不要被骗子欺骗！Telemetrio 会找到并标记这些频道 👉 如果想查看标记，请订阅

Data Science

前往频道在 Telegram

DS По всем вопросам- @haarrp @ai_machinelearning_big_data - machine learning @pythonl - Python @itchannels_telegram - 🔥 best it channels @ArtificialIntelligencedl - AI @pythonlbooks-📚 @programming_books_it -📚 Реестр РКН: https://clck.ru/3Fk3zS

显示更多

网络:Machinelearning 俄罗斯14 796 技术与应用3 136...

📈 Telegram 频道 Data Science 的分析概览

频道 Data Science (@datascienceiot) 是活跃参与者。目前社区聚集了 42 628 名订阅者，在 技术与应用 类别中位列第 3 136，并在 俄罗斯 地区排名第 14 796 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 42 628 名订阅者。

根据 25 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 2，过去 24 小时变化为 -5，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 6.21%。内容发布后 24 小时内通常能获得 2.47% 的反应，占订阅者总量。
帖子覆盖： 每篇帖子平均可获得 2 648 次浏览，首日通常累积 1 053 次浏览。
互动与反馈： 受众积极参与，单帖平均反应数为 0。
主题关注点： 内容集中在 llm, агентов, api, октября, разработчиков 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：
“DS По всем вопросам- @haarrp @ai_machinelearning_big_data - machine learning @pythonl - Python @itchannels_telegram - 🔥 best it channels @ArtificialIntelligencedl - AI @pythonlbooks-📚 @programming_books_it -📚 Реестр РКН: https://clck.ru/3...”

