Анализ данных (Data analysis)

前往频道在 Telegram

Data science, наука о данных. @haarrp - админ РКН: clck.ru/3FmyAp

显示更多

网络:Machinelearning 俄罗斯12 442 技术与应用2 651...

📈 Telegram 频道 Анализ данных (Data analysis) 的分析概览

频道 Анализ данных (Data analysis) (@data_analysis_ml) 俄语语言赛道中的是活跃参与者。目前社区聚集了 50 183 名订阅者，在 技术与应用 类别中位列第 2 651，并在 俄罗斯 地区排名第 12 442 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 50 183 名订阅者。

根据 13 七月, 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 38，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 11.17%。内容发布后 24 小时内通常能获得 6.45% 的反应，占订阅者总量。
帖子覆盖： 每篇帖子平均可获得 5 608 次浏览，首日通常累积 3 238 次浏览。
互动与反馈： 受众积极参与，单帖平均反应数为 22。
主题关注点： 内容集中在 llm, контекст, openai, архитектура, deepseek 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：
“Data science, наука о данных. @haarrp - админ РКН: clck.ru/3FmyAp”

凭借高频更新（最新数据采集于 14 七月, 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。

50 183

订阅者

-324 小时

-677 天

+3830 天

5 608

帖子浏览量

~ 3 23824 小时

~ 4 94748 小时

11.17%

参与率

~ 4

每日帖子数

Ads index

beta

数据加载中...

