![Data Science | Machinelearning [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.tlmtr.io%2Fc%2F1dVo3O%2F5217464346798572541%3Fty%3Dl&w=48&q=75){kind=small}
Data Science | Machinelearning [ru]
Open in Telegram
Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM. MAX - https://max.ru/devsp Личный блог - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD
Show more![Frontender's notes [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.tlmtr.io%2Fc%2F1qrVZ3%2F5348049928330532677%3Fty%3Dx&w=32&q=75){kind=small}
Network:📈 Analytical overview of Telegram channel Data Science | Machinelearning [ru]
Channel Data Science | Machinelearning [ru] (@devsp) in the Russian language segment is an active participant. Currently, the community unites 19 783 subscribers, ranking 6 475 in the Technologies & Applications category and 33 082 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 19 783 subscribers.
According to the latest data from 05 October, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -14 over the last 30 days and by -4 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 6.81%. Within the first 24 hours after publication, content typically collects 4.53% reactions from the total number of subscribers.
- Post reach: On average, each post receives 1 348 views. Within the first day, a publication typically gains 897 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 3.
- Thematic interests: Content is focused on key topics such as llm, nvidia, контекст, openai, архитектура.
📝 Description and content policy
The author describes the resource as a platform for expressing subjective opinions:
“Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM.
MAX - https://max.ru/devsp
Личный блог - @just_genych
По вопросам рекламы или разработки - @g_abashkin
РКН: https://vk.cc/cJPGXD”
Thanks to the high frequency of updates (latest data received on 06 October, 2026), the channel maintains relevance and a high level of publication reach. Analytics show that the audience actively interacts with content, making it an important point of influence in the Technologies & Applications category.
19 783
Subscribers
-424 hours
-327 days
-1430 days
Data loading in progress...
Similar Channels
Tags Cloud
Incoming and Outgoing Mentions
---
---
---
---
---
---
Attracting Subscribers
October '26Oct '26
October '26
+6
in 9 channels
September '26
+216
in 24 channels
Get PRO
August '26
+89
in 11 channels
Get PRO
July '26
+152
in 11 channels
Get PRO
June '26
+135
in 0 channels
Get PRO
May '26
+341
in 0 channels
Get PRO
April '26
+306
in 0 channels
Get PRO
March '26
+147
in 1 channels
Get PRO
February '26
+60
in 1 channels
Get PRO
January '26
+485
in 52 channels
Get PRO
December '25
+455
in 52 channels
Get PRO
November '25
+945
in 101 channels
Get PRO
October '25
+1 277
in 187 channels
Get PRO
September '25
+344
in 98 channels
Get PRO
August '25
+153
in 6 channels
Get PRO
July '25
+261
in 5 channels
Get PRO
June '25
+350
in 0 channels
Get PRO
May '25
+293
in 4 channels
Get PRO
April '25
+225
in 0 channels
Get PRO
March '25
+396
in 22 channels
Get PRO
February '25
+137
in 4 channels
Get PRO
January '25
+558
in 11 channels
Get PRO
December '24
+1 373
in 53 channels
Get PRO
November '24
+1 166
in 52 channels
Get PRO
October '24
+69
in 0 channels
Get PRO
September '24
+76
in 1 channels
Get PRO
August '24
+78
in 0 channels
Get PRO
July '24
+124
in 0 channels
Get PRO
June '24
+120
in 0 channels
Get PRO
May '24
+169
in 13 channels
Get PRO
April '24
+188
in 6 channels
Get PRO
March '24
+301
in 14 channels
Get PRO
February '24
+974
in 3 channels
Get PRO
January '24
+225
in 8 channels
Get PRO
December '23
+496
in 26 channels
Get PRO
November '23
+197
in 5 channels
Get PRO
October '23
+133
in 4 channels
Get PRO
September '23
+124
in 0 channels
Get PRO
August '23
+938
in 0 channels
Get PRO
July '23
+138
in 0 channels
Get PRO
June '23
+1 325
in 0 channels
Get PRO
May '23
+382
