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

Анализ данных (Data analysis)

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

📈 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 51 907 名订阅者,在 技术与应用 类别中位列第 2 572,并在 俄罗斯 地区排名第 11 804 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 51 907 名订阅者。

根据 17 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 389,过去 24 小时变化为 -16,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 11.71%。内容发布后 24 小时内通常能获得 8.49% 的反应,占订阅者总量。
  • 帖子覆盖: 每篇帖子平均可获得 6 077 次浏览,首日通常累积 4 406 次浏览。
  • 互动与反馈: 受众积极参与,单帖平均反应数为 173。
  • 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 18 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。

51 907
订阅者
-1624 小时
-507 天
+38930 天
帖子存档
✒️ Обучение алгоритма генерации текста на основе высказываний философов и писателей Наверняка вы мечтали поговорить с великим философом: задать ему вопрос о своей жизни, узнать его мнение или просто поболтать. В наше время это возможно за счет чат-ботов, которые поддерживают диалог, имитируя манеру общения живого человека. Подобные чат-боты создаются благодаря технологиям обработки естественного языка и генерации текста. Уже сейчас существуют обученные модели, которые неплохо справляются с данной задачей. В этой статье я расскажу о своем опыте обучения алгоритма генерации текста, основанного на высказываниях великих личностей. В датасете для обучения модели используются цитаты десяти известных философов, писателей и ученых. Конечный текст будет генерироваться на основе высказываний всех десяти мыслителей.Но если вы захотите “пообщаться” с кем-то конкретным, например, с Сократом или Ницше, то Google Colab, в котором велась работа, прилагается в конце статьи. С его помощью можно будет поэкспериментировать только с генерацией выбранного вами философа. Читать дальше @data_analysis_ml
16 7月 2022, 09:00

Идея для лета — нырнуть в Data Science с головой Станьте специалистом по Data Science и приручите алгоритмы под свои амбициозные цели: от решения бизнес-задач до развития медицинских технологий. На курсе Яндекс Практикума вы можете за 8 месяцев изучить Python, SQL, машинное обучение и визуализацию данных — необходимый минимум для работы младшим специалистом. Пять «П» — преимущества обучения в Практикуме: — Помощь с трудоустройством: 78% выпускников находят работу в течение 4 месяцев после окончания курса. — Портфолио: 16 проектов на основе реальных задач бизнеса и диплом о профессиональной переподготовке. — Поддержка: преподаватели, наставники, кураторы и ревьюры помогают пройти обучение. — Подходящий формат: можете заниматься из любой точки мира когда вам удобно. — Практика: курс на 75% состоит из задач в онлайн-тренажёре и учебных проектов. → Старт потока — 21 июля. Оплачивать учёбу можно помесячно, от 6 090 ₽/мес, или 112 000 ₽ сразу. Начните учиться бесплатно и решите, подходит ли вам роль специалиста по Data Science. → Попробуйте курс бесплатно
16 7月 2022, 07:01

Обзор библиотеки Datatable в Python для обработки больших объёмов данных. Если вы пользовались языком R, то, скорее всего, вы уже работали с пакетом data.table. В R это расширение пакета data.frame. Для пользователей R он полезен в обработке больших объёмов данных (например, около 100 ГБ в RAM). data.table в R — многофункциональный пакет с высокой производительностью. Он лёгок в использовании, удобен и быстр. Конечно, он очень известен: у него более 400 тысяч скачиваний каждый месяц и его используют почти 650 пакетов CRAN и Bioconductor. А что делать тем, кто использует Python? Хорошие новости: для этого языка существует библиотека datatable, которая поддерживает большие данные, датасеты как внутри динамической памяти, так и вне, мультипотоковые алгоритмы и обеспечивает высокую производительность. Читать дальше @data_analysis_ml
16 7月 2022, 03:40

