Big Data AI
前往频道在 Telegram
@haarrp - админ Вопросы с собеседований по Machine Learning, Data Science, Deep Learning и Нейроннным сетям @data_analysis_ml - анализ данных @ai_machinelearning_big_data @itchannels_telegram - важное для программиста РКН: clck.ru/3Fmqxe
显示更多
网络:📈 Telegram 频道 Big Data AI 的分析概览
频道 Big Data AI (@bigdatai) 俄语 语言赛道中的 是活跃参与者。目前社区聚集了 18 193 名订阅者，在 技术与应用 类别中位列第 7 051，并在 俄罗斯 地区排名第 36 409 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 18 193 名订阅者。
根据 25 八月, 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 -1，过去 24 小时变化为 1，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 6.70%。内容发布后 24 小时内通常能获得 3.34% 的反应，占订阅者总量。
- 帖子覆盖： 每篇帖子平均可获得 1 219 次浏览，首日通常累积 607 次浏览。
- 互动与反馈： 受众积极参与，单帖平均反应数为 7。
- 主题关注点： 内容集中在 llm, openai, github, nvidia, 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：
“@haarrp - админ
Вопросы с собеседований по Machine Learning, Data Science, Deep Learning и Нейроннным сетям
@data_analysis_ml - анализ данных
@ai_machinelearning_big_data
@itchannels_telegram - важное для программиста
РКН: clck.ru/3Fmqxe”
凭借高频更新（最新数据采集于 26 八月, 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。
18 193
订阅者
+124 小时
+577 天
-130 天
数据加载中...
相似频道
标签云
进出提及
---
---
---
---
---
---
吸引订阅者
八月 '26
八月 '26
+121
在35个频道中
七月 '26
+73
在43个频道中
Get PRO
六月 '26
+51
在0个频道中
Get PRO
五月 '26
+54
在1个频道中
Get PRO
四月 '26
+245
在2个频道中
Get PRO
三月 '26
+1 786
在3个频道中
Get PRO
二月 '26
+683
在4个频道中
Get PRO
一月 '26
+145
在0个频道中
Get PRO
十二月 '25
+114
在2个频道中
Get PRO
十一月 '25
+339
在44个频道中
Get PRO
十月 '25
+158
在14个频道中
Get PRO
九月 '25
+231
在36个频道中
Get PRO
八月 '25
+148
在3个频道中
Get PRO
七月 '25
+389
在52个频道中
Get PRO
六月 '25
+237
在37个频道中
Get PRO
五月 '25
+136
在3个频道中
Get PRO
四月 '25
+217
在27个频道中
Get PRO
三月 '25
+471
在4个频道中
Get PRO
二月 '25
+264
在41个频道中
Get PRO
一月 '25
+402
在44个频道中
Get PRO
十二月 '24
+557
在39个频道中
Get PRO
十一月 '24
+463
在54个频道中
Get PRO
十月 '24
+620
在57个频道中
Get PRO
九月 '24
+709
在199个频道中
Get PRO
八月 '24
+581
在40个频道中
Get PRO
七月 '24
+692
在50个频道中
Get PRO
六月 '24
+747
在57个频道中
Get PRO
五月 '24
+671
在36个频道中
Get PRO
四月 '24
+679
在46个频道中
Get PRO
三月 '24
+779
在22个频道中
Get PRO
二月 '24
+1 165
在4个频道中
Get PRO
一月 '24
+1 256
在44个频道中
Get PRO
十二月 '23
+593
在40个频道中
Get PRO
十一月 '23
+297
在30个频道中
Get PRO
十月 '23
+782
在1个频道中
Get PRO
九月 '23
+717
在0个频道中
Get PRO
八月 '23
+893
在0个频道中
Get PRO
七月 '23
+570
在0个频道中
Get PRO
六月 '23
+635
在0个频道中
Get PRO
五月 '23
+859
在0个频道中
Get PRO
四月 '23
+430
在0个频道中
Get PRO
三月 '23
+146
在0个频道中
Get PRO
二月 '23
+164
在0个频道中
Get PRO
一月 '23
+289
在0个频道中
Get PRO
十二月 '22
+700
在0个频道中
Get PRO
十一月 '22
+6 074
在0个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 26 八月 | 0 | |||
| 25 八月 | +5 | |||
| 24 八月 | +7 | |||
| 23 八月 | +19 | |||
| 22 八月 | +22 | |||
| 21 八月 | +6 | |||
| 20 八月 | +13 | |||
| 19 八月 | +2 | |||
| 18 八月 | +9 | |||
