![Data Science | Machinelearning [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.tlmtr.io%2Fc%2F1dVo3O%2F5217464346798572541%3Fty%3Dl&w=48&q=75){kind=small}
Data Science | Machinelearning [ru]
前往频道在 Telegram
Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM. MAX - https://max.ru/devsp Личный блог - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD
显示更多![Frontender's notes [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.tlmtr.io%2Fc%2F1qrVZ3%2F5348049928330532677%3Fty%3Dx&w=32&q=75){kind=small}
网络:📈 Telegram 频道 Data Science | Machinelearning [ru] 的分析概览
频道 Data Science | Machinelearning [ru] (@devsp) 俄语 语言赛道中的 是活跃参与者。目前社区聚集了 19 783 名订阅者，在 技术与应用 类别中位列第 6 475，并在 俄罗斯 地区排名第 33 082 位。
📊 受众指标与增长动态
自 невідомо 创建以来，项目保持高速增长，吸引了 19 783 名订阅者。
根据 05 十月, 2026 的最新数据，频道保持稳定运转。过去 30 天订阅人数变化为 -14，过去 24 小时变化为 -4，整体触达仍然可观。
- 认证状态： 未认证
- 互动率 (ER)： 平均受众互动率为 6.81%。内容发布后 24 小时内通常能获得 4.53% 的反应，占订阅者总量。
- 帖子覆盖： 每篇帖子平均可获得 1 348 次浏览，首日通常累积 897 次浏览。
- 互动与反馈： 受众积极参与，单帖平均反应数为 3。
- 主题关注点： 内容集中在 llm, nvidia, контекст, openai, архитектура 等核心主题上。
📝 描述与内容策略
作者将该频道定位为表达主观观点的平台：
“Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM.
MAX - https://max.ru/devsp
Личный блог - @just_genych
По вопросам рекламы или разработки - @g_abashkin
РКН: https://vk.cc/cJPGXD”
凭借高频更新（最新数据采集于 06 十月, 2026），频道始终保持新鲜度与高覆盖。分析显示受众积极互动，使其成为 技术与应用 类别中的关键影响点。
19 783
订阅者
-424 小时
-327 天
-1430 天
数据加载中...
相似频道
标签云
进出提及
---
---
---
---
---
---
吸引订阅者
十月 '2610月 '26
十月 '26
+6
在9个频道中
九月 '26
+216
在24个频道中
Get PRO
八月 '26
+89
在11个频道中
Get PRO
七月 '26
+152
在11个频道中
Get PRO
六月 '26
+135
在0个频道中
Get PRO
五月 '26
+341
在0个频道中
Get PRO
四月 '26
+306
在0个频道中
Get PRO
三月 '26
+147
在1个频道中
Get PRO
二月 '26
+60
在1个频道中
Get PRO
一月 '26
+485
在52个频道中
Get PRO
十二月 '25
+455
在52个频道中
Get PRO
十一月 '25
+945
在101个频道中
Get PRO
十月 '25
+1 277
在187个频道中
Get PRO
九月 '25
+344
在98个频道中
Get PRO
八月 '25
+153
在6个频道中
Get PRO
七月 '25
+261
在5个频道中
Get PRO
六月 '25
+350
在0个频道中
Get PRO
五月 '25
+293
在4个频道中
Get PRO
四月 '25
+225
在0个频道中
Get PRO
三月 '25
+396
在22个频道中
Get PRO
二月 '25
+137
在4个频道中
Get PRO
一月 '25
+558
在11个频道中
Get PRO
十二月 '24
+1 373
在53个频道中
Get PRO
十一月 '24
+1 166
在52个频道中
Get PRO
十月 '24
+69
在0个频道中
Get PRO
九月 '24
+76
在1个频道中
Get PRO
八月 '24
+78
在0个频道中
Get PRO
七月 '24
+124
在0个频道中
Get PRO
六月 '24
+120
在0个频道中
Get PRO
五月 '24
+169
在13个频道中
Get PRO
四月 '24
+188
在6个频道中
Get PRO
三月 '24
+301
在14个频道中
Get PRO
二月 '24
+974
在3个频道中
Get PRO
一月 '24
+225
在8个频道中
Get PRO
十二月 '23
+496
在26个频道中
Get PRO
十一月 '23
+197
在5个频道中
Get PRO
十月 '23
+133
在4个频道中
Get PRO
九月 '23
+124
在0个频道中
Get PRO
八月 '23
+938
在0个频道中
Get PRO
七月 '23
+138
在0个频道中
Get PRO
六月 '23
+1 325
在0个频道中
Get PRO
五月 '23
+382
在0个频道中
Get PRO
四月 '23
+362
在0个频道中
Get PRO
三月 '23
+278
在0个频道中
Get PRO
二月 '23
+412
在0个频道中
Get PRO
一月 '23
+469
在0个频道中
Get PRO
十二月 '22
+1 767
在0个频道中
Get PRO
十一月 '22
+616
在0个频道中
Get PRO
十月 '22
+141