Идея для лета — нырнуть в Data Science с головой Станьте специалистом по Data Science и приручите алгоритмы под свои амбициозные цели: от решения бизнес-задач до развития медицинских технологий. На курсе Яндекс Практикума вы можете за 8 месяцев изучить Python, SQL, машинное обучение и визуализацию данных — необходимый минимум для работы младшим специалистом. Пять «П» — преимущества обучения в Практикуме: — Помощь с трудоустройством: 78% выпускников находят работу в течение 4 месяцев после окончания курса. — Портфолио: 16 проектов на основе реальных задач бизнеса и диплом о профессиональной переподготовке. — Поддержка: преподаватели, наставники, кураторы и ревьюры помогают пройти обучение. — Подходящий формат: можете заниматься из любой точки мира когда вам удобно. — Практика: курс на 75% состоит из задач в онлайн-тренажёре и учебных проектов. → Старт потока — 21 июля. Оплачивать учёбу можно помесячно, от 6 090 ₽/мес, или 112 000 ₽ сразу. Начните учиться бесплатно и решите, подходит ли вам роль специалиста по Data Science. → Попробуйте курс бесплатно
16 7月 2022, 03:00
16 7月 2022, ~03:01

Ищем медработников, чтобы с нуля обучить профессии Data Scientist в медицине. С помощью машинного обучения, вы научитесь обрабатывать данные по сердечно-сосудистым заболеваниям, онкологии, сигналам ЭЭГ, рентгеновским изображениям, сможете ставить диагнозы,обнаруживать болезни и персонализировать лечение. Курс прекрасно подойдет: Медработникам Освоите IT-специализацию в знакомой нише, увеличите доход и сможете улучшать жизнь сотен людей с помощью искусственного интеллекта. Новичкам в Data Science Станете специалистом по Data Science с нуля: освоите аналитику в медицине, бизнесе и других направлениях. IT-специалистам Поможем систематизировать знания в Data Science, ускорить карьерный рост и больше зарабатывать. Вашими преподавателями станут эксперты из таких компаний как: Parexel, X5 Retail Group, NVIDIA, Минобороны России, Pirogov AI. Если после успешного обучения вы не найдёте работу, мы вернём вам деньги, ведь гарантия трудоустройства закреплена в договоре. Узнать подробности и зарегистрироваться: https://clc.to/4eaSQw
16 7月 2022, 02:34

⚡️ Synthetic Minority Over-sampling Technique, SMOTE) — алгоритм предварительной обработки данных Метод увеличения числа примеров миноритарного класса (Synthetic Minority Over-sampling Technique, SMOTE) — это алгоритм предварительной обработки данных, используемый для устранения дисбаланса классов в наборе данных. В реальном мире нередко приходится обучать модель на наборе данных с очень малым количеством примеров определенного класса. Чаще всего эта проблема возникает при создании классификатора для диагностирования редких заболеваний, выявления производственных дефектов, раскрытия мошеннических транзакций. Во всех перечисленных сферах применения МО характер данных (очень редкие случаи) не позволяет собрать больше примеров. Однако модель, обученная таким образом, может оказаться малоэффективной. Одним из способов решения этой проблемы является сокращение числа примеров мажоритарного класса. Иными словами, из набора данных исключаются строки мажоритарного класса, чтобы выровнять количество строк мажоритарного и миноритарного классов. Читать дальше @data_analysis_ml
15 7月 2022, 04:31

Делимся отличной новостью: Минцифры внесло Газпромбанк в реестр аккредитованных IT-компаний! Банк не первый год активно разви
Делимся отличной новостью: Минцифры внесло Газпромбанк в реестр аккредитованных IT-компаний! Банк не первый год активно развивает цифровые продукты, над которыми сегодня работают тысячи крутых диджитал-специалистов. И теперь айтишники смогут получить дополнительные государственные льготы. Вы тоже можете стать частью команды Газпромбанка! Вакансии в IT и других направлениях — по ссылке > https://vk.cc/cf61ir
15 7月 2022, 02:26

