Анализ данных (Data analysis)
الذهاب إلى القناة على Telegram
Data science, наука о данных. @haarrp - админ РКН: clck.ru/3FmyAp
إظهار المزيد
الشبكة:📈 نظرة تحليلية على قناة تيليجرام Анализ данных (Data analysis)
تُعد قناة Анализ данных (Data analysis) (@data_analysis_ml) في القطاع اللغوي الروسية لاعباً نشطاً. يضم المجتمع حالياً 51 883 مشتركاً، محتلاً المرتبة 2 578 في فئة التكنولوجيات والتطبيقات والمرتبة 11 877 في منطقة روسيا.
📊 مؤشرات الجمهور والحراك
منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 51 883 مشتركاً.
بحسب آخر البيانات بتاريخ 28 أكتوبر, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار 1 223، وفي آخر 24 ساعة بمقدار 33، مع بقاء الوصول العام مرتفعاً.
- حالة التحقق: غير موثّقة
- معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 9.13%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 6.86% من ردود الفعل نسبةً إلى إجمالي المشتركين.
- وصول المنشورات: يحصل كل منشور على متوسط 4 736 مشاهدة. وخلال اليوم الأول يجمع عادةً 3 558 مشاهدة.
- التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 216.
- الاهتمامات الموضوعية: يركز المحتوى على مواضيع رئيسية مثل llm, контекст, openai, архитектура, deepseek.
📝 الوصف وسياسة المحتوى
يصف المؤلف القناة بأنها مساحة للتعبير عن الآراء الذاتية:
“Data science, наука о данных.
@haarrp - админ
РКН: clck.ru/3FmyAp”
بفضل وتيرة التحديث المرتفعة (أحدث البيانات بتاريخ 29 أكتوبر, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.
51 883
المشتركون
+3324 ساعات
+1737 أيام
+1 22330 أيام
أرشيف المشاركات
🔥 GLM-5.3 стал open-weight
Z.ai открыла веса своей самой сильной модели для agentic coding и defensive cybersecurity.
Теперь GLM-5.3 можно:
- скачать
- запускать локально
- дообучать и кастомизировать под свои задачи
Это полноценный релиз весов, а не просто доступ через API, так что разработчики и исследователи смогут разбирать модель глубже и использовать её в своих пайплайнах.
Weights:
https://huggingface.co/zai-org/GLM-5.3
Tech blog:
https://z.ai/blog/glm-5.3
🔥 Google выпустила Gemini Omni 1.1 Flash для генерации и редактирования видео
Главные возможности:
- продление сцены до 40 секунд с учётом предыдущих 10 секунд видео
- генерация плавного перехода между первым и последним кадром
- черновики в 360p - до 60% быстрее и примерно в 3 раза дешевле 720p
- апскейл готового видео до 1080p и 4K
- можно использовать до 3 секунд видео как референс для движения и сохранения персонажей
- доступ через Gemini API и Google AI Studio
Модель уже интегрируют Adobe Firefly, Figma Weave и Runway.
https://blog.google/innovation-and-ai/technology/developers-tools/build-with-gemini-omni-1-1-flash/
🔥 Soup - дообучение LLM одной командой
Проект упрощает fine-tuning и post-training моделей до схемы: один YAML-конфиг → одна команда.
Самое интересное:
- можно дообучать 8B-модель даже на ноутбуке с 4 ГБ VRAM
- layer streaming подаёт слои модели на GPU по одному
- работает с QLoRA и локальными GPU
- автоматически подбирает batch size, устройство и квантование
- есть DPO, ORPO, SimPO и KTO
- без SSH и отдельной облачной инфраструктуры
На RTX 3050 Laptop 4 GB авторы запускали Llama 3.1 8B Instruct с пиковым потреблением около 3,32 ГБ VRAM.
https://github.com/MakazhanAlpamys/Soup
Реформа вузов: 6 лет или 2,5 года — выбор высшего образования для выпускников колледжей!
С 1 сентября 2026 года стартует новая модель: базовое образование от 4 до 6 лет. Ускоренные программы — под вопросом. Перезачет дисциплин — в зоне риска.
Альтернатива — Университет IThub. Программа для выпускников колледжей и вузов длится 2,5 года вместо 4–6 лет.
Как это работает:
✅ Перезачет дисциплин — без повторения базы.
✅ Реальные проекты для бизнеса (Т2, Альфа-Банк, Ингосстрах и еще 100+ компаний).
✅ Гибридный формат: 2–3 вечерних онлайн-занятия + очный день по выходным.
✅ Центр карьеры — стажировка и оффер до выпуска.
На выбор: ИТ, кибербезопасность, управление бизнесом и др.
Поступление — до 20 сентября. Вступительные онлайн.
Стоимость — от 415 000 руб./год. Рассрочка и кредит под 3%.
Сейчас — последнее окно, чтобы получить высшее образование без паузы в карьере и выиграть 3–4 года.
Подробности на сайте!
