متاح الآن! بحث تيليغرام 2025 — أهم رؤى العام 
Математика Дата саентиста
الذهاب إلى القناة على Telegram
@workakkk - админ @data_analysis_ml - ds https://gosuslugi.ru/snet/67b55bb01a1c5a6fb6ecc946
إظهار المزيد📈 نظرة تحليلية على قناة تيليجرام Математика Дата саентиста
تُعد قناة Математика Дата саентиста (@data_math) في القطاع اللغوي الروسية لاعباً نشطاً. يضم المجتمع حالياً 14 053 مشتركاً، محتلاً المرتبة 9 190 في فئة التكنولوجيات والتطبيقات والمرتبة 47 377 في منطقة روسيا.
📊 مؤشرات الجمهور والحراك
منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 14 053 مشتركاً.
بحسب آخر البيانات بتاريخ 18 يونيو, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -62، وفي آخر 24 ساعة بمقدار 0، مع بقاء الوصول العام مرتفعاً.
- حالة التحقق: غير موثّقة
- معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 17.87%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 6.96% من ردود الفعل نسبةً إلى إجمالي المشتركين.
- وصول المنشورات: يحصل كل منشور على متوسط 2 511 مشاهدة. وخلال اليوم الأول يجمع عادةً 978 مشاهدة.
- التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 53.
- الاهتمامات الموضوعية: يركز المحتوى على مواضيع رئيسية مثل llm, программирование, параметр, визуализация, stepik.
📝 الوصف وسياسة المحتوى
يصف المؤلف القناة بأنها مساحة للتعبير عن الآراء الذاتية:
“@workakkk - админ
@data_analysis_ml - ds
https://gosuslugi.ru/snet/67b55bb01a1c5a6fb6ecc946”
بفضل وتيرة التحديث المرتفعة (أحدث البيانات بتاريخ 19 يونيو, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.
14 053
المشتركون
لا توجد بيانات24 ساعات
-47 أيام
-6230 أيام
أرشيف المشاركات
🖥 Manim — это мощная библиотека на Python для создания анимаций математических и научных концепций!
💡 Она позволяет визуализировать сложные идеи с высокой точностью и гибкостью, используя код для определения сцен, объектов и их взаимодействия. Manim широко используется в образовательных целях и для создания объясняющих видео. Библиотека поддерживает анимацию графиков, формул, геометрических фигур и других визуальных элементов.
🔐 Лицензия: MIT
🖥 Github
@data_math
Неопределённый интеграл
Неопределённый интеграл. Свойства неопределённых интегралов.
Замена переменной в неопределённом интеграле.
Интегрирование по частям в неопределённом интеграле. Часть 1
Интегрирование по частям в неопределённом интеграле. Часть 2
Интегрирование простейших рациональных дробей
Примеры интегрирования простейших рациональных дробей III и IV типов
Сведения из алгебры, необходимые для интегрирования рациональных дробей
Интегрирование правильных рациональных дробей (корни знаменателя действительные и простые)
Интегрирование правильных рациональных дробей (корни знаменателя действительные и кратные)
Интегрирование правильных рациональных дробей (корни знаменателя комплексные некратные)
⭐️ источник
⚡️Легкий способ получать свежие обновления и следить за трендами в разработке на вашем языке. Находите свой стек и подписывайтесь:
МАШИННОЕ ОБУЧЕНИЕ: t.me/ai_machinelearning_big_data
C++ t.me/cpluspluc
Python: t.me/pythonlbooks
Linux: t.me/linuxacademiya
Хакинг: t.me/linuxkalii
Devops: t.me/DevOPSitsec
Data Science: t.me/datascienceiot
Javascript: t.me/javascriptv
C#: t.me/csharp_ci
Java: t.me/javatg
Базы данных: t.me/sqlhub
Python собеседования: t.me/python_job_interview
Мобильная разработка: t.me/mobdevelop
Docker: t.me/DevopsDocker
Golang: t.me/Golang_google
React: t.me/react_tg
Rust: t.me/rust_code
ИИ: t.me/vistehno
PHP: t.me/phpshka
Android: t.me/android_its
Frontend: t.me/front
Big Data: t.me/bigdatai
Собеседования МЛ: t.me/machinelearning_interview
МАТЕМАТИКА: t.me/data_math
Kubernets: t.me/kubernetc
Разработка игр: https://t.me/gamedev
Haskell: t.me/haskell_tg
💼 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
😆ИТ-Мемы: t.me/memes_prog
🇬🇧Английский: t.me/english_forprogrammers
🧠ИИ: t.me/vistehno
🎓954ГБ ОПЕНСОРС КУРСОВ: @courses
📕Ит-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy
🎓 Видеокурс Стэнфорда по обучению с подкреплением, состоящий из 16 лекция, является незаменимым ресурсом для всех, кто хочет освоить системы принятия решений - комплексный, практический и ориентированный на будущее.
