متاح الآن! بحث تيليغرام 2025 — أهم رؤى العام 
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📈 نظرة تحليلية على قناة تيليجرام Data Science
تُعد قناة Data Science (@datascienceiot) لاعباً نشطاً. يضم المجتمع حالياً 41 909 مشتركاً، محتلاً المرتبة 3 247 في فئة التكنولوجيات والتطبيقات والمرتبة 15 289 في منطقة روسيا.
📊 مؤشرات الجمهور والحراك
منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 41 909 مشتركاً.
بحسب آخر البيانات بتاريخ 16 يونيو, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -37، وفي آخر 24 ساعة بمقدار -14، مع بقاء الوصول العام مرتفعاً.
- حالة التحقق: غير موثّقة
- معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 8.76%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 3.10% من ردود الفعل نسبةً إلى إجمالي المشتركين.
- وصول المنشورات: يحصل كل منشور على متوسط 3 674 مشاهدة. وخلال اليوم الأول يجمع عادةً 1 301 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 17 يونيو, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.
41 909
المشتركون
-1424 ساعات
+17 أيام
-3730 أيام
أرشيف المشاركات
41 907
5-phase path every ML systems engineer follows but almost no one talks about.
📚 Read
@datascienceiot
41 907
Video-LMM Post-Training: A Deep Dive into Video Reasoning with Large Multimodal Models
Read
@datascienceiot
41 907
🖥 Новый курс на Stepik - PostgreSQL для разработчиков: от основ к созданию API
Здесь на пальцах объясняют не только как писать SQL-запросы, а строить настоящие backend-сервисы с базой данных как у профи.
В этом курсе ты шаг за шагом создашь REST API на FastAPI + PostgreSQL:
от установки среды и первых таблиц - до масштабируемого приложения с безопасностью и CRUD-операциями.
🔹 На практике разберете:
• SQL-запросы, фильтры, агрегаты и подзапросы
• Связи между таблицами и нормализацию БД
• Взаимодействие Python и PostgreSQL
• Реализацию REST API и подключение базы
• Оптимизацию и разбор реальных задач с собеседований
⚡ После курса у вас будет свой работающий API-проект и реальные навыки работы с PostgreSQL в продакшене.
🎁 Сегодня дарим промокод –30% от цены:
SQLISGREAT
🚀 Прокачаю свои знания: https://stepik.org/course/255542/41 907
1,001 real-world gen AI use cases from the world's leading organizations
📚 Github
@datascienceiot
41 907
Gaussian Embeddings: How JEPAs Secretly Learn Your Data Density
📕Читать
@datascienceiot
41 907
ML-Хакатон от Overnight Finance! 🦥
Задача спрогнозировать курс ETH/USDC по реальным данным! Финансовый кейс от Overnight.fi — профи в стейблкоинах и дельта-нейтральных стратегиях.
Призы:
🥇$2,500
🥈$1,500
🥉$1,000
Зачем участвовать?
1) Прокачай ML-навыки.
2) Покажи мощь аналитики.
3) Забери призы!
Регистрация тут
41 907
🔥Прими участие в Хакатоне от ИТ–холдинга Т1 в Минске и поборись за призовой фонд 600 000 рублей!
Когда: 14–17 октября
Формат: онлайн + финал на площадке
Участвуй, если ты:
🔹обучаешься на технической или ИТ–специальности;
🔹развиваешься в направлении разработки, аналитики, AI/ML, NLP или DevOps;
🔹сможешь быть в Минске 17 октября.
Выбери свой кейс:
✴️FaaS система биллинга: платите ровно за то, что используете. Создай биллинговую систему для FaaS – точный расчёт с учётом времени, вызовов и памяти.
✴️Smart Support: поддержка нового поколения. Разработай ИИ-ассистента для службы поддержки с real-time подсказками из базы знаний.
Почему стоит участвовать:
🔘Кейс в портфолио и полезная обратная связь от менторов Т1;
🔘Шанс проявить себя, чтобы начать карьеру в одной из крупнейших ИТ-компаний;
🔘Реальный опыт командной работы;
🔘Мерч и атмосфера сильного комьюнити — в Т1 более 5 000 джунов из 580+ вузов России и Беларуси.
