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14 813技术与应用3 178...

📈 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 42 411 名订阅者，在 技术与应用 类别中位列第 3 178，并在 俄罗斯 地区排名第 14 813 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 42 411 名订阅者。

根据 14 十一月, 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 -93，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 7.19%。内容发布后 24 小时内通常能获得 2.62% 的反应，占订阅者总量。
帖子覆盖： 每篇帖子平均可获得 3 050 次浏览，首日通常累积 1 111 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 15 十一月, 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。

42 411

订阅者

-424 小时

-1027 天

-9330 天

3 050

帖子浏览量

~ 1 11124 小时

~ 1 37748 小时

7.19%

参与率

无数据

每日帖子数

Ads index

正在加载数据

吸引订阅者

十一月 '2611月 '26

十一月 '26

+23

在2个频道中

十月 '26

+264

在3个频道中

Get PRO

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
15 十一月	0
14 十一月	+3
13 十一月	0
12 十一月	+1
11 十一月	0
10 十一月	+4
09 十一月	+6
08 十一月	+1
07 十一月	+1
06 十一月	0
05 十一月	+2
04 十一月	+2
03 十一月	0
02 十一月	+1
01 十一月	+2

频道帖子

AI Isn’t Getting Dumber, We’re Getting Pickier: Rising Standards in Human Evaluation of Large Language Models 📓 Read @datascienceiot