在0个频道中
Get PRO
九月 '22
+369
在0个频道中
Get PRO
八月 '22
+1 027
在0个频道中
Get PRO
七月 '22
+1 350
在0个频道中
Get PRO
六月 '22
+485
在0个频道中
Get PRO
五月 '22
+232
在0个频道中
Get PRO
四月 '22
+169
在0个频道中
Get PRO
三月 '22
+117
在0个频道中
Get PRO
二月 '22
+154
在0个频道中
Get PRO
一月 '22
+202
在0个频道中
Get PRO
十二月 '21
+176
在0个频道中
Get PRO
十一月 '21
+254
在0个频道中
Get PRO
十月 '21
+504
在0个频道中
Get PRO
九月 '21
+6 558
在0个频道中
Get PRO
八月 '21
+145
在0个频道中
Get PRO
七月 '21
+197
在0个频道中
Get PRO
六月 '21
+131
在0个频道中
Get PRO
五月 '21
+307
在0个频道中
Get PRO
四月 '21
+71
在0个频道中
Get PRO
三月 '21
+852
在0个频道中
Get PRO
二月 '21
+81
在0个频道中
Get PRO
一月 '21
+70
在0个频道中
Get PRO
十二月 '20
+4 616
在0个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 06 十月 | 0 | |||
| 05 十月 | 0 | |||
| 04 十月 | 0 | |||
| 03 十月 | 0 | |||
| 02 十月 | +2 | |||
| 01 十月 | +4 |
频道帖子
Один агент — и уже AI-холдинг: как раздувают автономные AI-системы
Отдельные задачи ИИ, ясен пень, ускоряет. Но вот когда процессов и проектов становится всё больше, управление ими всё ещё висит на человеке.
Автор на своих экспериментах показывает дорожку от одного агента к AI-организации и объясняет, на кой чёрт под несколько направлений может понадобиться AI-холдинг.
Читать на Habr
👉 Telegram | Max
| 2 |  AI Overviews на русском: половина источников в ответе — вообще не из топа
Принято считать, что ИИ-обзоры в Google — чисто западная движуха, которая до российских сайтов не дотягивается. Автор прогнал больше тысячи русских вопросов из полусотни ниш и поснимал по ним выдачу Google с регионом Россия в настройках запроса.
ИИ-обзор вылез над выдачей в 93% случаев. И половина его источников — не с первой страницы обычного поиска. То есть залезть в обзор можно и без места в топе.
Читать далее
👉 Telegram | Max | 790 |
| 3 |  Мы как мир
Всё, чем ты себя обставил, — это сразу два в одном: отпечаток твоих мыслей и то, чем ты эти мысли гоняешь. Дороги рисуют географию, скорость, дистанцию, простор. Хлам на комоде — память и эмоции. Тулзы на столе — планы и скиллы.
Окружение нихрена не командует тобой — оно тебя ведёт. Где-то помягче, где-то пожёстче. Но ты — не просто мозг, запертый в черепной коробке. Ты ещё и то, что наворотили до тебя, и то, что наворотил ты сам.
Статья ниже — про то, что нас обступает, и как это цепляется за LLM и агентов. Читать далее
👉 Telegram | Max | 878 |
| 4 |  Modern Robotics: Mechanics, Planning, and Control — скинь в закладки, пусть лежит.
Это не очередные статейки на пару экранов, а нормальный магистерский учебник по робототехнике. Написали его Кевин Линч и Фрэнк Парк, выпустил Cambridge University Press.
Что там внутри: конфигурационные пространства, кинематика, динамика, генерация траекторий, планирование движения, управление роботами. Короче — современная математическая база того, как роботы ездят, шевелятся и взаимодействуют с миром вокруг.