凭借高频更新（最新数据采集于 26 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。

42 628

订阅者

-524 小时

+917 天

+230 天

2 648

帖子浏览量

~ 1 05324 小时

~ 1 34548 小时

6.21%

参与率

无数据

每日帖子数

Ads index

beta

正在加载数据

吸引订阅者

十月 '2610月 '26

十月 '26

+251

在3个频道中

九月 '26

+284

在1个频道中

Get PRO

八月 '26

+486

在2个频道中

Get PRO

七月 '26

+594

在3个频道中

Get PRO

六月 '26

+156

在2个频道中

Get PRO

五月 '26

+183

在2个频道中

Get PRO

四月 '26

+170

在4个频道中

Get PRO

三月 '26

+338

在2个频道中

Get PRO

二月 '26

+499

在2个频道中

Get PRO

一月 '26

+687

在0个频道中

Get PRO

十二月 '25

+380

在2个频道中

Get PRO

十一月 '25

+530

在2个频道中

Get PRO

十月 '25

+374

在1个频道中

Get PRO

九月 '25

+587

在7个频道中

Get PRO

八月 '25

+609

在1个频道中

Get PRO

七月 '25

+750

在3个频道中

Get PRO

六月 '25

+525

在1个频道中

Get PRO

五月 '25

+454

在3个频道中

Get PRO

四月 '25

+560

在11个频道中

Get PRO

三月 '25

+573

在4个频道中

Get PRO

二月 '25

+545

在7个频道中

Get PRO

一月 '25

+842

在20个频道中

Get PRO

十二月 '24

+848

在5个频道中

Get PRO

十一月 '24

+1 777

在32个频道中

Get PRO

十月 '24

+1 710

在6个频道中

Get PRO

九月 '24

+1 402

在7个频道中

Get PRO

八月 '24

+1 164

在4个频道中

Get PRO

七月 '24

+1 033

在7个频道中

Get PRO

六月 '24

+1 066

在7个频道中

Get PRO

五月 '24

+1 000

在37个频道中

Get PRO

四月 '24

+935

在45个频道中

Get PRO

三月 '24

+1 187

在22个频道中

Get PRO

二月 '24

+1 142

在3个频道中

Get PRO

一月 '24

+1 230

在45个频道中

Get PRO

十二月 '23

+687

在42个频道中

Get PRO

十一月 '23

+382

在3个频道中

Get PRO

十月 '23

+1 012

在20个频道中

Get PRO

九月 '23

+872

在0个频道中

Get PRO

八月 '23

+747

在0个频道中

Get PRO

七月 '23

+560

在0个频道中

Get PRO

六月 '23

+865

在0个频道中

Get PRO

五月 '23

+1 528

在0个频道中

Get PRO

四月 '23

+363

在0个频道中

Get PRO

三月 '23

+417

在0个频道中

Get PRO

二月 '23

+423

在0个频道中

Get PRO

一月 '23

+472

在0个频道中

Get PRO

十二月 '22

+770

在0个频道中

Get PRO

十一月 '22

+380

在0个频道中

Get PRO

十月 '22

+534

在0个频道中

Get PRO

九月 '22

+578

在0个频道中

Get PRO

八月 '22

+1 100

在0个频道中

Get PRO

七月 '22

+464

在0个频道中

Get PRO

六月 '22

+366

在0个频道中

Get PRO

五月 '22

+403

在0个频道中

Get PRO

四月 '22

+514

在0个频道中

Get PRO

三月 '22

+462

在0个频道中

Get PRO

二月 '22

+304

在0个频道中

Get PRO

一月 '22

+400

在0个频道中

Get PRO

十二月 '21

+287

在0个频道中

Get PRO

十一月 '21

+224

在0个频道中

Get PRO

十月 '21

+1 533

在0个频道中

Get PRO

九月 '21

+382

在0个频道中

Get PRO

八月 '21

+412

在0个频道中

Get PRO

七月 '21

+507

在0个频道中

Get PRO

六月 '21

+611

在0个频道中

Get PRO

五月 '21

+555

在0个频道中

Get PRO

四月 '21

+404

在0个频道中

Get PRO

三月 '21

+456

在0个频道中

Get PRO

二月 '21

+411

在0个频道中

Get PRO

一月 '21

+729

在0个频道中

Get PRO

十二月 '20

+10 299

在0个频道中

日期	订阅者增长	提及	频道
26 十月	0
25 十月	+4
24 十月	+2
23 十月	+10
22 十月	+11
21 十月	+91
20 十月	+7
19 十月	+5
18 十月	+18
17 十月	+29
16 十月	+1
15 十月	+2
14 十月	+5
13 十月	0
12 十月	+6
11 十月	+4
10 十月	+5
09 十月	0
08 十月	0
07 十月	+5
06 十月	+10
05 十月	+8
04 十月	+22
03 十月	+2
02 十月	0
01 十月	+4

频道帖子

Бесплатная книга о больших языковых моделях – 315 страниц от предобучения до рассуждений. Foundations of Large Language Models Тун Сяо и Цзинбо Чжу системно объясняет, как устроены LLM, как их обучают и применяют. Внутри шесть основных тем: - Предобучение: задачи обучения и архитектуры моделей. - Генеративные модели: Transformer, подготовка данных, масштабирование и длинный контекст. - Промптинг: обучение на примерах в контексте, декомпозиция задач, RAG и инструменты. - Выравнивание: обучение выполнению инструкций и использование человеческой обратной связи. - Инференс: декодирование, ускорение и дополнительные вычисления во время генерации. - Рассуждения: методы улучшения способности решать сложные задачи. Авторы делают акцент на фундаментальных принципах. Материал подойдёт студентам, разработчикам и ML-инженерам, которым хочется связать отдельные знания о LLM в целостную картину. Книга на английском. Базовые знания машинного обучения и нейросетей помогут при чтении. Скачать PDF бесплатно: https://arxiv.org/pdf/2501.09223