Реклама. АНО ПО "ИТ ХАБ". ИНН 9709063913. erid: 2W5zFH4i7Rb
🔥 Anthropic показала стандарт, который позволяет AI-агентам управлять реальным оборудованием
Model Hardware Standard (MHS) - единый интерфейс для подключения ИИ к лабораторным и промышленным устройствам.
Что он умеет:
- управлять микроскопами, роботизированными манипуляторами и лабораторным оборудованием
- объединять разные устройства в один процесс
- передавать агенту характеристики и ограничения оборудования
- работать через MCP, CLI и API
- запускать длительные автономные эксперименты
- менять параметры в реальном времени и иногда самостоятельно восстанавливаться после ошибок
Anthropic пишет, что интеграция оборудования, которая раньше занимала недели или месяцы, с MHS может сократиться до часов или даже минут.
В Genentech Claude через MHS уже управлял жидкостным роботом, манипулятором и считывателем планшетов, сам подбирая параметры эксперимента.
Сейчас MHS доступен как research preview, позже стандарт планируют открыть.
https://www.anthropic.com/news/model-hardware-standard-research-preview
💰 Nvidia договорилась купить Hugging Face за $12,9 млрд.
При заявленной годовой выручке Hugging Face примерно в $150 млн это соответствует оценке около 86 годовых выручек.
https://www.theinformation.com/articles/nvidia-agrees-buy-open-source-model-repository-hugging-face-12-9-billion
⚡️ До половины запланированных дата-центров в США могут задержать или отменить
По данным Bloomberg, Kimmeridge оценивает риск задержек или отмен для до 50% проектов.
Главные ограничения уже не только чипы и капитал:
* подключение к электросетям
* разрешения и строительство
* согласование с местными властями
* растущее сопротивление жителей
61% американцев сейчас выступают против строительства новых дата-центров рядом с домом против 49% ранее в этом году.
Техас уже приостановил новые подключения дата-центров к сети до завершения аудита, а Пенсильвания убрала AI-дата-центры из ускоренной процедуры согласования.
https://www.bloomberg.com/news/articles/2026-08-26/up-to-half-of-planned-us-data-centers-may-face-delays-kimmeridge-says
В AI VK рассказали, как перевели финальное ранжирование рекомендаций с градиентного бустинга на нейросети.
Вместо одного итогового score теперь используется многозадачный нейроранкер DCDN, отдельно переделали прогноз Watch Time. Для стабильного MLE-обучения команда добавила собственную инициализацию и регуляризационные штрафы против схлопывания дисперсий.
Результаты в VK Клипах:
TVT +5,5%
лайки +3%
шеры +15%
Подробный разбор в посте на Хабре.
+5🔥 Google представила GlucoFM - базовую AI-модель для анализа непрерывного мониторинга глюкозы
Модель обучили на 109 066 часах данных с датчиков CGM. Она отдельно анализирует медленные изменения уровня глюкозы и краткосрочные скачки, например после еды или нагрузки.
GlucoFM тестировали на задачах оценки:
* риска диабета
* инсулинорезистентности
* нарушения работы бета-клеток
* гипогликемии
* ожирения
* реакции глюкозы после еды
В 14 тестах средний PR-AUC оказался выше сильнейшей сравниваемой CGM-модели, а при прогнозировании двухчасовой реакции на еду GlucoFM показала минимальную ошибку.
Модель также хорошо переносится на новые выборки и работает даже при небольшом количестве размеченных медицинских данных.
https://research.google/blog/glucofm-foundation-model-for-continuous-glucose-monitoring
🔥 Anthropic впервые открывает внешним исследователям доступ к данным о реальном использовании Claude
Исследователи смогут изучать агрегированные и защищённые данные из реальных Claude.ai и Claude Code-сессий - то, что раньше фактически было доступно только внутри AI-лабораторий.
В пилоте уже участвуют Stanford, Oxford и METR. Они анализируют около 250 000 разговоров с Claude.
Первые результаты Stanford: более половины изученных диалогов связаны с consequential tasks - задачами, которые влияют на других людей или последствия которых трудно отменить.
Anthropic теперь хочет масштабировать программу и дать доступ большему числу независимых исследователей.
https://www.anthropic.com/research/enabling-independent-research
🔥 Qwen3.8-Flash выглядит очень сильно
* 125B MoE-параметров, но активны только 6B
* SWE-bench Pro: 62.5 против 53.4 у Opus 4.6 Max
* ранний превью архитектуры Qwen4
* обучение обошлось примерно в 9 раз дешевле, чем у Qwen3.7-Plus
Получается очень агрессивное сочетание цены, скорости и качества, особенно для coding-задач.
- Blog: https://qwen.ai/blog?id=qwen3.8-flash-next
- Technical Report: https://github.com/QwenLM/Qwen3.8-Flash-Next/blob/main/tech_report.pdf
- Hugging Face: https://huggingface.co/Qwen/Qwen3.8-Flash-Next?spm=a2ty_o06.30285417.0.0.1d73c921FsyOPe&file=Qwen3.8-Flash-Next
- ModelScope: https://modelscope.cn/models/Qwen/Qwen3.8-Flash-Next?spm=a2ty_o06.30285417.0.0.1d73c921XAP2dV&file=Qwen3.8-Flash-Next
🔥 OX Alpha - это новая GLM
Bloomberg подтвердил: OX Alpha действительно относится к новой линейке GLM.