| 17 八月 | +7 | |||
| 16 八月 | +1 | |||
| 15 八月 | +9 | |||
| 14 八月 | +1 | |||
| 13 八月 | +1 | |||
| 12 八月 | +4 | |||
| 11 八月 | 0 | |||
| 10 八月 | +2 | |||
| 09 八月 | +2 | |||
| 08 八月 | 0 | |||
| 07 八月 | +1 | |||
| 06 八月 | +1 | |||
| 05 八月 | +1 | |||
| 04 八月 | +2 | |||
| 03 八月 | +1 | |||
| 02 八月 | +4 | |||
| 01 八月 | +1 |
频道帖子
📚 Бесплатная книга по выпуклой оптимизации - 130 страниц
"Convex Optimization: Algorithms and Complexity" - хорошее введение в алгоритмы выпуклой оптимизации и их вычислительную сложность.
Внутри:
* градиентные методы
* ускоренные методы
* субградиентная оптимизация
* проксимальные алгоритмы
* first-order methods
* оценки скорости сходимости
* сложность оптимизационных алгоритмов
Полезно для ML, математики и тех, кто хочет глубже понять, что стоит за обучением моделей.
PDF:
https://arxiv.org/abs/1405.4980
| 2 |  🚀 Будущее AI — это не только ум, но и скорость
Одно из самых интересных интервью года — Tibo у Matthew Berman.
Одна мысль особенно цепляет: в ближайшем будущем скорость около 750 токенов в секунду может стать обычным стандартом, а не редким достижением.
И это важно.
Мы всё больше времени проводим, наблюдая, как AI-агенты работают: анализируют, пишут код, запускают задачи.
Каждая секунда ожидания — это потеря времени и денег.
Следующий этап гонки AI — не только кто умнее.
А кто сможет выполнять эту интеллектуальную работу быстрее.
https://x.com/MatthewBerman/status/2091959711423996249 | 691 |
| 3 |  Сгорел на работе | 1 035 |
| 4 |  ☁️☁️☁️☁️☁️☁️☁️
Yandex Cloud 24 сентября проведёт флагманскую конференцию в Москве — Yandex Scale 2026.
🎨🎨🎨🎨🎨🎨🎨🎨🎨🎨
🎨🎨🎨🎨🎨🎨🎨🎨🎨🎨
🎨🎨🎨🎨🎨🎨🎨🎨🎨
В программе четыре продуктовых трека — AI, Data, Security и Hybrid Infrastructure & DevOps, — и отдельный углублённый технологический трек DeepTech, который пройдёт только онлайн.
В треке AI откроем программу докладом о том, как развиваются платформы для создания ИИ-агентов и рынок GenAI и что такое Agentic OS. Разберём подходы к глубокой аналитике коммуникаций, которая позволяет быстро перейти к ценным бизнес‑инсайтам. А ещё покажем, каким становится голосовой агент, когда перестаёт просто зачитывать текст и начинает вести настоящий диалог — с новым Realtime API и подключением к телефонии.
🎨🎨🎨🎨🎨🎨🎨🎨🎨🎨
🎨🎨🎨🎨🎨🎨🎨🎨🎨🎨
🎨🎨🎨🎨🎨🎨🎨🎨🎨
Отдельно пройдут воркшопы по AI. Покажем, как за час собрать своего кодинг-агента для анализа данных на базе Yandex AI Studio. Научим собирать ИИ-агента без единой строки кода — от идеи до публикации в веб-виджете или популярных мессенджерах. Разберём, как ИИ-агент Нейроаналитик в DataLens считает чарты, анализирует дашборды и подключается к внешним LLM через MCP. И познакомим с аналитикой каналов коммуникации в Yandex SpeechSense — от шаблонов под сценарии до готовых тегов и отчётов.
