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. Личный блог автора - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD

Network:Frontender's notes [ru]Russia33 725 Technologies & Applications6 726...

📈 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 20 028 subscribers, ranking 6 726 in the Technologies & Applications category and 33 725 in the Russia region.

📊 Audience metrics and dynamics

Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 20 028 subscribers.

According to the latest data from 18 June, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -63 over the last 30 days and by -3 over the last 24 hours, overall reach remains high.

Verification status: Not verified
Engagement rate (ER): The average audience engagement rate is 8.21%. Within the first 24 hours after publication, content typically collects 4.21% reactions from the total number of subscribers.
Post reach: On average, each post receives 1 645 views. Within the first day, a publication typically gains 843 views.
Reactions and interaction: The audience actively supports content: the average number of reactions per post is 7.
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. Личный блог автора - @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 19 June, 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.

20 028

Subscribers

-324 hours

-507 days

-6330 days

1 645

Post views

~ 84324 hours

~ 1 00948 hours

8.21%

Engagement rate

~ 1

Posts per day

Ads index

beta

Posts Archive

20 025

💬 Внедрение ИИ в общение с клиентами Статья исследует развитие ИИ в общении с клиентами и его интеграцию в бизнес. Обсуждаются успехи и сложности внедрения чат-ботов, важность настройки под бизнес-цели и перспективы замены сотрудников ИИ. Читать...

20 025

📝 Подборка вакансий для джунов QA Automation Engineer Junior (Python) • Python, PyTest, ООП, SQL, PostgreSQL • Уровень дохода не указан | от 1 года Data Engineer • Python, SQL, ETL, Docker, Kubernetes, Apache Airflow • Уровень дохода не указан | опыт не указан Инженер данных/Data Engineer в Управление анализа данных • SQL, Jira, Confluence, Hadoop, Bitbucket • Уровень дохода не указан | опыт не указан Младший аналитик • Python, SQL, Microsoft Excel, Английский язык, Анализ данных, Машинное обучение, Нейронные сети • от 130 000 ₽ | опыт не указан

20 025

👩‍💻 Поиск самого часто встречающегося элемента в списке Напишите функцию, которая принимает список и возвращает элемент, который встречается чаще всего. Если таких элементов несколько, вернуть любой из них. Пример:

numbers = [1, 3, 2, 3, 4, 1, 3, 2, 1]
result = most_frequent(numbers)
print(result)  
# Ожидаемый результат: 3 (или 1, если в списке оба встречаются одинаково часто)

Решение задачи🔽

from collections import Counter def most_frequent(lst): count = Counter(lst) return max(count, key=count.get) # Пример использования: numbers = [1, 3, 2, 3, 4, 1, 3, 2, 1] result = most_frequent(numbers) print(result) # Ожидаемый результат: 3

20 025

🎞 Как за 6 промтов к ChatGPT создать Python скрипт, скачивающий видео с YouTube для просмотра на телевизоре через Kodi Статья рассказывает, как с помощью Python и ChatGPT создать скрипт для автоматической загрузки видео с YouTube и генерации метаданных (описаний и обложек) для интеграции с медиацентром Kodi. Читать...

20 025

⚡️ Он бросил кисть и молоток ради ИИ-приложения. Сумасшествие или гениальность? Рома, без опыта в IT и бизнесе, решил создать вашего личного ИИ-репетитора, который знает как учить эффективно. Почему человек с заводским прошлым уверен, что сможет изменить ваш подход к обучению? 👉 Подписывайтесь на "Так, Рома взялся делать стартап" и узнайте первыми: https://t.me/romastartup

20 025

🔥 Самые интересные статьи за последние дни: • Делают всё роботы, а не человек! Как работать меньше, но продуктивнее? Обзор шести нейросервисов • Пишем свою Diffusion модель с нуля • Apple Intelligence на Андроид? Обзор ИИ, портированных на мобильные устройства с локальным запуском • Как мы обучали LLM для поиска уязвимостей в смарт-контрактах Solidity • Нейросети, мошенники и «мамонты»: как искусственный интеллект меняет кибермошенничество

