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 19 994 名订阅者，在 技术与应用 类别中位列第 6 722，并在 俄罗斯 地区排名第 33 703 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 19 994 名订阅者。
根据 21 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 -75，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 8.29%。内容发布后 24 小时内通常能获得 3.70% 的反应，占订阅者总量。
- 帖子覆盖： 每篇帖子平均可获得 1 658 次浏览，首日通常累积 740 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 22 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。
19 994
订阅者
-324 小时
-367 天
-7530 天
帖子存档
Мешают ли дата-сайентистам галлюцинации, и где они с ними сталкиваются
В предновогоднем эпизоде подкаста «Деньги любят техно» команда дата-сайентистов из ВТБ подвела итоги уходящего года в темах развития нейросетей, машинного обучения, инструментов на базе ИИ. Вспомнили главные достижения и фейлы технологических компаний, занимающихся генеративным ИИ, рассказали о своём взаимодействии с нейросетями, пообщались с одной из них и попытались выяснить, когда она со своими «коллегами» захватит мир.
Получился живой и весёлый разговор, слушать можно на любой удобной подкаст-платформе.
💎 Как быстро и эффективно собирать данные с разных сайтов?
Расскажет Мария Тихонова – Senior Data Scientist в SberDevices и преподаватель ВШЭ. Встречаемся на бесплатном уроке «Парсинг данных: собираем датасет своими руками», где мы поговорим об общих принципах сбора данных и изучим основные инструменты парсинга в Python.
💻 Вебинар идеально подойдет:
— тем, кто знает основы Python и хочет углубиться в ML и NLP;
— начинающим DS специалистам;
— тем, кто уже изучил основы ML и хочет понять более глубокие аспекты.
🗣 Занятие пройдёт 25 декабря в 20:30 мск и будет приурочено к старту курса «Natural Language Processing». После урока вы сможете продолжить обучение в рассрочку.
📍 Для бесплатного участия и получения записи пройдите короткое тестирование прямо сейчас: https://clck.ru/37CyJ3
Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru
Спрос на ML-специалистов растет: как ШАД от Яндекса готовит профессионалов
В интервью “Коммерсанту” глава Школы анализа данных (ШАД) Алексей Толстиков рассказывает о подготовке специалистов по машинному обучению, объясняет, почему конкурс на поступление такой высокий и расписывает типичный карьерный трек ШАДовца с перспективой руководить командой в несколько десятков человек уже через три-пять лет после выпуска.
Читать
Подкаст для начинающих и продвинутых специалистов в MLOps
О чём:
• Какие критерии выбора применять при выборе инструментов MLOps для больших задач
• С чего начать, на какие платформы обратить внимание
• Как выбрать подходящие под вашу задачу Open-Source-инструменты
• Облако или InHouse
Участники:
• Юрий Карев, руководитель управления процессов и стандартов моделирования и машинного обучения ВТБ
• Алексей Незнанов, к.т.н, старший научный сотрудник международной лаборатории интеллектуальных систем и структурного анализа НИУ ВШЭ
Слушать 🎧
💪 Создание ML-модели: как выпустить ML-сервис в прод малыми силами
В этой статье Александр Кузьмичёв и Александр Казначеев, пилоты проекта «ML-сервис по оттоку», поделились своим опытом разработки модели и выкатки её в прод с помощью Cloud ML Platform. Они рассказали все: от подготовки модели до перспектив ее улучшения.
Читать…
🔬 Яндекс в пятый раз наградил исследователей в области машинного обучения
Международную премию Yandex ML Prize получили 11 ученых, всего было получено более 200 заявок в шести номинациях. Так, лауреатами стали аспиранты Сколтеха Никита Гущин — за разработку новых генеративных моделей на основе решения задачи моста Шрёдингера —и Антон Разжигаев — за мультимодальные исследования. Исследования имеют прикладной характер и находят применение в реальных задачах в IT-сфере.
💬 Вступайте в сообщество MLOps-инженеров в Telegram. Там публикуем дайджесты, обсуждаем новые инструменты и технологии.
В сообществе вы найдете:
▫️ Новости индустрии production ML;
▫️ Полезные статьи, инструменты и технологии;
▫️ Опыт коллег и лучшие практики.
Присоединяйтесь, чтобы получать новые знания от практиков MLOps и дата-аналитики: https://t.me/+cm7RWVl98JhkMzky
Реклама ООО «Селектел» erid 2VtzqwMZZhC
🔐Безопасность и контроль: Как GPT-агенты на основе узлов преодолевают ограничения AutoGPT
В этой статье мы рассмотрим потенциальную альтернативу существующим GPT-агентам, которая позволить минимизировать риски, связанные с использованием GPT-агентов, и при этом потенциально более эффективно решать конкретные задачи.
Читать...
😶🌫️Поиск аномалий при запусках процессов Windows с помощью рекомендательных систем
В этой статье мы расскажем о том, как правильно использовать «магию» машинного обучения, какой алгоритм фактически самостоятельно «понимает» функциональные обязанности каждого пользователя и предназначение конкретной программы и при чем здесь рекомендации товаров в интернет-магазине.
Читать...
Используем Cloud ML Platform для построения сервиса распознавания лиц
Станислав Кипрюшин, ведущий программист в VK Cloud, выкатил статью, в которой рассказывает, как машинное обучение (Machine Learning, ML) может быть реализовано для создания MLOps-конвейер на одной платформе. Один из способов предполагает использование различных технологий на каждом этапе, а другой — работу с готовым набором инфраструктурных решений. Какой путь будет проще и какие потребуются ресурсы — читайте на Хабре.
💰 Есть три способа сэкономить на покупке новой техники и всего что угодно 👇
С картой Тинькофф Платинум вы сможете:
1️⃣ Получить обратно 1000 рублей за любые траты свыше 3000 рублей*.
2️⃣ Купить любой товар в рассрочку на 12 месяцев без процентов.
3️⃣ Каждый месяц забирать до 30% кэшбэка при покупке у партнеров Тинькофф.
Кредитный лимит — до 1 000 000 рублей. Можно взять новый мощный ноутбук, ультраширокий монитор, очки виртуальной реальности, и еще останется. Например, на кружку с подогревом 😂
Переходите по ссылке, чтобы оформить карту.
👉 tinkoff.ru
* Акция действует для тех, у кого нет действующей кредитной карты или она закрыта больше года назад. Чтобы получить 1000 рублей обратно на счет, оформите карту до конца декабря, активируйте до 15 января и потратьте 3000 рублей в течение 30 дней с момента активации.
Реклама. АО «Тинькофф Банк», ИНН 7710140679