🎨🎨🎨🎨🎨🎨🎨🎨🎨🎨
🎨🎨🎨🎨🎨🎨🎨🎨🎨🎨
Помимо докладов, будут демозоны, питчинг решений, IT-квест и мерч. В онлайн-студии в это время — розыгрыши призов и секретный гость.
Полную программу можно посмотреть на сайте — там же можно и зарегистрироваться, участие бесплатное! | 1 271 |
| 5 |  ⚡️ SenseNova U1.5-Lite: не «умеет всё», а умеет делать всё вместе
SenseNova выпустила U1.5-Lite - открытую мультимодальную модель на 8B параметров для понимания изображений, генерации и редактирования.
Главная идея здесь не в размере, а в объединении навыков в одной модели.
U1.5-Lite умеет работать со сложными промптами, нативно генерировать 2K/4K, лучше рисовать текст и делать локальные правки без отдельного роутера или переключения между экспертами.
Обучение идёт через специализированных экспертов для:
— text rendering и инфографики
— визуального качества
— image editing
После этого OPD переносит их способности в одну лёгкую unified-модель.
Плюс task-oriented RL усиливает следование инструкциям, качество композиции и точность редактирования.
🛠️GitHub: https://github.com/OpenSenseNova/SenseNova-U1
🤗HF: https://huggingface.co/collections/sensenova/sensenova-u15 | 1 127 |
| 6 |  На старте ИИ-проекта для инференса часто используют API ⤵️
Но по мере роста нагрузки, требований к безопасности и затрат возникает потребность в собственной ИИ-инфраструктуре.
На вебинаре 25 августа эксперты Cloud․ru расскажут, когда пора переходить на Bare Metal и как построить инфраструктуру для запуска моделей в продакшене.
В программе:
▶️Когда для инференса достаточно API, а когда переходить на собственную инфраструктуру
▶️Как выбрать GPU-сервер для инференса и обучения моделей
▶️Как обеспечить быструю связь между GPU-серверами с InfiniBand
▶️Как собрать кластер уровня суперкомпьютера
▶️Как обеспечить изоляцию данных и безопасность
▶️Как избежать непредсказуемого роста расходов
Зарегистрироваться на вебинар | 1 045 |
| 7 |  ⚡️ Переписывание Bun на Rust превращается в очень странный AI-эксперимент
Bun 1.4 задерживается уже около трёх месяцев, и автор Tero Piirainen считает, что проблема намного интереснее обычного сорванного релиза.
За последний месяц в репозитории Bun 15,8 тыс. коммитов сделал robobun, ещё 1,6 тыс. — autofix-ci[bot], а Jarred Sumner — около 790. При этом у проекта накопилось больше 5 тыс. открытых PR.
По сути, Bun стал одним из крупнейших экспериментов: можно ли переписать важную продакшен-кодовую базу на Rust силами AI-агентов, когда человек в основном направляет процесс.
Отдельный вопрос, зачем вообще понадобился полный переход с Zig на Rust. Одним из аргументов была memory safety, но в новой кодовой базе всё ещё много unsafe, поэтому выгода выглядит не такой очевидной.
https://tipiirai.com/writing/bun-rust-rewrite-worries
@rust_code | 990 |
| 8 |  Ornith-1.5: новая семья open-source моделей с упором на самообучение
В линейку вошли три версии: 9B Dense, 35B MoE и 397B MoE. Авторы делают ставку не только на масштаб, но и на self-improvement: модель сама предлагает новые задачи, строит под них scaffolding и генерирует rollouts для последующего RL-обучения.
По заявленным результатам, Ornith-1.5 показывает сильные цифры на reasoning, coding и agentic-бенчмарках:
Terminal-Bench 2.1 — 86.1
SWE-Bench Verified — 86
SWE-Bench Pro — 65.1
SWE-Bench Multilingual — 79.6
HLE — 44.6
ClawEval — 81.4
Tool Decathlon — 71.2
Авторы также заявляют уровень, сопоставимый с Claude Opus 4.8 в ряде задач.