Ещё интереснее - веса модели обещают выложить уже сегодня.
Получается, все «инсайды» о том, что OX Alpha якобы не имеет отношения к новой GLM, оказались мимо.
Ждём релиз весов - после этого модель можно будет нормально разобрать уже без догадок.
https://x.com/business/status/2092541346724679687
+1🔥 DeepSeek резко нарастила выручку
По данным The Information, к июлю 2026 года выручка DeepSeek достигла $70 млн - примерно в 10 раз больше, чем за весь 2025 год.
Ещё несколько цифр:
* валовая маржа API - 82,9%
* компания ищет около 50 млрд юаней во втором раунде
* обсуждаемая оценка - 500 млрд юаней, примерно $74 млрд
Рост связывают с низкой стоимостью инференса и эффективной AI-инфраструктурой, которая позволяет держать цены на модели ниже многих конкурентов.
https://www.theinformation.com/articles/deepseeks-revenue-reaches-70-million-july-tenfold-jump-2025
Скайнет рядом!
Датчики усилия в запястьях робота, напрямую передают данные в контроллер баланса.
И ещё впечатляет, как быстро всё происходит: стоит углу наклона каната измениться, роботы почти мгновенно снова выравнивают положение бёдер.
+1
🤯 Локальные AI-модели становятся пугающе мощными
Qwen3.8-27B вошла в топ-10 рейтинга Arena WebDev, оказавшись всего в нескольких позициях от моделей, которые больше неё на порядки.
Модель всего на 27 млрд параметров, которую можно запускать локально.
Ещё недавно такие возможности требовали огромных облачных моделей и дорогой инфраструктуры.
Теперь open-source модели начинают конкурировать с лидерами рынка прямо на своём железе.
Alibaba с серией Qwen 27B закрепилась в отдельном классе размеров и сейчас выглядит практически без конкурентов.
https://x.com/arena/status/2091920512796725272
17 сентября в Москве — AI R&D DAY.
Без маркетинговой шумихи, только хардкор: альтернативные архитектуры, омнимодальная долгосрочная память, агенты, бенчмарки и инструменты обучения моделей.
Команда NextGenAI расскажет, что уже работает сегодня и что станет стандартом завтра.
Для кого: R&D, AI-архитекторов, продактов и техлидов, которые строят продукты, а не слайды.
Поговорим о:
-новых подходах к созданию и обучению моделей;
-системах, которые одновременно работают с текстом, изображениями, звуком и другими типами данных;
-развитии голосовых технологий;
-оценке качества AI-решений;
-внедрении технологий в реальные продукты.
Приходят не спикеры «по приглашению», а опытные команды, которые сейчас строят NextGenAI. Говорят про архитектуры, которые ещё не в публичных репозиториях. Про память, которая работает дольше контекста. Про то, как голосовые технологии перестают быть костылём.
👇 Подробности
#реклама
О рекламодателе
💰 Фурнитурщик стал миллиардером благодаря буму AI
История, которая звучит как сюжет фильма.
Компания, которая десятилетиями делала обычные направляющие для ящиков, неожиданно оказалась критически важной для индустрии искусственного интеллекта.
Почему? Те же самые механизмы теперь нужны внутри AI-серверов — для тяжёлых модулей и компонентов инфраструктуры.
Компания заняла около 80% мирового рынка направляющих, а состояние её основателя выросло примерно до $20,2 млрд.
Пока все смотрели на чипы NVIDIA, кто-то заработал на деталях, без которых эти серверы просто не собрать.
https://www.wsj.com/business/one-of-taiwans-biggest-ai-winners-isnt-a-chip-maker-51768bd5
NVIDIA заявила о 30-кратном росте эффективности Vera Rubin NVL72 для AI-агентов
По новым замерам NVIDIA, система Vera Rubin NVL72 показывает до 30x больше throughput на мегаватт и до 35x меньшую стоимость токенов по сравнению с GB300 NVL72 на агентных нагрузках.
Тестировали не обычный чат, а реальные coding-сессии из SemiAnalysis AgentX: длинный растущий контекст, вызовы инструментов, запуск субагентов и многошаговое рассуждение. По данным OpenRouter, такие сценарии могут потреблять примерно в 15 раз больше токенов, чем обычный запрос в чат.
В Vera Rubin NVIDIA отдельно оптимизировала работу с длинным контекстом: distributed KV-cache, KV-aware routing, разделение prefill и decode, expert parallelism и новые CUDA-кернелы.
На DeepSeek V4 Pro Vera Rubin NVL72, по данным NVIDIA, даёт до 30x больше throughput на мегаватт относительно GB300 NVL72. Эти результаты пока ожидают проверки SemiAnalysis.
https://blogs.nvidia.com/blog/vera-rubin-nvl72-efficiency-ai-agents/