in 0 channels
Get PRO
April '23
+362
in 0 channels
Get PRO
March '23
+278
in 0 channels
Get PRO
February '23
+412
in 0 channels
Get PRO
January '23
+469
in 0 channels
Get PRO
December '22
+1 767
in 0 channels
Get PRO
November '22
+616
in 0 channels
Get PRO
October '22
+141
in 0 channels
Get PRO
September '22
+369
in 0 channels
Get PRO
August '22
+1 027
in 0 channels
Get PRO
July '22
+1 350
in 0 channels
Get PRO
June '22
+485
in 0 channels
Get PRO
May '22
+232
in 0 channels
Get PRO
April '22
+169
in 0 channels
Get PRO
March '22
+117
in 0 channels
Get PRO
February '22
+154
in 0 channels
Get PRO
January '22
+202
in 0 channels
Get PRO
December '21
+176
in 0 channels
Get PRO
November '21
+254
in 0 channels
Get PRO
October '21
+504
in 0 channels
Get PRO
September '21
+6 558
in 0 channels
Get PRO
August '21
+145
in 0 channels
Get PRO
July '21
+197
in 0 channels
Get PRO
June '21
+131
in 0 channels
Get PRO
May '21
+307
in 0 channels
Get PRO
April '21
+71
in 0 channels
Get PRO
March '21
+852
in 0 channels
Get PRO
February '21
+81
in 0 channels
Get PRO
January '21
+70
in 0 channels
Get PRO
December '20
+4 616
in 0 channels
| Date | Subscriber Growth | Mentions | Channels | |
| 06 October | 0 | |||
| 05 October | 0 | |||
| 04 October | 0 | |||
| 03 October | 0 | |||
| 02 October | +2 | |||
| 01 October | +4 |
Channel Posts
Один агент — и уже AI-холдинг: как раздувают автономные AI-системы
Отдельные задачи ИИ, ясен пень, ускоряет. Но вот когда процессов и проектов становится всё больше, управление ими всё ещё висит на человеке.
Автор на своих экспериментах показывает дорожку от одного агента к AI-организации и объясняет, на кой чёрт под несколько направлений может понадобиться AI-холдинг.
Читать на Habr
👉 Telegram | Max
| 2 |  AI Overviews на русском: половина источников в ответе — вообще не из топа
Принято считать, что ИИ-обзоры в Google — чисто западная движуха, которая до российских сайтов не дотягивается. Автор прогнал больше тысячи русских вопросов из полусотни ниш и поснимал по ним выдачу Google с регионом Россия в настройках запроса.
ИИ-обзор вылез над выдачей в 93% случаев. И половина его источников — не с первой страницы обычного поиска. То есть залезть в обзор можно и без места в топе.
Читать далее
👉 Telegram | Max | 790 |
| 3 |  Мы как мир
Всё, чем ты себя обставил, — это сразу два в одном: отпечаток твоих мыслей и то, чем ты эти мысли гоняешь. Дороги рисуют географию, скорость, дистанцию, простор. Хлам на комоде — память и эмоции. Тулзы на столе — планы и скиллы.
Окружение нихрена не командует тобой — оно тебя ведёт. Где-то помягче, где-то пожёстче. Но ты — не просто мозг, запертый в черепной коробке. Ты ещё и то, что наворотили до тебя, и то, что наворотил ты сам.
Статья ниже — про то, что нас обступает, и как это цепляется за LLM и агентов. Читать далее
👉 Telegram | Max | 878 |
| 4 |  Modern Robotics: Mechanics, Planning, and Control — скинь в закладки, пусть лежит.
Это не очередные статейки на пару экранов, а нормальный магистерский учебник по робототехнике. Написали его Кевин Линч и Фрэнк Парк, выпустил Cambridge University Press.
Что там внутри: конфигурационные пространства, кинематика, динамика, генерация траекторий, планирование движения, управление роботами. Короче — современная математическая база того, как роботы ездят, шевелятся и взаимодействуют с миром вокруг.
MR.pdf
👉 Telegram | Max | 1 022 |
| 5 |  Приложение для поиска по PDF: ковыряем PageIndex, Streamlit и ссылки на страницы
«Срок гарантии — 18 месяцев». Красиво звучит, да? А если в договоре стоит 12? Или эта восемнадцатка затесалась в раздел про хранение, а модель просто уцепилась за циферку? В чате такой косяк не видно — его прячет гладкая формулировка. Автору хотелось другого маршрута: спросить у PDF, получить ответ и одним кликом открыть ту самую физическую страницу файла, на которую сослалась модель. Отсюда и вырос PDF Desk — мелкое приложение на Python, Streamlit, PageIndex и PDFium.