Все модели выпущены под MIT License. Есть также FP8, GGUF, MLX и NVFP4-квантизации, поэтому линейку можно использовать как для исследований, так и в коммерческих проектах.
Tech Blog:
http://ornith.ai/ornith_1_5.html
Hugging Face:
http://huggingface.co/collections/ornith-ai/ornith-15 | 1 030 |
| 9 |  Вырастили целое дерево из агентов 🌳
Мы в Авито разработали единую платформу для процессов. Самые лучшие и популярные становятся агентами. В итоге каждый сотрудник может создать свой процесс или воспользоваться готовым. Классно? Не то слово! Поэтому мы написали статью, как создавали это решение.
О чём узнаете, если прочитаете:
🔸как устроена архитектура платформы,
🔸как процесс становится агентом,
🔸как измерять качество агентов.
Читать статью 🚀 | 1 139 |
| 10 |  ✔️ США пригрозили исключать из Pax Silica страны, работающие с КНР по ИИ
Госдепартамент разослал странам-партнерам документ с требованием свернуть сотрудничество с Китаем в сфере ИИ. Кто откажется - вылетит из Pax Silica, коалиции, созданной ради контроля над поставками полупроводников, ИИ-технологий и критических минералов.
Поводом стали действия Казахстана, крупного поставщика редкоземельных ископаемых. Страна попыталась усидеть на двух стульях, вступив разом в Pax Silica и в аналогичное китайское объединение.
Ограничивая участие союзников в китайских проектах, США рассчитывают отрезать КНР от сырья и технологий, на которых держится развитие ИИ.
reuters.com
✔️ OpenAI арендует кластер на 8 ГВт в Огайо
OpenAI подписала 20-летний договор аренды ИИ-кластера в Огайо. Дата-центр и энергетику для него построит SB Energy, структура SoftBank.
ИТ-нагрузка кампуса составит 8 ГВт, вся площадка потребует около 10 ГВт, из которых 9,2 ГВт дадут газовые электростанции. Строить будут на территории бывшего завода по обогащению урана. Первые стойки должны заработать в 2028 году.
Ускорители поставит только Nvidia. Она же подстраховала проект деньгами: гарантировала SB Energy выплаты за аренду и электричество на 105 млрд долларов, то есть взяла на себя риск, если OpenAI не потянет, и вложила в застройщика еще 1,5 млрд.
openai.com
✔️ Alibaba открыла бету музыкального генератора HappyShrimp
Сервис собирает трек целиком (мелодию, аранжировку и вокал) по тексту песни или описанию жанра. Можно задать инструменты, стиль и динамику.
Жанров пока пять: поп, рок, электроника, джаз и традиционная китайская музыка. Для работы над сервисом Alibaba договорилась с китайским лейблом Taihe Music Group.
На бесплатном тарифе ежедневно начисляется квота генераций. За 5 долларов в месяц дают 150 треков, за 20 долларов - 800 треков и до шести генераций одновременно.
happyshrimp.ai
✔️ Unitree показала тизер гуманоида Superman
По заявлению компании, робот разгоняется до 12,66 м/с (45,5 км/ч). Это выше пиковой скорости, которую показывают спринтеры на стометровке, у рекордсменов она держится около 12,3 м/с.
При длине ног 0,85 метра робот прыгает с места на 2 метра. Всю машину, по словам Unitree, собрали за три месяца.
Проект в очень ранней стадии. Компания обещает дорабатывать и железо, и алгоритмы управления.
UnitreeRobotics в X
✔️ Модели Qwen скачали больше 3 млрд раз за полгода
Открытые модели Alibaba за последние шесть месяцев скачали свыше 3 млрд раз. Крупнейшие американские разработчики открытых моделей за тот же срок вместе не набрали и миллиарда - это данные Hugging Face.
В экосистеме Qwen больше 460 моделей, а сообщество выпустило на их основе свыше 300 тысяч производных версий.
bloomberg.com
@ai_machinelearning_big_data
#news #ai #ml | 694 |
| 11 |  Компании финансового и промышленного секторов уже активно внедряют технологии машинного обучения (МL) 👨🏻💻И правильно, ведь это повышает эффективность бизнес-процессов и позволяет создавать новые цифровые сервисы.