吸引订阅者

七月 '26

+118

在6个频道中

六月 '26

+435

在15个频道中

Get PRO

五月 '26

+361

在20个频道中

Get PRO

四月 '26

+545

在30个频道中

Get PRO

三月 '26

+424

在33个频道中

Get PRO

二月 '26

+5 597

在63个频道中

Get PRO

一月 '26

+2 202

在125个频道中

Get PRO

十二月 '25

+381

在19个频道中

Get PRO

十一月 '25

+637

在27个频道中

Get PRO

十月 '25

+473

在34个频道中

Get PRO

九月 '25

+844

在39个频道中

Get PRO

八月 '25

+498

在30个频道中

Get PRO

七月 '25

+1 004

在91个频道中

Get PRO

六月 '25

+835

在114个频道中

Get PRO

五月 '25

+345

在12个频道中

Get PRO

四月 '25

+485

在38个频道中

Get PRO

三月 '25

+602

在17个频道中

Get PRO

二月 '25

+778

在50个频道中

Get PRO

一月 '25

+792

在50个频道中

Get PRO

十二月 '24

+1 063

在62个频道中

Get PRO

十一月 '24

+1 921

在184个频道中

Get PRO

十月 '24

+2 266

在74个频道中

Get PRO

九月 '24

+1 544

在207个频道中

Get PRO

八月 '24

+1 329

在48个频道中

Get PRO

七月 '24

+1 449

在57个频道中

Get PRO

六月 '24

+2 129

在64个频道中

Get PRO

五月 '24

+1 558

在46个频道中

Get PRO

四月 '24

+1 838

在60个频道中

Get PRO

三月 '24

+1 814

在32个频道中

Get PRO

二月 '24

+1 919

在13个频道中

Get PRO

一月 '24

+2 481

在48个频道中

Get PRO

十二月 '23

+1 305

在41个频道中

Get PRO

十一月 '23

+5 619

在82个频道中

Get PRO

十月 '23

+1 810

在21个频道中

Get PRO

九月 '23

+1 669

在0个频道中

Get PRO

八月 '23

+1 481

在0个频道中

Get PRO

七月 '23

+1 093

在1个频道中

Get PRO

六月 '23

+1 229

在0个频道中

Get PRO

五月 '23

+1 932

在0个频道中

Get PRO

四月 '23

+460

在0个频道中

Get PRO

三月 '23

+643

在0个频道中

Get PRO

二月 '23

+1 030

在0个频道中

Get PRO

一月 '23

+1 205

在0个频道中

Get PRO

十二月 '22

+541

在0个频道中

Get PRO

十一月 '22

+932

在0个频道中

Get PRO

十月 '22

+1 431

在0个频道中

Get PRO

九月 '22

+1 017

在0个频道中

Get PRO

八月 '22

+1 141

在0个频道中

Get PRO

七月 '22

+3 205

在0个频道中

Get PRO

六月 '22

+6 354

在0个频道中

日期	订阅者增长	提及	频道
14 七月	+5
13 七月	+8
12 七月	+3
11 七月	+7
10 七月	+9
09 七月	+7
08 七月	+8
07 七月	+4
06 七月	+13
05 七月	+7
04 七月	+12
03 七月	+9
02 七月	+6
01 七月	+20

频道帖子

DeepSeek собрали гайд по подключению своих моделей к coding tools Полезная находка для тех, кто хочет использовать DeepSeek не в отдельном чате, а прямо внутри привычных инструментов. В репозитории есть инструкции для: * Claude Code * Cline * Codex * GitHub Copilot * Cherry Studio * Crush * OpenCode * Qwen Code * DeepSeek-TUI * других agent/coding-assistant инструментов Каждый гайд проходит базовый путь: установка, конфиг, первый запуск. Идея простая: можно быстро подключить DeepSeek-V4-Pro или V4-Flash к своему рабочему процессу и проверить, насколько хорошо они тянут агентное кодинг-окружение. github.com/deepseek-ai/awesome-deepseek-agent