Регистрация открыта!
➡️ Успей до 12 октября по ссылке.
#реклама
О рекламодателе
41 907
THE DRAGON HATCHLING: THE MISSING LINK
BETWEEN THE TRANSFORMER AND MODELS OF THE BRAIN
📕Читать
@datascienceiot
41 907
Команде Kandinsky нужны именно вы? Сейчас узнаем! 😏
1) Разрабатывать и внедрять техники ускорения инференса.
2) Использовать и дорабатывать существующие ML-компиляторы.
3) Улучшать процессы обучения с помощью исследований.
Если вы трижды ответили «да» — добро пожаловать на One Day Offer, который пройдёт 11 октября.
Зарегистрироваться!
41 907
Repost from Machinelearning
+6
📘 Learning Deep Representations of Data Distributions — новая бесплатная книга от исследователей UC Berkeley (Sam Buchanan, Druv Pai, Peng Wang, Yi Ma).
Главная идея книги - показать, почему и как глубокие нейросети учатся извлекать сжатые, информативные представления сложных данных, и что у них внутри:
💡В книге вы найдите:
🟠простое объяснение фундаментальных принципов архитектур нейросетей через оптимизацию и теорию информации.
🟠как модели формируют инвариантные и устойчивые представления
🟠связь с PCA, автоэнкодерами и дифференцируемыми отображениями — то есть, как нейросети по сути обобщают классические методы сжатия данных и учатся находить их оптимальное представление
🟠взгляд на обучение через энергию, энтропию и структуру данных
🟠свежие идеи для понимания LLM и генеративных моделей
📖 Читать онлайн: ma-lab-berkeley.github.io/deep-representation-learning-book
🖥 Github: https://github.com/Ma-Lab-Berkeley/deep-representation-learning-book
@ai_machinelearning_big_data
#book #deeplearning #representationlearning #ucberkeley #machinelearning
41 907
Rethinking JEPA: Compute-Efficient Video SSL with Frozen Teachers
📕 Читать
@datascienceiot
41 907
SciReasoner: Laying the Scientific Reasoning Ground Across Disciplines
📕 Читать
@datascienceiot
41 907
❌ Почему 87% ML-моделей никогда не попадают в продакшн?
📘 На Stepik вышел курс — «MLOps с нуля: как довести модель до продакшна»
Начинаете путь в MLOps и хотите понять, как перевести ML-модель из ноутбука в реальный продукт? Этот курс — именно то, что нужно.
🎯 Что вы получите:
- Полный жизненный цикл ML-модели: от обучения до мониторинга
- Практику с Docker, Kubernetes, CI/CD, MLflow
- Опыт построения воспроизводимых пайплайнов
- Навыки автоматизации для реального продакшна
🏆 Сертификат по завершении — добавьте его в резюме или профиль LinkedIn
🚀 Сделайте шаг к профессии MLOps-инженера.
Начните уже сегодня и получите скидку 30%, которая действительна в течение 48 часов.
👉 Пройти курс на Stepik
41 907
На Yandex Neuro Scale 2025 в Москве показали новую AI Studio
Теперь ИИ-агентов можно собирать без навыков программирования всего за несколько часов. Внутри — realtime API для голосовых ассистентов, поиск по документам и интернету, быстрое подключение к внешним сервисам по шаблонам через MCP Hub и готовые решения вроде Нейроюриста и SpeechSense.
ИИ-агенты могут изменить работу компаний в ритейле, банках и любых других компаниях – для этого достаточно довериться нейросетям и использовать их как своих помощников. Тогда они смогут забрать на себя львиную долю рутинных задач.
@datascienceiot
41 907
Positive Technologies приглашает на онлайн-презентацию нового продукта — PT Data Security
Решение помогает защитить критически важные данные компании, снижает риски утечек и обеспечивает соответствие требованиям регуляторов.
На онлайн-трансляции вы первыми узнаете:
— Какие задачи и риски сегодня определяют настоящее и будущее рынка защиты данных.
— Какие вызовы стоят перед компаниями на рынке защиты данных.
— О новом подходе Positive Technologies к защите данных.
📅 8 октября, 15:00 мск
📍 Онлайн
👉 Регистрация