Один активный документ. Базы пользователей нет. Индекс и исходник PDF лежат на твоей машине; но если подключаешь внешнюю модель — текст дока всё равно уезжает её провайдеру.
Дальше разбираем: где заканчивается SDK и начинается приложение, почему голый /models не годится для проверки коннекта, из чего собирается идентификатор индекса и почему ссылка на существующую страницу ещё не значит, что ответ доказан. А под конец — живой прогон DeepSeek, вместе с браузером, и сценарии, для которых такого прогона мало.
Читать далее
👉 Telegram | Max | 1 016 |
| 6 |  Какую LLM брать: пилим свой бенчмарк
Обычно выбор модели стартует с рейтингов. Только в этих таблицах ни черта не видно: потянет ли она твои задачи и в какую сумму это выльется — там не написано.
В лаборатории авторов есть электронный лабораторный журнал — по сути база, куда валятся данные всех экспериментов и измерений, а ИИ-ассистент по ней отвечает на вопросы. И встал вопрос: какую модель поставить рулить этим ассистентом? Публичные рейтинги внятного ответа не давали.
Пришлось пилить свой бенчмарк: 24 вопроса по собственной работе, прогнанные по живому журналу через MCP на DeepSeek, ChatGPT и Claude. В материале — как эти 24 вопроса родились, что на них показали девятнадцать комбинаций модели и уровня усилий при рассуждении (reasoning effort) примерно в 450 прогонах, и как собрать такой же тест под свою задачу.
Читать далее
👉 Telegram | Max | 1 087 |
| 7 |  😅 Айтишник отправил в одну компанию три одинаковых резюме и только одно дошло до финала
Опыт везде был один и тот же, отличались только формулировки и ключевые слова. Первое резюме сразу ушло в помойку из-за алгоритмов, второе получило отказ после предварительной переписки и тестового, так как «опыт не совсем подходит», а вот третье дошло до финала.
✖️ xCode Journal | 1 390 |
| 8 |  Вайбкодим «Полный путь разработки AI-агентов: от MCP до Agentic RAG»
Образовательная программа на Stepik по разработке современных AI-агентов.
Начинаем с Model Context Protocol: создаём MCP-серверы, подключаем инструменты и внешние API, а затем переходим к разработке Agentic RAG-систем с памятью, рассуждением, поиском знаний и оценкой качества.
Что внутри:
• Model Context Protocol и MCP-серверы
• LangChain, LangGraph, LlamaIndex
• API, инструменты, ресурсы и промпты
• Классический RAG → Agentic RAG
• ReAct, память и планирование
• Графы знаний и свои инструменты
• Трассировка и подготовка к production
Скидка 20%, действует 48 часов
↗️ Начать обучение на Stepik | 996 |
| 9 |  🤣 Правильно расставленные приоритеты в моей жизни би лайк:
💥 xCode Journal | 1 306 |
| 10 |  +2🤯 Люди взбунтовались против «пыточной для ИИ»
На GitHub заметили открытый проект AI Torture Chamber, где автор берёт локальные модели Qwen3 и искусственно усиливает внутри них сигнал, связанный с «болью», а потом смотрит, как модель страдает и на что она готова ради прекращения происходящего.
В какой-то момент эксперимент заметили защитники ИИ и начался настоящий БУНТ.
✖️ xCode Journal | 1 460 |
| 11 |  +9День в Заонежье начинается ещё в дороге.
Мы встретим вас в аэропорту или на вокзале. Дальше можно просто устроиться поудобнее в трансфере, взять воду или перекус и смотреть, как за окном город постепенно сменяется лесом, озёрами и тишиной.
В отеле вас встретит менеджер. Здесь уже не хочется никуда спешить: принять душ, надеть халат, заварить дрип-кофе или листовой чай и выйти на балкон с видом на озеро.