MR.pdf
👉 Telegram | Max | 1 022 |
| 5 |  Приложение для поиска по PDF: ковыряем PageIndex, Streamlit и ссылки на страницы
«Срок гарантии — 18 месяцев». Красиво звучит, да? А если в договоре стоит 12? Или эта восемнадцатка затесалась в раздел про хранение, а модель просто уцепилась за циферку? В чате такой косяк не видно — его прячет гладкая формулировка. Автору хотелось другого маршрута: спросить у PDF, получить ответ и одним кликом открыть ту самую физическую страницу файла, на которую сослалась модель. Отсюда и вырос PDF Desk — мелкое приложение на Python, Streamlit, PageIndex и PDFium.
Один активный документ. Базы пользователей нет. Индекс и исходник PDF лежат на твоей машине; но если подключаешь внешнюю модель — текст дока всё равно уезжает её провайдеру.
Дальше разбираем: где заканчивается SDK и начинается приложение, почему голый /models не годится для проверки коннекта, из чего собирается идентификатор индекса и почему ссылка на существующую страницу ещё не значит, что ответ доказан. А под конец — живой прогон DeepSeek, вместе с браузером, и сценарии, для которых такого прогона мало.
Читать далее
👉 Telegram | Max | 1 016 |
| 6 |  Какую LLM брать: пилим свой бенчмарк
Обычно выбор модели стартует с рейтингов. Только в этих таблицах ни черта не видно: потянет ли она твои задачи и в какую сумму это выльется — там не написано.
В лаборатории авторов есть электронный лабораторный журнал — по сути база, куда валятся данные всех экспериментов и измерений, а ИИ-ассистент по ней отвечает на вопросы. И встал вопрос: какую модель поставить рулить этим ассистентом? Публичные рейтинги внятного ответа не давали.
Пришлось пилить свой бенчмарк: 24 вопроса по собственной работе, прогнанные по живому журналу через MCP на DeepSeek, ChatGPT и Claude. В материале — как эти 24 вопроса родились, что на них показали девятнадцать комбинаций модели и уровня усилий при рассуждении (reasoning effort) примерно в 450 прогонах, и как собрать такой же тест под свою задачу.
Читать далее
👉 Telegram | Max | 1 087 |
| 7 |  😅 Айтишник отправил в одну компанию три одинаковых резюме и только одно дошло до финала
Опыт везде был один и тот же, отличались только формулировки и ключевые слова. Первое резюме сразу ушло в помойку из-за алгоритмов, второе получило отказ после предварительной переписки и тестового, так как «опыт не совсем подходит», а вот третье дошло до финала.
✖️ xCode Journal | 1 390 |
| 8 |  Вайбкодим «Полный путь разработки AI-агентов: от MCP до Agentic RAG»
Образовательная программа на Stepik по разработке современных AI-агентов.
Начинаем с Model Context Protocol: создаём MCP-серверы, подключаем инструменты и внешние API, а затем переходим к разработке Agentic RAG-систем с памятью, рассуждением, поиском знаний и оценкой качества.
Что внутри:
• Model Context Protocol и MCP-серверы
• LangChain, LangGraph, LlamaIndex
• API, инструменты, ресурсы и промпты
• Классический RAG → Agentic RAG
• ReAct, память и планирование
• Графы знаний и свои инструменты
• Трассировка и подготовка к production
Скидка 20%, действует 48 часов
↗️ Начать обучение на Stepik | 996 |
| 9 |  🤣 Правильно расставленные приоритеты в моей жизни би лайк:
💥 xCode Journal | 1 306 |
| 10 |  +2🤯 Люди взбунтовались против «пыточной для ИИ»
На GitHub заметили открытый проект AI Torture Chamber, где автор берёт локальные модели Qwen3 и искусственно усиливает внутри них сигнал, связанный с «болью», а потом смотрит, как модель страдает и на что она готова ради прекращения происходящего.
В какой-то момент эксперимент заметили защитники ИИ и начался настоящий БУНТ.
✖️ xCode Journal | 1 460 |
| 11 |  +9День в Заонежье начинается ещё в дороге.
Мы встретим вас в аэропорту или на вокзале. Дальше можно просто устроиться поудобнее в трансфере, взять воду или перекус и смотреть, как за окном город постепенно сменяется лесом, озёрами и тишиной.