🌠 Что такое Apache Superset? Установка Docker. Примеры дашбордов Apache Superset — Open-Source инструмент для визуализации д
🌠 Что такое Apache Superset? Установка Docker. Примеры дашбордов Apache Superset — Open-Source инструмент для визуализации данных, входящий в портфолио продуктов Apache Foundation. Зародился Apache Superset в компании Airbnb, там же где появился Airflow. Эта система является очень популярной и хорошо развивается за счет привлечения новых контрибьютеров. Количество комитов авторов на Github неуклонно растет. В настоящее время Superset широко используется во многих компаниях по всему миру (полный перечень компаний, использующих Apache Superset). Например, Superset запускается в производственной среде Airbnb внутри Kubernetes и ежедневно обслуживает более 600 активных пользователей, просматривающих более 100 000 диаграмм в день. Также Apache Superset приобретает популярность в России, в том числе после ухода западных вендоров. Ознакомиться с полным функционалом и настройками Superset можно в официальной документации https://superset.apache.org/docs/intro. Читать дальше @data_analysis_ml
14 7月 2022, 14:00

Это приглашение на «быстрое свидание» с работой мечты в команде Сбера. One Day Offer — самый короткий путь до оффера. Пройти
Это приглашение на «быстрое свидание» с работой мечты в команде Сбера. One Day Offer — самый короткий путь до оффера. Пройти собеседование и получить ответ в тот же день можно 16 и 17 июля по двум вакансиям: Data Engineer в ИТ-команду «Комплаенс» и Java Developer в ИТ-подразделение «Сеть продаж». Как это работает? Шаг 1. 16 июля или 17 июля (в зависимости от вакансии) подключитесь к онлайн-интервью. Шаг 2. Получите предложение о работе, о которой мечтали, в тот же день. Шаг 3. А дальше — вместе со своей командой разрабатывайте крутые и важные продукты Сбера. Прочитать подробнее о вакансиях и отправить заявку на участие в One Day Offer можно здесь.
14 7月 2022, 11:43

🌍 Создание приложения Flask на Python для визуализации мест путешествий В данной статье мы покажем, как создавать пользовательскую карту, на которую можно прикрепить фотографии достопримечательностей, посещенных во время отпуска. Помимо этого, у вас будет возможность добавлять текст для более полного описания впечатлений о поездках. В конце вы узнаете, как развернуть приложение на Heroku, чтобы друзья тоже смогли увидеть ваше творение. Читать дальше @data_analysis_ml
14 7月 2022, 04:58

⚡️ Последние дни набора на продвинутый онлайн-курс «Machine Learning Advanced» Редкая возможность для тех, кто занимается машинным обучением! Ответьте на 10 вопросов и проверьте, насколько вы готовы к обучению на углубленном курсе - «Machine Learning. Advanced» от OTUS и его партнера — Сбера. 📌 РЕЗУЛЬТАТ ПРОХОЖДЕНИЯ КУРСА: Вы освоите продвинутые приемы машинного обучения, которые позволят вам уверенно себя чувствовать на ведущих Middle/ Senior позициях и справляться даже с нестандартными задачами. 💻 Двухдневный интенсив — «Рекомендовать или не рекомендовать, пуcть решает ML!», 11 июля в 18:00 https://otus.pw/pFOo/ Время прохождения теста ограничено 20 минут 👉 Пройдете вступительный тест — сможете занять место в группе по спец.цене https://otus.pw/eIpa/
14 7月 2022, 02:55

🔎 Обзор методологий, принципов и концепций разных типов хранилищ данных Data Warehouse Design Подход Kimball Модель данных Kimball — это восходящий подход к проектированию архитектуры хранилища данных (DWH или DW), в котором витрины данных сначала формируются на основе бизнес-требований. Данные из источников данных с помощью ETL извлекаются и загружаются в промежуточную область сервера реляционной базы данных. После того, как данные загружены в промежуточную область хранилища данных, следующий этап включает загрузку данных в многомерную модель хранилища данных, денормализованную по своей природе (схема звезда). Эта модель разделяется на таблицу фактов, которая представляет собой числовые данные транзакций, и таблицы измерений, которые являются справочной информацией, которая является контекстом для данных в таблице фактов. Читать дальше @data_analysis_ml
13 7月 2022, 07:03