🔗 Смотерть: https://youtube.com/playlist?list=PLoROMvodv4rN4wG6Nk6sNpTEbuOSosZdX
@data_math
🎓 Введение в статистическую теорию машинного обучения
📌 Видео
📌 Урок 1 / Урок2 / Урок3 / Урок4 / Урок5 / Урок 6
📌 Colab
📌Полный курс
@data_math
👨🎓 Курс по математике от Гарварда
Материал представлен очень подробно, так что у вас будет возможность глубоко разобраться в каждой теме.
охватывает три ключевые темы:
- теорию вероятностей
- статистику
- линейную алгебру.
Это отличный курс для входа а перейти к машинное обучение и продвинутое программирования на Python.
@data_math
"Fundamentals of Linear Algebra" by James B. Carrell
Link: personal.math.ubc.ca/~carrell/NB.pdf
+4
📚 Новогодние праздники продолжаются и пришло время провести крутой розыгрыш.
На этот раз мы разыграем целых 3 места на наших курсах и целую коллекцию актуальных книг для изучения и погружения в машинное обучение и python.
Условия просты:
• подписаться на Pythonl
• подписаться на Поступашки
Победители рандомно получат доступы к курсам или одну из книг, которые перечислены ниже:
— System Design. Машинное обучение. Подготовка к сложному интервью | Сюй Алекс
— Алгебра, топология, дифференциальное исчисление и теория оптимизации для компьютерных наук и машинного обучения
— Глубокое обучение Курвилль Аарон, Гудфеллоу Ян
— Как быть успешным в Data Science.
— Все, что нужно, чтобы понимать математику в одном толстом конспекте
Итоги подведем при помощи бота, который рандомно выберет победителя. Всем удачи ❤️
• подписаться на Pythonl
• подписаться на Поступашки
#Конкурс
Repost from Machinelearning
+2
⚡️ QVQ-72B-Preview: VLM с ризонингом от Qwen.
QVQ-72B-Preview - экспериментальная VLM на основе Qwen2-VL-72B , разработанная Qwen, со способностями к аналитическому мышлению и новым уровнем когнитивных навыков.
Проведенная в Qwen оценка QVQ-72B-Preview на бенчмарках MMMU, MathVista, MathVision и OlympiadBench показала результат 70.3 на MMMU, 71.4 на MathVista, 35.9 в MathVision и 20.4 на наборе OlympiadBench, подчеркнув ее способность к комплексному пониманию и рассуждению в мультидисциплинарных задачах.
⚠️ Несмотря на высокие результаты, QVQ-72B-Preview - предварительная версия модели, которая имеет ограничения:
🟠возможность смешения языков и переключения между ними;
🟠склонность к зацикливанию в логических рассуждениях;
🟠постепенная потеря концентрации на визуальном контенте при многоступенчатом рассуждении, что может приводить к галлюцинациям.
Неофициальные квантованные версии QVQ-72B-Preview в формате GGUF с диапазоном разрядностей от 1-bit (23.7GB) до 8-bit (77.26GB) и MLX-версии от mlx community в разрядностях от 4-bit до 16-bit.
📌Лицензирование: Qwen License.
🟡Статья
🟡Модель
🟡Demo
🟡Набор GGUF
🟡Набор MLX
🟡Сообщество в Discord
🖥GitHub
@ai_machinelearning_big_data
#AI #ML #VLM #Qwen #Reasoning
+5
ФИЗМАТ - топовый канал про Физику, Математику и ИТ.
С помощью картинок и шортcов даже новички разберутся в сложных концепциях и формулах.
Присоединяйтесь: t.me/fizmat
