ch
Feedback

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

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

📈 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 42 416 名订阅者,在 技术与应用 类别中位列第 3 184,并在 俄罗斯 地区排名第 14 805 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 42 416 名订阅者。

根据 15 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 -85,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 7.27%。内容发布后 24 小时内通常能获得 2.64% 的反应,占订阅者总量。
  • 帖子覆盖: 每篇帖子平均可获得 3 083 次浏览,首日通常累积 1 120 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 16 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。

42 416
订阅者
-324 小时
-967 天
-8530 天
帖子存档
AI Isn’t Getting Dumber, We’re Getting Pickier: Rising Standards in Human Evaluation of Large Language Models 📓 Read @datasc
AI Isn’t Getting Dumber, We’re Getting Pickier: Rising Standards in Human Evaluation of Large Language Models 📓 Read @datascienceiot

📊 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.

Recurrent Harness for Agentic Continual Learning 📓 Read @datascienceiot
Recurrent Harness for Agentic Continual Learning 📓 Read @datascienceiot

Приглашаем на митап для ML-разработчиков и дата-сайентистов 🥰 Как использовать LLM и агентов в поиске, чтобы точнее понимать
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

New Carnegie Mellon and JetBrains paper finds that token spend shows how much engineers use AI agents, not how much they ship
New Carnegie Mellon and JetBrains paper finds that token spend shows how much engineers use AI agents, not how much they ship. 📓 Read @datascienceiot

Claude решил задачу по физике чёрных дыр, которую не могли закрыть около 20 лет Anthropic опубликовала исследование, в которо
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

1

🔍 Открытое ML-собеседование с техлидом Яндекса| 12 ноября, 19:00 мск Приходи онлайн посмотреть, как проходит техническое инт
🔍 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.

Yoshua Bengio and collaborators just released a goldmine 182-page survey on mechanistic interpretability! "Understanding AI f
Yoshua Bengio and collaborators just released a goldmine 182-page survey on mechanistic interpretability! "Understanding AI from the Inside" 📓 Read @datascienceiot

A Circuit for In-Context Learning 📓 Read @datascienceiot
A Circuit for In-Context Learning 📓 Read @datascienceiot

Алгоритм знает, где вы будете 7-го ноября 😎 RecSys-митап в Москве для тех, кто уже строит рекомендательные системы и хочет д
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

Mistral Large 4 📓 Read @datascienceiot
Mistral Large 4 📓 Read @datascienceiot

"Large Flow Language Models" What if we could turn existing LLMs into diffusionLMs that generate multiple tokens in parallel
"Large Flow Language Models" What if we could turn existing LLMs into diffusionLMs that generate multiple tokens in parallel without losing accuracy? 📓 Read @datascienceiot

Бесплатная книга о больших языковых моделях – 315 страниц от предобучения до рассуждений. Foundations of Large Language Model
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

Working with Agentic `Teammates': When a New Organizational Actor Collides with the Human Ecosystem of Work 📓 Read @datascie
Working with Agentic `Teammates': When a New Organizational Actor Collides with the Human Ecosystem of Work 📓 Read @datascienceiot

The Geometry of Agent Memory: Forecasting Retrieval-Bound Memory Failures, and Characterizing Its Limits 📓 Read @datascience
The Geometry of Agent Memory: Forecasting Retrieval-Bound Memory Failures, and Characterizing Its Limits 📓 Read @datascienceiot

At the Limits of Computability: Steps Towards Autonomous AI Discovery on the Busy Beaver Frontier 📓 Read @datascienceiot
At the Limits of Computability: Steps Towards Autonomous AI Discovery on the Busy Beaver Frontier 📓 Read @datascienceiot

Patch the Planet: global response coordination as agents uncover critical vulnerabilities https://openai.com/index/coordinate
Patch the Planet: global response coordination as agents uncover critical vulnerabilities https://openai.com/index/coordinated-disclosure-of-critical-vulnerabilities/

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

The World Won't Wait: Evaluating and Teaching Agents Under a Live Clock 📓 Read @datascienceiot
The World Won't Wait: Evaluating and Teaching Agents Under a Live Clock 📓 Read @datascienceiot

Data Science - Telegram 频道 @datascienceiot 的统计与分析