2	⚡️ Демис Хассабис обычно не из тех, кто разгоняет хайп вокруг AGI. Он годами был скорее умеренным голосом в индустрии: осторожные прогнозы, меньше громких обещаний, больше науки и проверки результатов. Поэтому его новый текст звучит особенно сильно. Хассабис пишет, что AGI нельзя сравнивать с интернетом или смартфонами. По масштабу это ближе к электричеству или огню. Технология, которая меняет не отдельную индустрию, а саму логику развития цивилизации. По его оценке, эффект может быть в десять раз больше промышленной революции и пройти в десять раз быстрее. Да, AGI может резко ускорить медицину, физику, биологию, материалы, энергетику. Но Хассабис прямо говорит и о другой стороне: киберриски уже реальны, дальше могут появиться угрозы в био- и других чувствительных областях, а отдельная проблема - агентные системы, которые становятся всё автономнее. Гонка за возможностями идёт быстрее, чем наше понимание того, как это безопасно контролировать. Когда человек уровня Хассабиса говорит, что нужна серьёзная регуляторная инфраструктура уже в ближайшие годы, это звучит совсем иначе, чем очередной пост про сингулярность. https://x.com/Machinelearrn/status/2076985021752082689	3 143
3	🐠 Sakana AI показали интересный переход от красивых симуляций к физическому прототипу распределённого интеллекта. В работе Smart Cellular Bricks используются простые кубические модули. В каждом модуле работает одна и та же небольшая нейросетевая клеточная модель. У блока нет координат, нет общей карты конструкции и нет центрального управляющего узла. Он обменивается сигналами только с соседними блоками, к которым подключён физически. За счёт этих локальных обменов вся конструкция постепенно определяет, какую форму она образует, где находится повреждение и каких блоков не хватает для восстановления. Авторы задаются вопросом - можно ли обученные локальные правила перенести из симуляции в реальное железо. В симуляторе связь идеальная, модули не отваливаются, задержки контролируемые. В физическом прототипе всё в разы сложнее: шум, сбои контактов, ограничения электроники, неполная информация и ошибки передачи. Одна и та же модель внутри каждого блока позволяет системе получать глобальное поведение без глобального наблюдателя. Отдельный модуль ничего не “понимает” про всю фигуру, но сеть модулей в целом сходится к правильной интерпретации формы. Такие системы могут быть полезны в модульной робототехнике, самодиагностирующихся конструкциях, адаптивных материалах и инфраструктуре, где централизованный контроль слишком дорогой или ненадёжный. Работа пока исследовательская, но направление выглядит сильным. ИИ здесь живёт не в одном большом агенте, а распределяется по множеству простых физических элементов, которые вместе начинают вести себя как единая адаптивная система. Blog: https://sakana.ai/smart-cellular-bricks Paper: https://nature.com/articles/s41467-026-75166-7	2 856
4	Qwythos-9B-v2 вышел, и это скорее не апгрейд ради бенчмарков, а фикс главной боли У модели оставили глубокое reasoning-поведение, но почистили самый неприятный баг: зацикливание при greedy decoding упало с 6.7% до 0%. Также вернули MTP head, поправили identity-behavior и сохранили 1M context через YaRN. По сути, v2 - это более стабильный Qwythos: не «новая магия», а hygiene release, где модель меньше ломается в реальном использовании. Из заметного: - MMLU CoT - 83.8% - GSM8K - 93.6% - ARC-Challenge - 96.4% - GPQA-diamond - 49.0% - HumanEval pass@1 - 77.4% Лицензия - Apache-2.0. Модель построена вокруг Qwen3.5-9B и рассчитана на long-context reasoning, код, анализ и локальные эксперименты. https://huggingface.co/empero-ai/Qwythos-9B-v2	2 824
5	Сегодня заканчивается доступ к Fable 5 в подписочном плане, вероятно, на довольно долгий срок. Anthropic дала понять, что в будущем планирует вернуть Fable в подписку, но конкретную дату не назвала. Пока хорошей альтернативой выглядит GPT-5.6 Sol, хотя между ними, конечно, есть заметные различия. Но, как я уже несколько раз говорил, лимиты у 5.6 огромные, поэтому сейчас использовать его всё равно получается не так свободно. В любом случае 5.6 стал крупным релизом и явно дал OpenAI серьёзный рывок относительно Anthropic. Теперь вопрос в том, как ответит Anthropic. Моя догадка такая: они очень скоро выпустят Opus 5 как более дешёвую альтернативу Fable 5, надеясь этим успокоить пользователей.	3 516