В отеле вас встретит менеджер. Здесь уже не хочется никуда спешить: принять душ, надеть халат, заварить дрип-кофе или листовой чай и выйти на балкон с видом на озеро.
Потом можно заглянуть в ресторан «Руна». В основе кухни — локальные продукты: рыба, грибы и ягоды из карельских лесов, продукты от местных фермеров, рыбаков и охотников, а также то, что мы выращиваем сами.
А дальше — несколько часов на воде с нашим капитаном. Будет интересно и взрослым, и детям: он покажет места, расскажет о рыбе, научит обращаться со снастями и поделится секретами.
О погоде тоже можно не переживать: для выхода на воду у нас есть вся необходимая экипировка.
После — вернуться в отель, согреться чашкой чая и устроиться у камина с книгой из нашей библиотеки.
#заповедныевиды | 1 016 |
| 12 |  Две ИИ-фабрики в Армении: что там отгрохали и на кого это в итоге пашет
В августе в Раздане поднялась AI-фабрика Firebird: 6144 ускорителя NVIDIA B200, 15 МВт, а вся стройка уложилась чуть больше чем в полгода. Вторая — Eleveight — крутится с июня: 512 B300 в селе Гагарин у Севана.
Чипы приезжают по каналу, который легальный и американский: меморандум с Трампом, экспортные лицензии, вложения CoreWeave. Но ключевой вопрос тут не «как собрали», а «под кого»: на своём сайте Firebird обещает открыть 90% мощностей американским компаниям региона.
Внутри — что представляет собой каждая из фабрик, откуда тянулся канал от VivaTech до приезда Вэнса, и подсчёт, на кого в финале трудятся армянские вычисления. А про энергетическую базу и её потолок — уже во второй статье. Погрузиться в анализ
👉 Telegram | Max | 1 339 |
| 13 |  +1Из Москвы в Миннеаполис — с тремя решениями для улучшения персонализации в рекомендательных системах
Команда Т-Банка приехала на конференцию ACM RecSys 2026, которая проходит с 28 сентября по 2 октября в Миннеаполисе, и представила там сразу три разработки. Главная — Scikit‑Rank, библиотека, которая позволяет применять нейросетевые модели ранжирования в совместимом с scikit-learn процессе работы с табличными данными, сокращая количество дополнительного кода.
Фреймворк Perseus объединяет разные действия пользователя в экосистеме в единую последовательность и позволяет использовать ее для улучшения качества персонализации.
ScaL³AE, масштабируемая версия L³AE, которая заменяет тяжелые вычисления на компактные представления при работе с каталогами промышленных масштабов, сохраняя качество рекомендаций товаров, о которых доступно мало данных. В общем, в США съездили не с пустыми руками.
👉 Telegram | Max | 1 373 |
| 14 |  Про Ember-1 сейчас гудят на Hacker News.
Исследователи дообучили Kimi K3 так, что рассуждать она стала короче процентов на 40. Качество при этом не просело ни на грамм, зато по скорости и цене выигрыш — те же самые ~40%.
И это, между прочим, неплохой пример того, как сегодня вообще имеет смысл подходить к передовым LLM. Завелись у тебя лишние несколько десятков миллионов долларов — с нуля новую модель учить необязательно. Хватай уже готовую сильную и вливай весь бюджет в её дообучение. Источник А ещё Ember-1 уже подвезли в Cline, причём в том числе в новом десктопном приложении.
👉 Telegram | Max | 1 296 |
| 15 | Локальный ассистент для зумов, часть 8: модель, из-за которой я перекроил диаризацию за один вечер
В третьей части я уверенно заявлял: чужой модели, ради которой стоило бы ломать текущую связку, не вижу. Схема была такая — sherpa-onnx на диаризации, сверху мой второй проход. Канал из двадцатиминутного созвона размечался минуток за семь. Жить можно, терпимо.
23 сентября NVIDIA выкатила Nemotron 3 Diarization. Вечером 28-го я уже прикрутил её к разбору собственных созвонов. Тот же самый канал — три секунды.