2	Working with Agentic `Teammates': When a New Organizational Actor Collides with the Human Ecosystem of Work 📓 Read @datascienceiot	1 049
3	The Geometry of Agent Memory: Forecasting Retrieval-Bound Memory Failures, and Characterizing Its Limits 📓 Read @datascienceiot	1 479
4	At the Limits of Computability: Steps Towards Autonomous AI Discovery on the Busy Beaver Frontier 📓 Read @datascienceiot	1 842
5	Patch the Planet: global response coordination as agents uncover critical vulnerabilities https://openai.com/index/coordinated-disclosure-of-critical-vulnerabilities/	1 939
6	Зачем готовиться к собеседованию вслепую, если можно заранее посмотреть, какие будут вопросы и задачи? Ребята из Поступашек уже 6 лет собирают реальные задания и разборы собеседований в BigTech. Там можно найти не только сами вопросы, но и разборы технических секций, критерии оценки и рекомендации по подготовке. Собрали подборку полезных материалов под разные направления: ➡️ Аналитикам: — Собеседования на продуктового и бизнес-аналитика в Т-Банке 🟨 — Что спрашивают по A/B-тестированию в X5 🌿 , разбор собес на DS в Яндекс 🟥 ➡️ Разработчикам: — Go и System Design в Ozon 🔵, GO в Авито😎 — Банк алгоритмических собеседований из BigTech ➡️ ML/AI-инженерам: — Все вопросы на ML-собеседование в Яндексе 🟥 и ML в Авито 😎 — 10 кейсов по ML System Design в Т-Банке 🟨 ➡️ Тем, кто ищет первую стажировку: — Как получить стажировку в 2026 году — Где взять опыт, если его нет В Поступашках регулярно выходят новые разборы собеседований, карьерные гайды, стажировки и инсайды о найме в BigTech. Лучше увидеть эти вопросы до собеседования, чем узнать о них после отказа ПОСТУПАШКИ ПОДПИСАТЬСЯ	2 013
7	The World Won't Wait: Evaluating and Teaching Agents Under a Live Clock 📓 Read @datascienceiot	2 467
8	🔥 Хочешь быстрее расти в IT? Хватит учиться в одиночку Окружение решает больше, чем кажется. Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре. AI: t.me/ai_machinelearning_big_data Python: t.me/pythonl Linux: t.me/linuxacademiya Хакинг: t.me/linuxkalii DevOps: t.me/DevOPSitsec Docker: https://t.me/+90Z5TAyfuNU5YmRi Golang: t.me/Golang_google Rust: t.me/rust_code C++: t.me/cpluspluc C#: t.me/csharp_ci Java: t.me/javatg JavaScript: t.me/javascriptv React: t.me/react_tg Frontend: t.me/front PHP: t.me/phpshka Android: t.me/android_its Мобильная разработка: t.me/mobdevelop Базы данных: t.me/sqlhub Data Science: t.me/data_analysis_ml Big Data: t.me/bigdatai Математика: t.me/data_math Физика: t.me/fizmat Kubernetes: t.me/kubernetc GameDev: https://t.me/gamedev Haskell: t.me/haskell_tg Собеседования и карьера: DS собеседования: t.me/machinelearning_interview Python собеседования: t.me/python_job_interview 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 Полезное сверху: ИТ-мемы: t.me/memes_prog Английский для программистов: t.me/english_forprogrammers ИИ и технологии: t.me/vistehno 954 ГБ open-source курсов: https://t.me/+rKBQEMccAA01MTcy ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy Max Ai: https://max.ru/ai_machinelearning_big_data Max python: https://max.ru/pythonl ТЕХНО: https://max.ru/vistehno Max Go: https://max.ru/Golang_google Max Linux: https://max.ru/linuxkalii Devops: https://max.ru/DevOPSitsec C#: https://max.ru/csharp_ci C++: https://max.ru/cpluspluc SQL: https://max.ru/sqlhub Java: https://max.ru/javatg Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд.	2 124
9	LLM-to-Flow Distillation: Teaching Natural Language Goals to Scientific Generators 📓 Read @datascienceiot	2 101
10	С вас идея, а Т-Банк за нее заплатит В Т-Банке ищут трейдеров, разработчиков и тех, кто просто увлекается инвестициями. Зарегистрируйтесь на программу «Инвест. Премаркет» до 11 ноября. Ваши AI-сценарии для бизнеса смогут побороться за призовой фонд программы — 2 500 000 ₽. А сами идеи Т-Банк поможет масштабировать и сделать частью бизнеса. Успейте подать заявку до 11 ноября	2 196
11	Scaling Graph Neural Networks for Friend Recommendation: Multi-Hash User Embeddings and Temporal Neighbor Sampling 📓 Read @datascienceiot	2 376
12	+1 Agentic Large Language Models 📓 Book @datascienceiot	2 625
13	Physical AI: почему научить робота брать предметы сложнее, чем кажется Манипуляция объектами остаётся одной из актуальных задач робототехники. Антропоморфному роботу нужно оценить положение объекта, рассчитать силу захвата и скорректировать движение до того, как предмет упадёт. Отдельная проблема — генерализация: модели пока с трудом применяют освоенные навыки в новых условиях, поэтому о массовом появлении домашних роботов говорить рано. Как решаются эти задачи и на что уже способны современные роботы, разобрали CEO MWS Павел Воронин и руководитель Лаборатории интеллектуальной космической робототехники Сколтеха Дмитрий Тетерюков. Посмотреть выпуск подкаста «Паша AI AI AI» — тут. @datascienceiot	2 747
14	Catching Developers in the Flow: Low-Latency Agentic Program Repair at Google Scale 📓 Read @datascienceiot	3 163