6	+1 ⚡️ Полезный список лучших инструментов, чтобы запускать мощные LLM полностью бесплатно и локально на своём ноутбуке. Сейчас это №1 в трендах GitHub. 1. AnythingLLM All-in-one workspace для чата с документами и создания агентов http://github.com/Mintplex-Labs/anything-llm 2. KoboldCpp Лёгкий инструмент, особенно хорош для creative writing и сценариев с персонажами http://github.com/LostRuins/koboldcpp 3. llama.cpp Базовый движок. Очень эффективный и запускается почти на любом железе http://github.com/ggml-org/llama.cpp 4. Open WebUI Удобный веб-интерфейс в стиле ChatGPT, отлично работает с Ollama http://github.com/open-webui/open-webui 5. GPT4All Простое desktop-приложение со встроенным чатом по документам http://github.com/nomic-ai/gpt4all 6. LocalAI OpenAI-compatible API, который работает на разном железе и поддерживает много backend’ов http://github.com/mudler/LocalAI 7. vLLM Быстрый inference engine, когда нужны более быстрые ответы и работа в масштабе http://github.com/vllm-project/vllm	4 417
7	VLM уже умеют искать «интересное». Но пока плохо умеют уходить от того, что уже нашли. Sakana AI вместе с MIT и NYU проверили, можно ли повторить PicBreeder на агентах с визуально-языковыми моделями. В оригинальном PicBreeder не было целевой картинки. Люди просто выбирали изображения, которые казались им перспективными, и передавали их дальше. Через много поколений из случайных форм появлялись лица, животные, машины, черепа и другие неожиданные структуры. Это важная идея из книги Кеннета Стэнли «Иллюзия целей»: сильные открытия часто рождаются не из оптимизации метрики, а из открытого поиска. В новом эксперименте VLM-агенты работали похожим образом: - смотрели общий архив изображений - выбирали то, что считают интересным - развивали выбранные варианты - публиковали новые изображения - оценивали работы других агентов Им не давали целевую картинку. Не давали функцию прогресса. Не говорили, к чему надо прийти. VLM-агенты действительно находят визуальные и семантические зацепки. Если добавить агентов с разными «личностями», архив становится заметно шире и по разнообразию приближается к человеческому. Но главный провал тоже виден: модели слишком быстро фиксируются на найденном мотиве. Вместо резкого смещения в новую область они часто начинают улучшать уже знакомую форму, стиль или смысл. Человек в PicBreeder может увидеть случайную странность и превратить её в новое направление. VLM чаще видит паттерн и начинает его эксплуатировать. Похоже, для open-ended discovery мало уметь распознавать novelty. Нужно ещё уметь менять собственный критерий интересного, бросать локально удачную ветку и сохранять слабые сигналы, которые пока не выглядят полезными. Блог: pub.sakana.ai/picbreeder-vlm Статья: arxiv.org/abs/2605.23908	3 517
8	Всё, что вы всегда хотели знать о математике* (*Но даже не знали, о чём спрашивать) Путешествие с гидом по миру абстрактной математики, теорем и написания доказательств в 698 страниц! https://www.math.cmu.edu/~jmackey/151_128/bws_book.pdf	3 677
9	Если надоело писать в стол, то вот повод проверить свои знания на практике: Ozon Tech завершает регистрацию на онлайн-хакатон «Робозон» - призовой фонд 15 млн ₽. Отличная возможность для тех, кто работает с компьютерным зрением, робототехникой и системами автоматической сортировки. Почему это интересно: «Интеллектуальная роботизированная система сортировки товаров» - это детекция и классификация объектов, трекинг на конвейере, планирование захвата, управление роборуками и интеграция CV+ROS. Здесь можно применить Python, OpenCV, PyTorch/Detectron2, ROS/ROS2, симуляторы (Isaac Gym, CoppeliaSim), а также системы реального времени для управляющего ПО. Задача предполагает и софт, и механику - отличный кейс для портфолио и практики с реальными данными. Коротко о формате и задачах: Даты: Робозон пройдёт с 2 июля по 12 сентября. Формат: два этапа. Первый (отборочный) - три задачи по автоматизации сортировочных процессов в онлайне в течение двух месяцев. Второй - финал на конференции E-CODE: защита проектов и награждение; дорога и проживание финалистов оплачиваются Ozon Tech. Темы задач: имитационное моделирование движения товаров; конструкция автоматизированного сортировщика; интеллектуальная роботизированная система сортировки товаров. Участие: индивидуально или команда до 7 человек. Регистрация до 11 июля по ссылке.	3 286