20 025

👩‍💻 Проверка, являются ли две строки анаграммами Напишите функцию, которая принимает две строки и проверяет, являются ли они анаграммами. Анаграммы — это слова, которые содержат одинаковые буквы в одинаковом количестве, но в разном порядке. Игнорируйте регистр и пробелы. Пример:

result1 = are_anagrams("listen", "silent")
print(result1)  # Ожидаемый результат: True

result2 = are_anagrams("hello", "world")
print(result2)  # Ожидаемый результат: False

Решение задачи🔽

def are_anagrams(str1, str2): # Удаляем пробелы и приводим к одному регистру str1 = ''.join(str1.lower().split()) str2 = ''.join(str2.lower().split()) # Проверяем, равны ли отсортированные символы return sorted(str1) == sorted(str2) # Пример использования: result1 = are_anagrams("listen", "silent") print(result1) # Ожидаемый результат: True result2 = are_anagrams("hello", "world") print(result2) # Ожидаемый результат: False

20 025

⚙️ Нейросетевой апскейлинг дома: вторая молодость для классических мультфильмов Статья рассказывает, как с помощью нейросетей улучшить качество старых видеозаписей, включая VHS и DVD. Описываются инструменты, процесс и результаты с примерами, доступные каждому без глубоких технических знаний. Читать...

20 025

📝 Подборка зарубежных вакансий Python Developer/Data Scientist • Python, Pandas, NumPy, NLP, TensorFlow, Keras, SQL, Git, Docker, NoSQL • от 5 500 $ | от 3 лет Database Administrator • ClickHouse, PostgreSQL, Python, Linux, Bash, LVM • до 5 000 $ | опыт не указан Python QA automation developer • Python, Linux, HTTP, TCP, CI/CD, DevOps • до 5 000 $ | опыт не указа

20 025

🕵️‍♂️ Держи код чистым Никогда не думал, что через пару недель сам не разберёшься в своём коде? А коллеги тем более. Это реальность, если писать быстро и «как получится». ✔️ Совет: трать 10 минут после завершения задачи, чтобы убрать мусор, оставить комментарии и структурировать код. Это спасёт и тебя, и тех, кто будет работать с ним после тебя.

20 025

⚙️ Пишем свою Diffusion модель с нуля Статья предлагает разобраться в устройстве Diffusion моделей, их математике и принципах работы. Автор делится простыми объяснениями, примерами кода и результатами генерации изображений на собственной модели. Читать...

20 025

Многие из вас знают, что ШАД - одна из сильнейших школ для подготовки специалистов по анализу данных Однако попасть в ШАД не так просто, нужно иметь сильную математическую базу и успешно пройти все этапы отбора. Shad Helper готовит студентов к поступлению в Школу Анализа Данных Яндекса, AI Masters и магистратуру по анализу данных. В школе в основном ведутся занятия по высшей математике и программированию. Все преподаватели кандидаты и доктора наук из МГУ, МФТИ, ВШЭ. 2 декабря 2024 года запускается новый поток подготовки к ШАД 💎Все преподаватели кандидаты и доктора наук из МГУ, МФТИ, ВШЭ 💎Есть система скидок за хорошую успеваемость 💎Длительность курса: ~6 месяцев 💎Оплата курса еженедельная (можно остановить обучение в любой момент) 💎Регулярные персонализированные домашние задания 💎Работа в мини-группах 💎Есть умный чат бот для студентов ( на базе gpt4) 🔗 Ссылка на телеграм @shadhelper 🎁 Для подписчиков канала скидка 30% на первоначальный взнос по промокоду DEVSP30 Реклама. ООО "Школа высшей математики". ИНН: 9728100991 erid: 2VtzqwmcPtb