15	📌Baseten выпустила бесплатный учебник по инженерии инференса Платформа, которая хостит модели Cursor, Notion и Harvey, выложила в открытый доступ книгу Inference Engineering за авторством Филипа Кайли. который четыре года работает в Baseten и написал её по интервью с инженерами компании и собственным докладам. Среди рецензентов - автор FlashAttention Три Дао. Книга собирает в одном месте путь от выбора модели и GPU до мониторинга работающего сервиса. Baseten основана в 2019 году тремя выходцами из Gumroad, четвёртым сооснователем стал Панкадж Гупта из Uber. Компания продаёт выделенные развёртывания открытых и собственных моделей клиентов, готовые Model APIs и инфраструктуру для дообучения, а также развивает открытый фреймворк упаковки моделей Truss. Восемь глав объясняют, как сформулировать требования к продукту, как устроены модели и где они тормозят, прежде всего в механизме внимания, разбирают GPU NVIDIA поколений Hopper и Blackwell и программный уровень, от CUDA и PyTorch до движков vLLM, SGLang, TensorRT-LLM и Dynamo. Отдельные главы посвящены методам ускорения, моделям для речи, изображений и видео, а также эксплуатации - от автомасштабирования и батчинга до постепенной выкатки новых версий. Новичку книга даёт карту области и порядок действий - как определить задачу, бюджет задержки, стоимости и подобрать модель, а в последующем заняться оптимизацией. Базовые понятия вроде предзаполнения, декодирования и KV-кэша объяснены с нуля, а незнакомые термины можно найти в глоссарии. Опытным инженерам будут интересны пороги и практические правила. Для каждой техники ускорения автор объясняет, как она устроена, при каком трафике и размере модели окупается и чем рискует качество ответов. Отдельно сравниваются движки инференса и разобраны задачи эксплуатации, которые обычно приходится решать методом проб и ошибок. Последний раздел посвящён продуктам компании, а оборудование рассматривается почти целиком на примере NVIDIA, другим ускорителям отведено около двух страниц. 🔜 Запросить книгу бесплатно в форматах PDF, EPUB или аудиоверсию @ai_machinelearning_big_data #AI #ML #Inference #Book #Baseten	2 760
16	Бесплатные учебники по математике от профессора Университета Альберты Джереми Сильвестр, доцент кафедры математики Университета Альберты, выложил свои учебники в открытый доступ. Их можно читать онлайн, а часть скачать в PDF. Главная находка здесь Discover Linear Algebra, полноценный курс линейной алгебры на два семестра. Для тех, кому нужно быстрее, есть сокращённая версия на один семестр. Для ML это база: векторы, матрицы, собственные значения, разложения и всё, на чём держатся нейросети. Ещё два учебника: Calculus Concepts & Modelling по матанализу и дифференциальным уравнениям с упором на моделирование и Elementary Foundations по дискретной математике и логике, который автор обещает скоро открыть полностью. Хороший вариант, если хочется подтянуть математику под машинное обучение по нормальным университетским учебникам и бесплатно. https://sites.ualberta.ca/~jsylvest/	2 560
17	Подключить ИИ-агента к базе просто. Определить, что ему разрешено делать, сложнее. Пока агент только отвечает в чате, его ошибку можно заметить и исправить. Когда он получает доступ к данным, внешним API и исполнению кода, ошибка уже может превратиться в действие. Поэтому заранее стоит определить: какие данные агент видит, какие инструменты вызывает и какие операции требуют проверки. Эти вопросы разбирает «Лаборатория Касперского» в руководстве «Безопасность ИИ-агентов через призму кибериммунитета». Внутри: атаки через контекст на примере EchoLeak, SearchLeak и CamoLeak, границы доверия к LLM и подходы к изоляции инструментов. Пригодится разработчикам и архитекторам, которые внедряют агентов в реальные процессы. Скачать	2 445
18	+1 📚 280 страниц о машинном обучении в инвестициях от J.P. Morgan Big Data and AI Strategies Марко Колановича и Раджеша Кришнамачари: масштабный отчёт о том, как использовать ML и альтернативные данные для анализа рынков. Внутри: • Какие данные могут дополнять финансовую отчётность: соцсети, поисковые запросы, транзакции и другие источники. • Как оценивать их качество и полезность. • Обзор методов машинного обучения для анализа данных. • Возможности и ограничения применения этих подходов в инвестициях. Отчёт вышел в 2017 году. Его стоит читать как фундаментальный материал по ML и данным в финансах, учитывая возраст примеров. PDF доступен бесплатно, на английском: 📓 Книга @datascienceiot	3 780
19	Handbook on Understanding Harness Engineering for AI Agents 📓 Read @datascienceiot	2 910
20	📚 Обновили огромный учебник по математике для Computer Science и Machine Learning - 2220 страниц. Внутри сразу несколько фундаментальных тем: — алгебра — топология — дифференциальное исчисление — теория оптимизации — математический аппарат для CS и ML Хороший вариант, если хочется не просто использовать формулы в ML, а понимать, откуда они берутся и почему работают. Книга доступна здесь: https://www.cis.upenn.edu/~jean/gbooks/	7 889

查看所有帖子