☹️Но высокие операционные риски, большие затраты на вывод моделей в промышленную эксплуатацию (и еще ряд проблем) мешают масштабированию ML-проектов.
😊Эти задачи решает продукт с говорящим названием "Управление жизненным циклом машинного обучения" от Диасофт. Он обеспечивает централизованное управление всеми этапами работы с ML-моделями – от проведения экспериментов и управления версиями до промышленного развертывания, мониторинга и сопровождения моделей. Все это происходит в едином технологическом контуре организации.
Как это возможно? Благодаря внушительной функциональности продукта. Узнать подробнее можно по ссылке!
#реклама
О рекламодателе | 839 |
| 12 |  🚀 DeepSeek V4 Pro внезапно стал заметно сильнее - без переобучения модели
К DeepSeek V4 Pro 0813 подключили harness под названием J-Space, который снижает ошибки в длинных цепочках reasoning и tool use.
По опубликованным результатам прирост местами очень серьёзный:
* Terminal Bench: 87.9 → 90.1
* NL2Repo: 61.5 → 73.4
* CyberGym: 83.3 → 86.8
* DeepSWE: 62.7 → 72.0
* Toolathlon: 74.1 → 79.5
В ряде agentic/coding тестов такая связка якобы обходит даже Fable 5 и Opus 4.8.
И здесь интереснее всего не сам DeepSeek.
Один и тот же LLM может давать радикально разный результат в зависимости от harness: как агент хранит состояние, вызывает инструменты, проверяет себя и восстанавливается после ошибок.
Модель становится только частью системы.
Важно: я нашёл официальные результаты DeepSeek V4 Pro, но именно цифры J-Space из поста пока не удалось подтвердить первичным источником, поэтому их лучше воспринимать как заявленные авторами harness, а не независимый benchmark. | 924 |
| 13 | Вырастили целое дерево из агентов 🌳
Мы в Авито разработали единую платформу для процессов. Самые лучшие и популярные становятся агентами. В итоге каждый сотрудник может создать свой процесс или воспользоваться готовым. Классно? Не то слово! Поэтому мы написали статью, как создавали это решение.
О чём узнаете, если прочитаете:
🔸как устроена архитектура платформы,
🔸как процесс становится агентом,
🔸как измерять качество агентов.
Читать статью 🚀 | 1 |
| 14 |  17 сентября собираем всех, кто реально делает ИИ, на AI R&D DAY в Москве.
Конференция для R&D-специалистов, AI-архитекторов, продакт-менеджеров и технических лидеров, отвечающих за внедрение технологий следующего поколения.
Особенности программы:
🔹 NextGenAI: из исследований — в продукты
🔹 Голос, текст, изображения, звук — в одной системе
🔹 Как оценивать качество, когда старые метрики устарели
🔹 22 доклада от тех, кто пишет код, а не только статьи
Это не конференция «послушать и забыть». Это точка сборки сообщества, которое формирует, а не комментирует.
📍 Москва / онлайн
💰 Бесплатно
🚨 Места ограничены
👇 Регистрация по ссылке: https://tglink.io/63095d1baa9c31?erid=2W5zFGUGZzq
#реклама
О рекламодателе | 979 |
| 15 |  🇪🇺 Китайские open-weight модели начинают всё активнее заходить в европейский enterprise.
Siemens уже рассказывала о собственной изолированной LLM-платформе на базе vLLM, куда можно подключать Qwen, DeepSeek, Llama и другие открытые модели без привязки к одному API.
Данные можно оставить внутри собственной инфраструктуры. Если персональные данные не уходят внешнему провайдеру за пределы EEA, не возникает отдельного трансграничного маршрута, к которому применяются требования главы V GDPR.
С американскими API ситуация другая: передача данных через Атлантику по-прежнему опирается на EU-US Data Privacy Framework, который пришёл на смену двум предыдущим соглашениям, отменённым судами. Действующая схема была поддержана судом ЕС в 2025 году, хотя споры вокруг неё продолжаются.