2	📊 AI VK Research придумали, как точнее предсказывать интерес к контенту Метод называется HEGM (Hierarchical Exponential-Gaussian Mixture). Модель предсказывает распределение возможных сценариев: пролистают сразу, посмотрят частично, досмотрят до конца или пересмотрят. Что дало на практике: — в VK Клипах число роликов за один заход выросло на 10% — досмотры (>10 сек) +6% — дизлайки −8,3% Проверяли на KuaiRec, VK-LSVD и внутреннем датасете из 282 млн обезличенных взаимодействий. По качеству ранжирования HEGM обошёл протестированные альтернативы. Зачем это нужно: подход переносится на музыку (пропуски vs полное прослушивание), рекламу (длительность просмотра) и e-commerce (время изучения карточки). Одна модель — несколько метрик интереса, без перестройки архитектуры рекомендательной системы. Код уже открыт на GitHub. Читаем подробнее тут.	1 390
3	Recurrent Harness for Agentic Continual Learning 📓 Read @datascienceiot	1 353
4	Приглашаем на митап для ML-разработчиков и дата-сайентистов 🥰 Как использовать LLM и агентов в поиске, чтобы точнее понимать запросы пользователей и повышать релевантность результатов? 19 ноября обсудим выбор моделей, оценку качества и работу таких систем в проде. 🔴 Борис Коварский, hh.ru — Агентный поиск в рекрутинге: опыт hh 🔴 Виктор Реушкин, hh.ru — Как устроен диалоговый поиск вакансий на hh 🤩 Алексей Казаков, Циан — LLM и энкодерные модели для поиска. Опыт развития подходов в поиске недвижимости Дата и время: 19 ноября в 19:00 мск Очно: Москва, офис hh Онлайн: будет трансляция в VK и YouTube для тех, кто не сможет прийти в офис После докладов можно будет пообщаться с коллегами — подготовим вкусную еду и напитки 🍕 Регистрируйтесь → участие бесплатное 🥹 #реклама О рекламодателе	1 304
5	New Carnegie Mellon and JetBrains paper finds that token spend shows how much engineers use AI agents, not how much they ship. 📓 Read @datascienceiot	1 632
6	Claude решил задачу по физике чёрных дыр, которую не могли закрыть около 20 лет Anthropic опубликовала исследование, в котором внутренняя исследовательская модель Claude получила новый результат в теоретической физике. Работа посвящена переходу Хокинга - Пейджа. Это фазовый переход, связанный с термодинамикой чёрных дыр в пространстве анти-де Ситтера (AdS). Исследователей интересовал вопрос: сохраняется ли этот переход при слабой связи, когда классическое геометрическое описание уже неприменимо? Для ответа требовалось вычислить коэффициент, который впервые появляется на трёх петлях в теории возмущений. По словам авторов, этот коэффициент не удавалось вычислить примерно два десятилетия. Claude получила значение: b = −1,48 × 10⁻³ λ² Отрицательный знак коэффициента показывает, что переход остаётся переходом первого рода. Он происходит немного ниже температуры Хагедорна. Особенно интересна организация работы. Физик поставил задачу внутренней исследовательской модели Anthropic, после чего проверил результат на нескольких известных частных случаях. Отдельный запуск Claude с использованием другого метода независимо получил то же значение. Позднее Anthropic связала эту внутреннюю модель с Claude Fable 5.2. Это ещё один пример того, как современные языковые модели начинают участвовать в исследованиях на уровне сложных математических вычислений и теоретической физики. При этом работа пока не прошла независимое научное рецензирование. Результат требует проверки со стороны физического сообщества. 📓 Read @datascienceiot	2 365
7	1	1
8	🔍 Открытое ML-собеседование с техлидом Яндекса\| 12 ноября, 19:00 мск Приходи онлайн посмотреть, как проходит техническое интервью на ML-инженера, и попробуй ответить на вопросы вместе с кандидатом Как всё будет проходить: 📂 Интервьюер: Любовь Чубарова, техлид в Яндексе (RnD Alice AI), одна из первых сотрудниц YandexArt, преподаватель ВШЭ, экс-руководитель аналитики Центра ИИ Сколтеха. В роли кандидата – инженер-доброволец 📂 Никакого сценария: Любовь задаст вопросы и предложит задачи, которые использует на технических интервью. Кандидат не будет знать их заранее 📂 В конце эфира Любовь ответит на вопросы участников Участие бесплатное! Эфир проходит в рамках менторской программы ШОРТКАТ для айтишников, которые хотят сменить работу, вырасти в грейде и зарплате или прокачать технические навыки Переходи в бота, чтобы получить ссылку на эфир → @shortcut_ml_bot Реклама. О рекламодателе.	2 058
9	Yoshua Bengio and collaborators just released a goldmine 182-page survey on mechanistic interpretability! "Understanding AI from the Inside" 📓 Read @datascienceiot	1 987
10	A Circuit for In-Context Learning 📓 Read @datascienceiot	2 893
11	Алгоритм знает, где вы будете 7-го ноября 😎 RecSys-митап в Москве для тех, кто уже строит рекомендательные системы и хочет делать это еще лучше. В программе — доклады от топовых экспертов Сбера с разбором кейсов, свежих подходов и неочевидных решений. После официальной части — нетворкинг. Время в узком кругу профессионалов и сообщества Зеленый RecSys. Участие бесплатное, но количество мест ограничено. Москва. Суббота. 7 ноября. RecSys! ➡️ регистрируйтесь	2 723
12	Mistral Large 4 📓 Read @datascienceiot	2 750
13	"Large Flow Language Models" What if we could turn existing LLMs into diffusionLMs that generate multiple tokens in parallel without losing accuracy? 📓 Read @datascienceiot	3 829
14	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	3 556
15	Working with Agentic `Teammates': When a New Organizational Actor Collides with the Human Ecosystem of Work 📓 Read @datascienceiot	2 748
16	The Geometry of Agent Memory: Forecasting Retrieval-Bound Memory Failures, and Characterizing Its Limits 📓 Read @datascienceiot	3 034
17	At the Limits of Computability: Steps Towards Autonomous AI Discovery on the Busy Beaver Frontier 📓 Read @datascienceiot	3 096
18	Patch the Planet: global response coordination as agents uncover critical vulnerabilities https://openai.com/index/coordinated-disclosure-of-critical-vulnerabilities/	3 207
19	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	2 437
20	The World Won't Wait: Evaluating and Teaching Agents Under a Live Clock 📓 Read @datascienceiot	3 442

查看所有帖子