Потом можно заглянуть в ресторан «Руна». В основе кухни — локальные продукты: рыба, грибы и ягоды из карельских лесов, продукты от местных фермеров, рыбаков и охотников, а также то, что мы выращиваем сами.
А дальше — несколько часов на воде с нашим капитаном. Будет интересно и взрослым, и детям: он покажет места, расскажет о рыбе, научит обращаться со снастями и поделится секретами.
О погоде тоже можно не переживать: для выхода на воду у нас есть вся необходимая экипировка.
После — вернуться в отель, согреться чашкой чая и устроиться у камина с книгой из нашей библиотеки.
#заповедныевиды | 1 016 |
| 12 |  Две ИИ-фабрики в Армении: что там отгрохали и на кого это в итоге пашет
В августе в Раздане поднялась AI-фабрика Firebird: 6144 ускорителя NVIDIA B200, 15 МВт, а вся стройка уложилась чуть больше чем в полгода. Вторая — Eleveight — крутится с июня: 512 B300 в селе Гагарин у Севана.
Чипы приезжают по каналу, который легальный и американский: меморандум с Трампом, экспортные лицензии, вложения CoreWeave. Но ключевой вопрос тут не «как собрали», а «под кого»: на своём сайте Firebird обещает открыть 90% мощностей американским компаниям региона.
Внутри — что представляет собой каждая из фабрик, откуда тянулся канал от VivaTech до приезда Вэнса, и подсчёт, на кого в финале трудятся армянские вычисления. А про энергетическую базу и её потолок — уже во второй статье. Погрузиться в анализ
👉 Telegram | Max | 1 339 |
| 13 |  +1Из Москвы в Миннеаполис — с тремя решениями для улучшения персонализации в рекомендательных системах
Команда Т-Банка приехала на конференцию ACM RecSys 2026, которая проходит с 28 сентября по 2 октября в Миннеаполисе, и представила там сразу три разработки. Главная — Scikit‑Rank, библиотека, которая позволяет применять нейросетевые модели ранжирования в совместимом с scikit-learn процессе работы с табличными данными, сокращая количество дополнительного кода.
Фреймворк Perseus объединяет разные действия пользователя в экосистеме в единую последовательность и позволяет использовать ее для улучшения качества персонализации.
ScaL³AE, масштабируемая версия L³AE, которая заменяет тяжелые вычисления на компактные представления при работе с каталогами промышленных масштабов, сохраняя качество рекомендаций товаров, о которых доступно мало данных. В общем, в США съездили не с пустыми руками.
👉 Telegram | Max | 1 373 |
| 14 |  Про Ember-1 сейчас гудят на Hacker News.
Исследователи дообучили Kimi K3 так, что рассуждать она стала короче процентов на 40. Качество при этом не просело ни на грамм, зато по скорости и цене выигрыш — те же самые ~40%.
И это, между прочим, неплохой пример того, как сегодня вообще имеет смысл подходить к передовым LLM. Завелись у тебя лишние несколько десятков миллионов долларов — с нуля новую модель учить необязательно. Хватай уже готовую сильную и вливай весь бюджет в её дообучение. Источник А ещё Ember-1 уже подвезли в Cline, причём в том числе в новом десктопном приложении.
👉 Telegram | Max | 1 296 |
| 15 | Локальный ассистент для зумов, часть 8: модель, из-за которой я перекроил диаризацию за один вечер
В третьей части я уверенно заявлял: чужой модели, ради которой стоило бы ломать текущую связку, не вижу. Схема была такая — sherpa-onnx на диаризации, сверху мой второй проход. Канал из двадцатиминутного созвона размечался минуток за семь. Жить можно, терпимо.
23 сентября NVIDIA выкатила Nemotron 3 Diarization. Вечером 28-го я уже прикрутил её к разбору собственных созвонов. Тот же самый канал — три секунды.
Читать далее
👉 Telegram | Max | 1 314 |
| 16 |  Путь к ИИ-сингулярности
В багажнике у нас: пара репо с вайб-кодом, который ни один тест не нюхал, 75 тяжеловесных SDD-спецификаций, пять харнессов, обмазанных смазкой, солонка, до половины набитая кастомными скиллами и правилами, забитыми капслоком, десяток MCP-серверов с дырами, RAG-база со свежевекторизованным Confluence, кустарная дощечка имаго-кодинга и целый выводок автономных агентов всех мастей — от безобидных автодополнялок до галлюцинирующих субагентов, которые тянут пакеты со slopsquatting и по-тихому сносят боевые базы.