GPU простаивает за те же деньги, что и работает. Облачный провайдер распределяет один кластер между тысячами клиентов, а отдельная компания вынуждена покупать мощности под собственный пик нагрузки.
Поэтому Qwen или DeepSeek в европейском дата-центре могут выиграть по контролю над данными и зависимости от внешних API, но экономика сходится только при достаточно высокой загрузке железа.
Китай остаётся стратегически важным рынком компании, поэтому поддержка китайских моделей в собственном стеке даёт дополнительную технологическую гибкость сразу в двух регионах. | 1 153 |
| 16 |  没有文字... | 1 179 |
| 17 |  ⚡️ Harness Engineering - полный курс на русском
Как заставить AI-агента писать код надёжно. Не «какую модель выбрать», а как спроектировать вокруг неё рабочую систему: инструкции, инструменты, среду, состояние и верификацию.
Курс - от нуля до продвинутых тем: теоретическая база из 11 блоков, 14 модулей, 8 практических проектов, 14 лабораторных работ, диагностический протокол «как починить агента», библиотека готовых шаблонов, карта инструментов, 40 приёмов и каталог антипаттернов.
Главный тезис курса: способность модели и надёжность исполнения - это две разные вещи. Одна и та же модель в «голой» среде и в среде с продуманным harness даёт качественно разные результаты. Апгрейд модели - это самый дорогой и обычно не самый эффективный способ починить агента.
https://github.com/justxor/Harness_ru | 1 209 |
| 18 |  🧮 AI может изменить саму природу математических исследований.
Bloomberg пишет о проблеме, которая уже начинает обсуждаться в академической среде: что будет, если AI начнёт создавать доказательства быстрее, чем люди смогут понять их последствия?
Математика может столкнуться не с нехваткой новых результатов, а с их избытком.
Сегодня академический успех строится вокруг количества публикаций, цитат и новых теорем. Но если машины смогут генерировать тысячи доказательств, ценность может сместиться в другое место.
Главным навыком станет не только найти решение, а понять, какие задачи вообще имеют значение.
Будущая роль математиков может быть больше связана с выбором направлений, проверкой важности результатов, объяснением сложных идей и обучением других.
Возможно, самым редким ресурсом станет не способность доказать теорему, а способность понять, почему она важна.
https://www.bloomberg.com/opinion/articles/2026-08-13/math-faces-an-ai-spiritual-crisis-it-has-a-lesson-for-the-rest-of-us | 1 109 |
| 19 |  🔥 Python + AI без игрушечных демок. Курс для тех, кто хочет собирать рабочие системы.
Stepik: «Python современный AI для разработчика и автоматизации задач»
63 урока, 382 шага, практика с кодом и автопроверкой.
Внутри: RAG, tool calling, агенты, evals, MCP, Ollama, vLLM, pgvector + HNSW, безопасный text-to-SQL, prompt injection, кэш, очереди и sandbox для агентного кода.
Плюс реальные автоматизации: почта, отчёты, боты, вебхуки и браузерные сценарии.
Для тех, кто уже знает Python и хочет перейти к production AI.
⏳ 72 часа скидка 55%
https://stepik.org/a/295921 | 1 047 |
| 20 | 🔥 Liquid AI выпустила LFM2.5-VL-3B - маленькую vision-модель, заточенную под локальных агентов
Всего 3B параметров, но модель умеет разбирать экраны и изображения, делать OCR с разметкой страницы, находить объекты по текстовому запросу и использовать tool calls. Внутри LFM2.5-2.6B + SigLIP2 NaFlex vision encoder, контекст 32K.
Самое интересное - скорость. Liquid AI заявляет 228 ток/с на Apple M5 Max и 116 ток/с на Ryzen AI Max+ 395, при этом модель укладывается менее чем в 3,3 ГБ памяти.
Есть готовые версии для Transformers, vLLM, SGLang, GGUF, ONNX и MLX, поэтому её можно использовать как лёгкий локальный vision-слой для OCR, screen understanding и agentic workflows.
huggingface.co/LiquidAI/LFM2.5-VL-3B
#AI #Vision #LocalAI #Agents #LiquidAI | 1 278 |