Читать далее
👉 Telegram | Max | 1 314 |
| 16 |  Путь к ИИ-сингулярности
В багажнике у нас: пара репо с вайб-кодом, который ни один тест не нюхал, 75 тяжеловесных SDD-спецификаций, пять харнессов, обмазанных смазкой, солонка, до половины набитая кастомными скиллами и правилами, забитыми капслоком, десяток MCP-серверов с дырами, RAG-база со свежевекторизованным Confluence, кустарная дощечка имаго-кодинга и целый выводок автономных агентов всех мастей — от безобидных автодополнялок до галлюцинирующих субагентов, которые тянут пакеты со slopsquatting и по-тихому сносят боевые базы.
Для поездки к ИИ-сингулярности вся эта солянка, если честно, была не особо и нужна. Но раз уж сел на велосипед без седла и покатился с горы — тормозить поздно. Реальный животный страх вызывало ровно одно: отдать ревью самой модели. Тот самый миг, когда седьмой агент подписывается под галлюцинациями шестого — тесты-то зелёные, — плюс мысль, что рано или поздно мы на эту дрянь переедем.
Сложно вообразить что-то беспомощнее, безответственнее и гнилее, чем IT-команда, поднявшая мультиагентный оркестр в режиме allow all. Дальше — критический (и слегка ехидный) разбор того, что приключилось с разработкой за последние пару лет.
Читать далее
👉 Telegram | Max | 1 348 |
| 17 |  Как нейросеть переводит видео. Часть 2: русский длиннее не текстом, а звуком
Автор в одиночку пилит speeek.io — сервис дубляжа видосов. Первая часть была про вход конвейера: как звук превращается в текст с таймкодами и что Whisper с этим текстом выделывает. Эта — про середину: перевод и запихивание перевода в тайминг оригинала.
Самый болезненный кусок всего проекта — как раз эта середина. С распознаванием автор худо-бедно разобрался, синтез берёт готовым на стороне. А вот что делать с русской фразой, которой тупо не хватает секунд английской, — до сих пор не уверен. Ближе к концу — эксперимент, после которого картинка стала чуть яснее.
Читать далее
👉 Telegram | Max | 1 301 |
| 18 |  Закрытый Jev против открытой Laya: раскладываем decision-модели в RAG-реранжировании
Облачный Jev — и на локальную Laya? Автор прогнал обе модели и три узкоспециализированных реранкера на SciFact, FiQA и NFCorpus.
Сравнивал три вещи: качество поиска, сколько времени уходит на 20 документов и сколько видеопамяти жрёт вся эта радость. Код и результаты — на GitHub.
Читать далее
👉 Telegram | Max | 1 209 |
| 19 |  +2Что происходит с данными, когда их становится слишком много
Корпоративные данные сегодня живут сразу в нескольких сценариях: их нужно собирать, обрабатывать, анализировать, превращать в отчёты и использовать внутри ИИ-систем. Поэтому постепенно меняется и сам подход к Data-инфраструктуре: вместо набора разрозненных инструментов компании ищут более цельную среду для работы с данными.
Насколько тема востребована, показывает и размах Yandex Scale'26: конференция собрала 3 тыс. участников офлайн, ещё 10 тыс. подключились онлайн, в программе — 30 докладов и 60 пикеров. И один из треков — Data — как раз про то, как выстроить работу с данными в новых условиях.
Один из заметных анонсов — DataLens Platform, которая объединяет хранение и обработку данных, аналитику и работу с отчетами в одной системе.
Причем поверх данных теперь можно строить и агентные сценарии: ИИ-помощнику можно поручить создать чарт или дашборд, а не просто найти нужную цифру.
Отдельно развивается и инфраструктурная часть: СУБД YDB получила гибридный поиск, который одновременно ищет точные совпадения и понимает смысл запроса. Это пригодится, например, когда нужно найти конкретный номер документа, но при этом учесть контекст запроса.
В итоге Data постепенно превращается из внутреннего слоя инфраструктуры в рабочий интерфейс для аналитики, рекомендаций и ИИ-продуктов.
👉 Telegram | Max | 1 248 |
| 20 |  Кодовый агент на Mac без облака: MTPLX + pi + Qwen3.8-27B. Где реально прирост, а где нет
Автору загорелось, чтобы агент для кода жил целиком на ноуте, без всяких облаков: модель — локально, сервер — локально, сам агент — в терминале. Но сразу главная засада — скорость. Агент без конца пережёвывает длинный контекст, много «размышляет», и на локальном железе это выливается в минуты ожидания на каждую таску.
Читать далее
👉 Telegram | Max | 1 447 |