20 025

📝 Подборка вакансий для лидов TeamLead Data Analyst • Python, DWH, ClickHouse • до 5 000 $ | от 3 лет Главный администратор данных (Chief Data Steward) [Governance] • Git, SQL, Apache Kafka, NoSQL, PostgreSQL • Уровень дохода не указан | опыт не указан Аналитик данных, senior/lead • SQL, Python, Apache Airflow, ETL, DWH • Уровень дохода не указан | от 3 лет Lead/Senior Automation QA (Python or Java) • Python, Linux, Java, CI/CD, Docker, Тестирование API, Тестирование UI, Разработка тест-кейсов • Уровень дохода не указан | от 4 лет Ведущий питонист • Python, Django, PostgreSQL, Docker • от 150 000 до 250 000 ₽ | опыт не указан

20 025

⚙️ Как обеспечить Data Quality терабайтов данных и зачем: опыт СИБУРа Статья посвящена опыту СИБУРа в создании DQ-сервиса для обеспечения качества данных. Рассматриваются задачи DQ, архитектура решения и универсальные подходы, применимые для анализа данных в крупных компаниях. Читать...

20 025

📈 Подборка статей для вашей карьеры • Мои Red-Flags при устройстве в IT-компании: Как не стать гребцом. Часть 2 • Как строить карьеру в корпорации • История: работа в чешском Red Hat • Циничные заметки о карьере в IT от «гейткипера» • Моя петиция EB-1A на грин-карту талантов, одобренная с первой попытки

20 025

Это — база по Machine Learning и Data Science, которая заменит вам сотни тг-каналов и сайтов. Фишка в том, что здесь опытные ML-специалисты первыми освещают новости сферы, пишут емкие разборы статей и делятся прикладными материалами. И канал – только часть клада: ребята сделали целый сайт с научными лонгридами, ML-соревнованиями и свежими вакансиями индустрии. Теперь вся жизнь ML-специалиста собрана в одном месте: Data Secrets

20 025

📝 Подборка вакансий для сеньоров Data engineer • SQL, Python, Apache Hadoop • Уровень дохода не указан | от 3 лет Data Engineer • SQL, Python, Apache Airflow, Greenplum, Apache Spark • от 250 000 ₽ | от 2 лет Senior Data Scientist • Python • Уровень дохода не указан | опыт не указан ML-инженер • Машинное обучение, Deep Learning, Нейронные сети, Python, TensorFlow, PyTorch, Keras, Linux, Git, Docker • Уровень дохода не указан | опыт не указан Разработчик БД (PostgreSQL, прикладные витрины) • SQL, PostgreSQL, ETL, Apache Airflow, Greenplum • Уровень дохода не указан | от 3 лет

20 025

Приглашаем тебя на крутое IT-мероприятие, посвящённое AI и передовым технологиям разработки рекомендательных систем. Регистрируйся, и в день мероприятия мы пришлём тебе ссылку на трансляцию. Или приходи очно, если ты живёшь в одном из городов. Где и когда? ✔️ Владивосток, 26 ноября ✔️ Новосибирск, 28 ноября ✔️ Нижний Новгород, 5 декабря ✔️ Санкт-Петербург, 6 декабря Тебя ждут крутейшие доклады, живая дискуссия и новые знания в сфере рекомендательных систем. Количество мест ограничено — успей занять своё и прикоснуться к миру рекомендательных систем! 👌

20 025

🤔 Размер имеет значение: как исторические данные помогают на этапе дизайна A/B-теста Статья изучает применение метода CUPED в A/B-тестах для повышения чувствительности и сокращения выборок. Рассматривается его использование на этапе дизайна эксперимента без потери статистической мощности. Читать...

20 025

🔥 Самые интересные статьи за последние дни: • Разбей и властвуй: как создать кастомный токенизатор в SpaCy • Функция property() в Python: добавляем управляемые атрибуты в классы • Что, если не трансформеры: какие альтернативы главной архитектуре нейросетей у нас есть в 2024 году • cgroups и namespaces в Linux: как это работает? • ML-тренды рекомендательных технологий: шесть приёмов, которые помогают угадывать желания пользователя