10	⚡️ OpenAI закроет браузер Atlas 9 августа Это первый случай, когда OpenAI отказывается от самостоятельного продукта ради унификации своей экосистемы. Теперь возможности Atlas станут частью десктопных версий ChatGPT и Codex. Обновленное приложение ChatGPT уже получило встроенный инструмент для веб-серфинга, а ИИ-агенты научились напрямую взаимодействовать с элементами страниц. Автоматического переноса пользовательских данных не будет. До закрытия сервиса всю историю, закладки и важные вкладки придется экспортировать вручную. @ai_machinelearning_big_data #news #ai #ml	3 359
11	Google показала SensorFM — foundation model для данных с носимых устройств. Обучение: 1+ трлн минут сигналов от 5 млн пользователей Fitbit и Pixel Watch. Модель работает с пульсом, сном, SpO₂, HRV, движением, температурой кожи и другими метриками. Главное: одна базовая модель переносится на 35 задач по здоровью и в 34 из 35 случаев обходит baseline на ручных признаках. По сути, часы становятся интерфейсом к персональной модели здоровья. https://research.google/blog/sensorfm-towards-a-general-intelligence-and-interface-for-wearable-health-data/	3 636
12	Лайвстрим OpenAI: Заголовок - «Представляем следующую главу ChatGPT» https://openai.com/ru-RU/live/	3 729
13	Claude получил функцию Reflect — своего рода “Wrapped” для того, как вы используете AI. В настройках Claude теперь можно посмотреть отчёт за 1, 3, 6 или 12 месяцев: * о чём вы чаще всего говорили с Claude * какие задачи делегировали * когда чаще всего работали * как именно вы используете AI в жизни и работе Reflect помогает понять, где Claude реально усиливает мышление, а где вы, возможно, слишком часто отдаёте ему задачи, которые лучше оставить себе. Внутри также можно настроить quiet hours и напоминания сделать перерыв. Функция пока в beta, доступна Free, Pro и Max пользователям с включённой Memory. Инкогнито-чаты и файлы из подключённых инструментов в отчёт не попадают. https://claude.ai/settings/reflect	4 322
14	🖥 GPT-5.6, судя по всему, тестировали уже два месяца. Из-за этого слухи о выходе GPT-6 в ближайшие 4–6 недель выглядят заметно правдоподобнее. Если GPT-5.6 действительно несколько месяцев был в early access и уже завершил обучение, то логичный вывод такой: OpenAI могла использовать это время для разработки новой модели уровня Mythos через новое pre-training поколение. Именно этой моделью может стать GPT-6. GPT-5.6 уже давно в использовании, а GPT-6, похоже, приближается. https://x.com/timneutkens/status/2074887239562113069	4 028
15	🗞️ В статье Google DeepMind “Intelligent AI Delegation” есть хороший разбор того, как правильно отдавать задачи AI. Речь не о том, чтобы просто написать модели «сделай это» и надеяться на удачу. Авторы предлагают смотреть на делегирование как на цепочку решений: стоит ли вообще отдавать задачу AI, как её объяснить, какой уровень полномочий дать и как потом проверить результат. Сейчас многие системы держатся на жёстких правилах, которые ломаются при неожиданных сбоях. Исследователи предлагают более гибкий подход: динамический рынок, где агенты могут «торговаться» за задачи через smart contracts. Чтобы это работало безопасно, нужны строгий мониторинг и криптографические доказательства: система должна подтверждать корректность работы, не раскрывая приватные данные. Вместо простых рейтингов агенты смогут использовать проверяемые цифровые сертификаты, которые показывают их реальные навыки. Делегирование должно быть живым процессом- полномочия и ответственность могут меняться по ходу работы. Если ситуация изменилась или агент ошибся, система должна не разваливаться, а уметь передать задачу дальше, откатиться или включить запасной сценарий. Отдельно важна тема доверия. Фреймворк оценивает сложность задачи и прошлые результаты агента. Это помогает избежать двух ошибок: * over-delegating - когда AI дают задачу, к которой он ещё не готов * under-delegating, когда человек делает всё сам, хотя AI мог спокойно справиться Результат тоже нельзя принимать на веру. Система должна проверять ответ, учитывать уверенность агента и заранее иметь план, если он ошибётся. Для реальных рабочих процессов это критично: одна слепо принятая ошибка может потянуть за собой цепочку проблем. Авторы также разбирают сценарий, где один AI-агент передаёт задачу другому. В таком случае система должна отслеживать, кто отвечает за результат, какие полномочия переданы и где находится контроль. arxiv.org/abs/2602.11865	4 457
