现已上线！2025 年 Telegram 研究 — 年度关键洞察 
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. Личный блог автора - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD
显示更多📈 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 20 021 名订阅者，在 技术与应用 类别中位列第 6 726，并在 俄罗斯 地区排名第 33 725 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 20 021 名订阅者。
根据 18 六月, 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 -63，过去 24 小时变化为 -3，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 8.21%。内容发布后 24 小时内通常能获得 4.21% 的反应，占订阅者总量。
- 帖子覆盖： 每篇帖子平均可获得 1 645 次浏览，首日通常累积 843 次浏览。
- 互动与反馈： 受众积极参与，单帖平均反应数为 7。
- 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.
Личный блог автора - @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 19 六月, 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。
20 021
订阅者
-324 小时
-507 天
-6330 天
帖子存档
👨💻Хранилища данных. Обзор технологий и подходов к проектированию
В этой статье будут рассмотрены основные подходы к проектированию архитектуры хранилищ данных (DWH), эволюция архитектур, взаимосвязь Data Lake, Data Factory, Data Lakehouse, Data Mesh c DWH, преимущества и недостатки подходов к моделированию данных.
Читать...
Ищем автора эталонного кода! 💎
Если вы уверены, что вашему коду подходит звание «Эталонный», а вам — звание «Автор самого красивого кода», то приглашаем принять участие в Конкурсе красоты кода 2.0 и выиграть классные призы от Сбера: iPhone 16 и умную колонку SberBoom.
Опытные эксперты определят победителей в пяти категориях: Backend, Frontend, DevOps, AI и Mobile, — а награждение пройдёт на ключевом IT-событии HighLoad в Москве, 2 и 3 декабря.
Больше 40 участников прошлого конкурса стали частью команды Сбера. Возможно, следующим станете именно вы — переходите по ссылке и изучайте подробности!
🖥 Самые интересные статьи за последние дни:
• Кратко про Ensemble методы с примерами
• Машинное обучение и криптография: знакомимся с CipherGAN
• Строим ETL-конвейер для машинного обучения с помощью Kafka, Clickhouse и Go
💎Кратко про Ensemble методы с примерами
В этой статье мы рассмотрим три основных подхода: Bagging, Boosting и Stacking, и посмотрим, как их реализовать на Python.
Читать...
👀Хотите освоить инструменты для построения и применения моделей машинного обучения на больших наборах данных?
Ждем вас на открытом вебинаре 8 октября в 20:00 мск, где мы разберем:
- обзор возможностей Spark;
- как разрабатывать модели на Spark ML;
- как выводить модели в промышленное использование.
Урок для инженеров данных, ML-инженеров и Data Scientist'ов.
Спикер Вадим Заигрин — опытный разработчик, Data Engineer и Data Scientist. Team Lead команд инженеров данных на разных проектах.
Встречаемся в преддверии старта курса «Spark Developer».
Все участники вебинара получат специальную цену на обучение!
▶️Регистрируйтесь прямо сейчас, чтобы не пропустить мероприятие:
https://otus.pw/6Zsv/
🔥Depth Pro: Sharp Monocular Metric Depth in Less Than a Second
Мы представляем базовую модель для оценки глубины с помощью метрики нулевого кадра.
Модель синтезирует карты глубины высокого разрешения с непревзойденной резкостью и высокочастотными деталями.
Прогнозы являются метрическими, с абсолютным масштабом, без опоры на доступность метаданных, таких как внутренние параметры камеры.
Модель быстрая, производит карту глубины 2,25 мегапикселя за 0,3 секунды на стандартном графическом процессоре.
🤗 Hugging Face
💾 Arxiv
📂 PDF
@Devsp — Подписаться
🤔Машинное обучение и криптография: знакомимся с CipherGAN
В этой статье мы рассмотрим генеративно‑состязательную сеть CipherGAN, используемую для определения базового шифровального отображения по банкам непарного зашифрованного текста и открытого текста.
Читать...
⚡️Как за месяц научить нейросеть говорить на татарском: опыт MTS AI
В этой статье расскажу вам о том, как мы силами пяти человек за месяц научили нашу большую языковую модель Cotype Lite общаться на татарском языке.
Читать...
🚀Как у нейросетей работает внимание? Статья про self-attention и cross-attention
В этой статье вы узнаете о механизме внимания (attention) в нейросетях, спецификациях self-attention и cross-attention, а также их роли в генерации изображений на основе текстовых описаний.
Читать...