Не упустите возможность начать карьеру в одной из самых востребованных IT-профессий! На курсе «Профессия Data Scientist PRO»
Не упустите возможность начать карьеру в одной из самых востребованных IT-профессий! На курсе «Профессия Data Scientist PRO» вы: ✅ Пройдёте вводную часть и получите всю необходимую математическую базу для старта в Data Science за 6 месяцев. ✅ Изучите одно из 3 востребованных направлений на выбор — дата-аналитику, дата-инженерию или машинное обучение. ✅ Освоите Python, библиотеки для анализа данных и машинного обучения, SQL, Git, научитесь работать с Power BI и другими актуальными для дата-сайентиста инструментами. ✅ Попрактикуетесь на задачах с реальными данными, примете участие в командных проектах и разберёте кейсы. ✅ Через полгода после старта курса сможете попасть на стажировку, а через год — устроитесь на позицию junior в компанию. Если вы не выйдете на работу после обучения - мы вернём вам деньги за курс. Подробные условия акции на сайте. ✨ Оставьте заявку на курс сейчас и получите 6 месяцев бесплатного обучения: https://clc.to/d3PsMg
13 7月 2022, 05:02

☠ 9 способов защититься от утечки данныхных Начнем с определения. Нарушение данных — это нарушение безопасности, при котором
☠ 9 способов защититься от утечки данныхных Начнем с определения. Нарушение данных — это нарушение безопасности, при котором конфиденциальные, защищенные или конфиденциальные данные копируются, передаются, просматриваются, крадутся или используются лицом, не уполномоченным на это. Здесь все довольно понятно, а вот кто и как давайте разберем. Существует много разных факторов утечки персональных данных. Основные из них: от безалаберности сотрудников/разработчиков: открытые БД, открытые порты и т.п.; слив данных самими сотрудниками; дыры безопасности сайтов. Давайте чуть более подробно расскажем про каждый пункт. К нам приходил запрос от крупной сети АЗС, у которых злоумышленники воровали бонусные баллы клиентов. Для того чтобы понять в чем дело компания предоставила нам исходный код для анализа. Решение разрабатывала одна из топовых Российских IT команд, код был качественным, но без самой базовой проработки безопасности.  Читать дальше @data_analysis_ml
13 7月 2022, 03:46

Большие данные захватили мир Как стриминговые сервисы понимают, что вы любите? Анализ данных уже давно открыл человечеству новые возможности. Бизнес активно использует инструменты Data Science на полную: голосовые ассистенты, чат-боты, персонализированная реклама. IT-школа Skillfactory и лучший технический вуз МФТИ ответят на эти вопросы и раскроют главный секрет на своём бесплатном онлайн-интенсиве: “Кем ты будешь через 2 года, если пойдешь учиться на Data Science сейчас?” За 1,5 часа руководитель онлайн-магистратур в МФТИ Мария Савицкая расскажет преимущества специалистов с профильным образованием и перспективы развития Data Science. А эксперт по Data Science Иван Ямщиков расскажет, как работает и в каких сферах применяется машинное обучение и что нас ждет через 10 лет! По оценкам Frost & Sullivan, каждый год сфера Data Science растет на 35,9%. При этом опытных дата-сайентистов не хватает, поэтому их зарплата стабильно увеличивается. Сейчас специалисты с опытом работы 2-3 года получают от 250 000 ₽. Переходите по ссылке и регистрируйтесь, это займёт меньше минуты: https://go.skillfactory.ru/ChVazw
13 7月 2022, 01:40