16	+1 Yandex Cloud даёт 50% скидку на сертификацию для инженеров данных 🔵🟦🔵 даёт 50% скидку на сертификацию для инженеров данных Если вы работаете с загрузкой, хранением, обработкой данных и ETL/ELT-процессами, можно подтвердить навыки официальной сертификацией Yandex Cloud. Доступны два экзамена: 1⃣ Yandex Cloud Certified Data Engineer Для инженеров данных, которые используют платформу Yandex Cloud. Экзамен проверяет работу с загрузкой и приёмом данных, хранением, обработкой, качеством данных, оркестрацией, метаданными, мониторингом, безопасностью и управлением ресурсами. ⏩Ссылка 2⃣ Yandex Cloud Certified Lakehouse Data Engineer Для специалистов, которые проектируют и разворачивают Lakehouse-решения в Yandex Cloud. В фокусе архитектура Lakehouse, трансформация данных, пайплайны, хранение, обработка, метаданные, мониторинг и безопасность. ⏩Ссылка До 25 сентября 2026 включительно можно зарегистрироваться на сертификацию со скидкой 50%. Экзамен проходит онлайн с прокторингом: запись с камеры и автоматическая фиксация возможных нарушений помогают подтвердить, чтобы все было честно. Хороший способ проверить себя, закрыть пробелы и получить понятное подтверждение навыков работы с data-инфраструктурой в Yandex Cloud ✅	3 827
17	MiniMax готовит открытую модель на 2,7 трлн параметров, релиз может состояться уже в III квартале. Она станет крупнейшей среди китайских ИИ-моделей и будет более чем в 6 раз больше текущей модели MiniMax M3. Волна открытых ИИ-моделей из Китая только набирает обороты. Похоже, самое интересное ещё впереди. https://www.theinformation.com/briefings/exclusive-chinas-minimax-plans-launch-2-7-trillion-parameter-model	9 672
18	Лилиан Венг из Thinking Machines Lab выпустила большой обзор про harness engineering: слой вокруг модели, который отвечает за инструменты, память, оркестрацию, контекст, проверки, циклы обратной связи и выполнение задач. Менять веса модели дорого, рискованно и медленно. А вот харнесс можно улучшать быстрее: добавлять инструменты, менять workflow, усиливать память, запускать sub-agent’ов, проверять гипотезы и сразу мерить результат. Отсюда рождается более реалистичный путь к self-improvement: модель не переписывает себя напрямую, а улучшает систему, в которой работает. Венг разбирает авто-исследование, эволюцию программ и self-improving agents: от The AI Scientist до ShinkaEvolve и Darwin Gödel Machine. Общая логика в том, что агент предлагает изменение, запускает эксперимент, получает оценку и оставляет то, что реально улучшает результат. Но слабые места тоже есть: плохие evals, схлопывание разнообразия, reward hacking и риск, что агент научится ломать метрику, а не решать задачу. Ближайший RSI может быть не «модель сама переписала мозг», а «модель научилась улучшать свой рабочий станок». ・The AI Scientist (Nature 2026)： https://nature.com/articles/s41586-026-10265-5 ・ShinkaEvolve： https://sakana.ai/shinka-evolve/	4 640
19	Anthropic запустила программу Claude for Open Source. Теперь разработчики и мейнтейнеры open source-проектов могут получить Claude Max 20x бесплатно на 6 месяцев. Что дают: - Claude Max 20x без оплаты на полгода - доступ к Claude Code и самым мощным моделям Claude - программа рассчитана на активных мейнтейнеров и ключевых участников open source Anthropic планирует принять до 10 000 участников. Подать заявку могут разработчики, которые активно поддерживают или развивают значимые open source-проекты. (Claude) https://claude.com/contact-sales/claude-for-oss	4 297
20	Стоп. Китай теперь делает с США то же самое, что Anthropic, только в обратную сторону? То есть закрывает американским компаниям доступ к китайским frontier-моделям? Похоже, уверенность Китая растёт с каждым днём. Судя по всему, там считают, что больше не нуждаются в дистилляции западных моделей в таких масштабах, чтобы развивать передовой ИИ. Теперь их больше беспокоит обратное: что США могут украсть уже их интеллект. https://finance.yahoo.com/technology/ai/articles/exclusive-beijing-looking-curbing-overseas-101644780.html	4 205

查看所有帖子