Банк за нее заплатит
В Т-Банке ищут трейдеров, разработчиков и тех, кто просто увлекается инвестициями. Зарегистрируйтесь на программу «Инвест. Премаркет» до 11 ноября.
Ваши AI-сценарии для бизнеса смогут побороться за призовой фонд программы — 2 500 000 ₽. А сами идеи Т-Банк поможет масштабировать и сделать частью бизнеса.
Успейте подать заявку до 11 ноября | 2 196 |
| 11 |  Scaling Graph Neural Networks for Friend Recommendation: Multi-Hash User Embeddings and Temporal Neighbor Sampling
📓 Read
@datascienceiot | 2 376 |
| 12 |  +1Agentic Large Language Models
📓 Book
@datascienceiot | 2 625 |
| 13 |  Physical AI: почему научить робота брать предметы сложнее, чем кажется
Манипуляция объектами остаётся одной из актуальных задач робототехники. Антропоморфному роботу нужно оценить положение объекта, рассчитать силу захвата и скорректировать движение до того, как предмет упадёт. Отдельная проблема — генерализация: модели пока с трудом применяют освоенные навыки в новых условиях, поэтому о массовом появлении домашних роботов говорить рано.
Как решаются эти задачи и на что уже способны современные роботы, разобрали CEO MWS Павел Воронин и руководитель Лаборатории интеллектуальной космической робототехники Сколтеха Дмитрий Тетерюков.
Посмотреть выпуск подкаста «Паша AI AI AI» — тут.
@datascienceiot | 2 747 |
| 14 |  Catching Developers in the Flow: Low-Latency Agentic Program Repair at Google Scale
📓 Read
@datascienceiot | 3 163 |
| 15 |  📌Baseten выпустила бесплатный учебник по инженерии инференса
Платформа, которая хостит модели Cursor, Notion и Harvey, выложила в открытый доступ книгу Inference Engineering за авторством Филипа Кайли. который четыре года работает в Baseten и написал её по интервью с инженерами компании и собственным докладам.
Среди рецензентов - автор FlashAttention Три Дао.
Книга собирает в одном месте путь от выбора модели и GPU до мониторинга работающего сервиса.
Baseten основана в 2019 году тремя выходцами из Gumroad, четвёртым сооснователем стал Панкадж Гупта из Uber.
Компания продаёт выделенные развёртывания открытых и собственных моделей клиентов, готовые Model APIs и инфраструктуру для дообучения, а также развивает открытый фреймворк упаковки моделей Truss.
Восемь глав объясняют, как сформулировать требования к продукту, как устроены модели и где они тормозят, прежде всего в механизме внимания, разбирают GPU NVIDIA поколений Hopper и Blackwell и программный уровень, от CUDA и PyTorch до движков vLLM, SGLang, TensorRT-LLM и Dynamo.
Отдельные главы посвящены методам ускорения, моделям для речи, изображений и видео, а также эксплуатации - от автомасштабирования и батчинга до постепенной выкатки новых версий.
Новичку книга даёт карту области и порядок действий - как определить задачу, бюджет задержки, стоимости и подобрать модель, а в последующем заняться оптимизацией.
Базовые понятия вроде предзаполнения, декодирования и KV-кэша объяснены с нуля, а незнакомые термины можно найти в глоссарии.
Опытным инженерам будут интересны пороги и практические правила. Для каждой техники ускорения автор объясняет, как она устроена, при каком трафике и размере модели окупается и чем рискует качество ответов.
Отдельно сравниваются движки инференса и разобраны задачи эксплуатации, которые обычно приходится решать методом проб и ошибок.
Последний раздел посвящён продуктам компании, а оборудование рассматривается почти целиком на примере NVIDIA, другим ускорителям отведено около двух страниц.
🔜 Запросить книгу бесплатно в форматах PDF, EPUB или аудиоверсию
@ai_machinelearning_big_data
#AI #ML #Inference #Book #Baseten | 2 760 |
| 16 |  Бесплатные учебники по математике от профессора Университета Альберты
Джереми Сильвестр, доцент кафедры математики Университета Альберты, выложил свои учебники в открытый доступ. Их можно читать онлайн, а часть скачать в PDF.
Главная находка здесь Discover Linear Algebra, полноценный курс линейной алгебры на два семестра. Для тех, кому нужно быстрее, есть сокращённая версия на один семестр. Для ML это база: векторы, матрицы, собственные значения, разложения и всё, на чём держатся нейросети.
Ещё два учебника: Calculus Concepts & Modelling по матанализу и дифференциальным уравнениям с упором на моделирование и Elementary Foundations по дискретной математике и логике, который автор обещает скоро открыть полностью.
Хороший вариант, если хочется подтянуть математику под машинное обучение по нормальным университетским учебникам и бесплатно.
https://sites.ualberta.ca/~jsylvest/ | 2 560 |
| 17 |  Подключить ИИ-агента к базе просто. Определить, что ему разрешено делать, сложнее.
Пока агент только отвечает в чате, его ошибку можно заметить и исправить. Когда он получает доступ к данным, внешним API и исполнению кода, ошибка уже может превратиться в действие.
Поэтому заранее стоит определить: какие данные агент видит, какие инструменты вызывает и какие операции требуют проверки.
Эти вопросы разбирает «Лаборатория Касперского» в руководстве «Безопасность ИИ-агентов через призму кибериммунитета». Внутри: атаки через контекст на примере EchoLeak, SearchLeak и CamoLeak, границы доверия к LLM и подходы к изоляции инструментов.
Пригодится разработчикам и архитекторам, которые внедряют агентов в реальные процессы.
Скачать | 2 445 |
| 18 |  +1📚 280 страниц о машинном обучении в инвестициях от J.P. Morgan
Big Data and AI Strategies Марко Колановича и Раджеша Кришнамачари: масштабный отчёт о том, как использовать ML и альтернативные данные для анализа рынков.
Внутри:
• Какие данные могут дополнять финансовую отчётность: соцсети, поисковые запросы, транзакции и другие источники.
• Как оценивать их качество и полезность.
• Обзор методов машинного обучения для анализа данных.
• Возможности и ограничения применения этих подходов в инвестициях.
Отчёт вышел в 2017 году. Его стоит читать как фундаментальный материал по ML и данным в финансах, учитывая возраст примеров.
PDF доступен бесплатно, на английском:
📓 Книга
@datascienceiot | 3 780 |
| 19 |  Handbook on Understanding Harness Engineering for AI Agents
📓 Read
@datascienceiot | 2 910 |
| 20 |  📚 Обновили огромный учебник по математике для Computer Science и Machine Learning - 2220 страниц.
Внутри сразу несколько фундаментальных тем:
— алгебра
— топология
— дифференциальное исчисление
— теория оптимизации
— математический аппарат для CS и ML
Хороший вариант, если хочется не просто использовать формулы в ML, а понимать, откуда они берутся и почему работают.
Книга доступна здесь:
https://www.cis.upenn.edu/~jean/gbooks/ | 7 889 |