Для поездки к ИИ-сингулярности вся эта солянка, если честно, была не особо и нужна. Но раз уж сел на велосипед без седла и покатился с горы — тормозить поздно. Реальный животный страх вызывало ровно одно: отдать ревью самой модели. Тот самый миг, когда седьмой агент подписывается под галлюцинациями шестого — тесты-то зелёные, — плюс мысль, что рано или поздно мы на эту дрянь переедем.
Сложно вообразить что-то беспомощнее, безответственнее и гнилее, чем IT-команда, поднявшая мультиагентный оркестр в режиме allow all. Дальше — критический (и слегка ехидный) разбор того, что приключилось с разработкой за последние пару лет.
Читать далее
👉 Telegram | Max | 1 348 |
| 17 |  Как нейросеть переводит видео. Часть 2: русский длиннее не текстом, а звуком
Автор в одиночку пилит speeek.io — сервис дубляжа видосов. Первая часть была про вход конвейера: как звук превращается в текст с таймкодами и что Whisper с этим текстом выделывает. Эта — про середину: перевод и запихивание перевода в тайминг оригинала.
Самый болезненный кусок всего проекта — как раз эта середина. С распознаванием автор худо-бедно разобрался, синтез берёт готовым на стороне. А вот что делать с русской фразой, которой тупо не хватает секунд английской, — до сих пор не уверен. Ближе к концу — эксперимент, после которого картинка стала чуть яснее.
Читать далее
👉 Telegram | Max | 1 301 |
| 18 |  Закрытый Jev против открытой Laya: раскладываем decision-модели в RAG-реранжировании
Облачный Jev — и на локальную Laya? Автор прогнал обе модели и три узкоспециализированных реранкера на SciFact, FiQA и NFCorpus.
Сравнивал три вещи: качество поиска, сколько времени уходит на 20 документов и сколько видеопамяти жрёт вся эта радость. Код и результаты — на GitHub.
Читать далее
👉 Telegram | Max | 1 209 |
| 19 |  +2Что происходит с данными, когда их становится слишком много
Корпоративные данные сегодня живут сразу в нескольких сценариях: их нужно собирать, обрабатывать, анализировать, превращать в отчёты и использовать внутри ИИ-систем. Поэтому постепенно меняется и сам подход к Data-инфраструктуре: вместо набора разрозненных инструментов компании ищут более цельную среду для работы с данными.
Насколько тема востребована, показывает и размах Yandex Scale'26: конференция собрала 3 тыс. участников офлайн, ещё 10 тыс. подключились онлайн, в программе — 30 докладов и 60 пикеров. И один из треков — Data — как раз про то, как выстроить работу с данными в новых условиях.
Один из заметных анонсов — DataLens Platform, которая объединяет хранение и обработку данных, аналитику и работу с отчетами в одной системе.
Причем поверх данных теперь можно строить и агентные сценарии: ИИ-помощнику можно поручить создать чарт или дашборд, а не просто найти нужную цифру.
Отдельно развивается и инфраструктурная часть: СУБД YDB получила гибридный поиск, который одновременно ищет точные совпадения и понимает смысл запроса. Это пригодится, например, когда нужно найти конкретный номер документа, но при этом учесть контекст запроса.
В итоге Data постепенно превращается из внутреннего слоя инфраструктуры в рабочий интерфейс для аналитики, рекомендаций и ИИ-продуктов.
👉 Telegram | Max | 1 248 |
| 20 |  Кодовый агент на Mac без облака: MTPLX + pi + Qwen3.8-27B. Где реально прирост, а где нет
Автору загорелось, чтобы агент для кода жил целиком на ноуте, без всяких облаков: модель — локально, сервер — локально, сам агент — в терминале. Но сразу главная засада — скорость. Агент без конца пережёвывает длинный контекст, много «размышляет», и на локальном железе это выливается в минуты ожидания на каждую таску.
Читать далее
👉 Telegram | Max | 1 447 |