📊 В Data Science не нужна математика (Почти) Ребята с «вышкой» всё время умничают, что в Data Science нужна «математика», но
📊 В Data Science не нужна математика (Почти) Ребята с «вышкой» всё время умничают, что в Data Science нужна «математика», но стоит копнуть глубже, оказывается, что это не математика, а вышмат. В реальной повседневной работе Data Scientist'а я каждый день использую знания математики. Притом очень часто это далеко не «вышмат». Никакие интегралы не считаю, детерминанты матриц не ищу, а нужные хитрые формулы и алгоритмы мне оперативнее просто загуглить. Решил накидать чек-лист из простых математических приёмов, без понимания которых — тебе точно будет сложно в DS. Если ты только начинаешь карьеру в DS, то тебе будет особенно полезно. Мощь вышмата не принижаю, но для старта всё сильно проще, чем кажется. Важно прочитать до конца!  Читать дальше @data_analysis_ml
12 7月 2022, 08:40

Когда работа сама ищет аналитика? Когда у аналитика есть опыт! Настоящий рабочий опыт можно получить всего за 5 недель на «Симуляторе аналитика» от karpovꓸcourses. Здесь вы с нуля выстроите аналитические процессы, поработаете с настоящей инфраструктурой, научитесь уверенно справляться с ежедневными задачами аналитика и поймёте, какая логика стоит за каждым решением. Наставники курса: ▪️Анатолий Карпов (работал ведущим аналитиком VK и JetBrains) ▪️Мария Сомова (senior аналитик Sumsub) ▪️Ян Пиле (руководитель группы аналитики поиска VK) Они точно знают, как эффективно решать рабочие задачи, и готовы поделиться опытом с вами. После прохождения Симулятора вы сможете оформить свои решения в pet-проекты, которые станут отличным дополнением к вашему резюме, а HR приложат максимум усилий, чтобы трудоустроить вас в компанию с хорошей аналитической культурой. Важно: симулятор подойдёт тем, кто хотя бы на базовом уровне знает Python, SQL, Git и статистику. Переходите по ссылке и записывайтесь до 20 июля!
12 7月 2022, 06:32

Кручу, верчу логи при помощи SQL — облегчаем анализ данных Бывает такая ситуация, что необходимо проанализировать большой объ
Кручу, верчу логи при помощи SQL — облегчаем анализ данных Бывает такая ситуация, что необходимо проанализировать большой объём данных системы логирования событий на предмет аномалий или инцидентов. Просматривать такой массив данных трудно и нецелесообразно. Для этих целей можно обратиться к специализированному программному обеспечению, но нужно знать к какому. Не всегда есть время на изучение. И хорошо, если под конкретные задачи на примете есть несколько вариантов. А если их нет, тогда как быть? Выход есть всегда, было бы желание. Поговорим о том, как можно довольно быстро загрузить некий массив таких данных куда-то и заняться его анализом. Читать дальше @data_analysis_ml
12 7月 2022, 02:44

📉 ROC и AUC простыми словами. Площадь под ROC-кривой – один из самых популярных функционалов качества в задачах бинарной классификации. На мой взгляд, простых и полных источников информации «что же это такое» нет. Как правило, объяснение начинают с введения разных терминов (FPR, TPR), которые нормальный человек тут же забывает. Также нет разборов каких-то конкретных задач по AUC ROC. В этом посте описано, как я объясняю эту тему студентам и своим сотрудникам… Допустим, решается задача классификации с двумя классами {0, 1}. Алгоритм выдаёт некоторую оценку (может, но не обязательно, вероятность) принадлежности объекта к классу 1. Можно считать, что оценка принадлежит отрезку [0, 1]. Часто результат работы алгоритма на фиксированной тестовой выборке визуализируют с помощью ROC-кривой (ROC = receiver operating characteristic, иногда говорят «кривая ошибок»), а качество оценивают как площадь под этой кривой – AUC (AUC = area under the curve). Покажем на конкретном примере, как строится кривая.  Читать Дальше @data_analysis_ml
11 7月 2022, 05:19

🔥 15 Open Source библиотек для повышения качества данных  Читать @data_analysis_ml
10 7月 2022, 05:23