🥳Строим ETL-конвейер для машинного обучения с помощью Kafka, Clickhouse и Go
В этой статье я поделюсь с вами своим опытом использования Golang, Kafka и Clickhouse на примере простого ETL-конвейера для параллельной передачи JSON-данных в базу данных с последующим прогнозированием температуры на основе машинного обучения.
Читать...
🐍Как проверить свои модели ONNX на Python: кратко
В этой статье разберем, что такое ONNX, как экспортировать модели в этот универсальный формат и, что самое главное, как протестировать их с помощью Python.
Читать...
Бесплатный мини-курс по технологии ускорения ML-моделей — Triton
В Ozon Tech 100+ дата-сайентистов. Каждый день они решают задачи поиска и диалоговых систем, чат-ботов и матчинга, анализа спроса и рекомендаций. И много-много других! Для этого наши специалисты используют огромное количество технологий. Одна из них — Triton.
Курс — это гайд в формате лонгрида, из которого вы узнаете:
— что такое Triton и как в нём происходит типизация данных;
— как собрать простую модель под любые нужды;
— как оптимизировать модель и дотащить до прода.
Чтобы пройти курс, нужно:
1) отправить заявку на этой странице;
2) иметь 2 часа свободного времени.
А после прохождения вы получите приглашение в закрытый чат с DS-экспертами Ozon.
Удачи!
🗣Как общаться с базой знаний на естественном языке с помощью LLM и объективно оценить работу полученной системы
В этой статье расскажу про особенности применения больших языковых моделей для оптимизации бизнес-процессов.
Читать...
😎Эффективные запросы к ChatGPT и подобным моделям: Полное руководство по идеальной формуле
В этой статье я расскажу вам о единственной формуле, которую нужно знать, чтобы мастерски составлять запросы (промты) к ChatGPT и получать точные и полезные результаты.
Читать...
🔍 Вакансия: Data Engineer / Web Scraper Specialist 🔍
Ищем специалиста по веб-скрейпингу и работе с API для автоматизированного сбора данных о компаниях из открытых источников.
Что нужно будет делать:
- Собирать данные о компаниях через *D7 Lead Finder* (API или скрейпинг).
- Использовать *Hunter.io, LinkedIn API, Google Custom Search* для дополнительного сбора и обработки информации.
- Очистка и верификация данных, сохранение в формате *CSV/Excel*.
Что ожидаем:
- Опыт в *Python, Selenium, Beautiful Soup/Scrapy*.
- Навыки работы с API и обработки больших объемов данных.
- Умение структурировать и анализировать данные.
по всем вопросам писать: @xandersob
🛡Защита LLM в разработке чат-ботов в корпоративной среде: как избежать утечек данных и других угроз
В этой статье расскажу про основные риски, связанные с использованием LLM в корпоративной среде, и способы от них защититься.
Читать...
🤩MIO: A Foundation Model on Multimodal Tokens
Новая базовая модель, построенную на многомодальных токенах, способную понимать и генерировать речь, текст, изображения и видео сквозным авторегрессивным способом.
Экспериментальные результаты показывают, что MIO демонстрирует конкурентоспособную, а в некоторых случаях и превосходящую производительность по сравнению с предыдущими двухмодальными базовыми линиями, базовыми линиями моделей any-to-any и даже базовыми линиями, специфичными для модальности.
Более того, MIO демонстрирует расширенные возможности, присущие его функции any-to-any, такие как чередующееся создание видеотекста, цепочка визуально-мысленных рассуждений, создание визуальных руководств, редактирование обучающих изображений и т. д.
🤗 Hugging Face
💾 Arxiv
📂 PDF
@Devsp — Подписаться
🤔Как оценить качество LLM модели
В этой статье мы представим общий обзор текущего состояния исследований оценок LLM, а также расскажем о некоторых опенсорсных реализациях в этой области.
Читать...
Привет! Это команда МТС. Мы запустили набор на 3 поток Школы аналитиков данных МТС!
Обучение проходит в онлайн-формате и длится 10 месяцев. Преподаватели — эксперты нашего центра Big Data. Вы научитесь писать на Python, прокачаетесь в математике, основах машинного обучения, ML Ops, Spark и прочих вещах, без которых не выйдет работать в Data Science. Также у студентов будет возможность попасть на стажировку в МТС.
Ждем тех, кто любит учиться, хочет попасть в комьюнити единомышленников, и, конечно, развиваться в анализе данных и ML.
Обучение бесплатное, но места ограничены - чтобы попасть, необходимо подать заявку до 20 октября и выполнить вступительное задание. Старт обучения - 7 ноября!
Подробности по ссылке, ждём тебя!
Реклама. Информация о рекламодателе.
