en
Feedback

Don't get caught by a cheater! Telemetrio finds and tags such channels 👉 If you want to see the tag, subscribe

Data Science

Data Science

Open in Telegram

DS По всем вопросам- @haarrp @ai_machinelearning_big_data - machine learning @pythonl - Python @itchannels_telegram - 🔥 best it channels @ArtificialIntelligencedl - AI @pythonlbooks-📚 @programming_books_it -📚 Реестр РКН: https://clck.ru/3Fk3zS

Show more

📈 Analytical overview of Telegram channel Data Science

Channel Data Science (@datascienceiot) is an active participant. Currently, the community unites 42 416 subscribers, ranking 3 184 in the Technologies & Applications category and 14 805 in the Russia region.

📊 Audience metrics and dynamics

Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 42 416 subscribers.

According to the latest data from 15 November, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -85 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 7.27%. Within the first 24 hours after publication, content typically collects 2.64% reactions from the total number of subscribers.
  • Post reach: On average, each post receives 3 083 views. Within the first day, a publication typically gains 1 120 views.
  • Reactions and interaction: The audience actively supports content: the average number of reactions per post is 0.
  • Thematic interests: Content is focused on key topics such as llm, агентов, api, октября, разработчиков.

📝 Description and content policy

The author describes the resource as a platform for expressing subjective opinions:
“DS По всем вопросам- @haarrp @ai_machinelearning_big_data - machine learning @pythonl - Python @itchannels_telegram - 🔥 best it channels @ArtificialIntelligencedl - AI @pythonlbooks-📚 @programming_books_it -📚 Реестр РКН: https://clck.ru/3...”

Thanks to the high frequency of updates (latest data received on 16 November, 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.

42 416
Subscribers
-324 hours
-967 days
-8530 days
Attracting Subscribers
Nov '26
November '26
+28
in 2 channels
October '26
+264
in 3 channels
Get PRO
September '26
+284
in 1 channels
Get PRO
August '26
+486
in 2 channels
Get PRO
July '26
+594
in 3 channels
Get PRO
June '26
+156
in 2 channels
Get PRO
May '26
+183
in 2 channels
Get PRO
April '26
+170
in 4 channels
Get PRO
March '26
+338
in 2 channels
Get PRO
February '26
+499
in 2 channels
Get PRO
January '26
+687
in 0 channels
Get PRO
December '25
+380
in 2 channels
Get PRO
November '25
+530
in 2 channels
Get PRO
October '25
+374
in 1 channels
Get PRO
September '25
+587
in 7 channels
Get PRO
August '25
+609
in 1 channels
Get PRO
July '25
+750
in 3 channels
Get PRO
June '25
+525
in 1 channels
Get PRO
May '25
+454
in 3 channels
Get PRO
April '25
+560
in 11 channels
Get PRO
March '25
+573
in 4 channels
Get PRO
February '25
+545
in 7 channels
Get PRO
January '25
+842
in 20 channels
Get PRO
December '24
+848
in 5 channels
Get PRO
November '24
+1 777
in 32 channels
Get PRO
October '24
+1 710
in 6 channels
Get PRO
September '24
+1 402
in 7 channels
Get PRO
August '24
+1 164
in 4 channels
Get PRO
July '24
+1 033
in 7 channels
Get PRO
June '24
+1 066
in 7 channels
Get PRO
May '24
+1 000
in 37 channels
Get PRO
April '24
+935
in 45 channels
Get PRO
March '24
+1 187
in 22 channels
Get PRO
February '24
+1 142
in 3 channels
Get PRO
January '24
+1 230
in 45 channels
Get PRO
December '23
+687
in 42 channels
Get PRO
November '23
+382
in 3 channels
Get PRO
October '23
+1 012
in 20 channels
Get PRO
September '23
+872
in 0 channels
Get PRO
August '23
+747
in 0 channels
Get PRO
July '23
+560
in 0 channels
Get PRO
June '23
+865
in 0 channels
Get PRO
May '23
+1 528
in 0 channels
Get PRO
April '23
+363
in 0 channels
Get PRO
March '23
+417
in 0 channels
Get PRO
February '23
+423
in 0 channels
Get PRO
January '23
+472
in 0 channels
Get PRO
December '22
+770
in 0 channels
Get PRO
November '22
+380
in 0 channels
Get PRO
October '22
+534
in 0 channels
Get PRO
September '22
+578
in 0 channels
Get PRO
August '22
+1 100
in 0 channels
Get PRO
July '22
+464
in 0 channels
Get PRO
June '22
+366
in 0 channels
Get PRO
May '22
+403
in 0 channels
Get PRO
April '22
+514
in 0 channels
Get PRO
March '22
+462
in 0 channels
Get PRO
February '22
+304
in 0 channels
Get PRO
January '22
+400
in 0 channels
Get PRO
December '21
+287
in 0 channels
Get PRO
November '21
+224
in 0 channels
Get PRO
October '21
+1 533
in 0 channels
Get PRO
September '21
+382
in 0 channels
Get PRO
August '21
+412
in 0 channels
Get PRO
July '21
+507
in 0 channels
Get PRO
June '21
+611
in 0 channels
Get PRO
May '21
+555
in 0 channels
Get PRO
April '21
+404
in 0 channels
Get PRO
March '21
+456
in 0 channels
Get PRO
February '21
+411
in 0 channels
Get PRO
January '21
+729
in 0 channels
Get PRO
December '20
+10 299
in 0 channels
Date
Subscriber Growth
Mentions
Channels
15 November+5
14 November+3
13 November0
12 November+1
11 November0
10 November+4
09 November+6
08 November+1
07 November+1
06 November0
05 November+2
04 November+2
03 November0
02 November+1
01 November+2
Channel Posts
AI Isn’t Getting Dumber, We’re Getting Pickier: Rising Standards in Human Evaluation of Large Language Models 📓 Read @datasc
AI Isn’t Getting Dumber, We’re Getting Pickier: Rising Standards in Human Evaluation of Large Language Models 📓 Read @datascienceiot

2
📊 AI VK Research придумали, как точнее предсказывать интерес к контенту Метод называется HEGM (Hierarchical Exponential-Gaussian Mixture). Модель предсказывает распределение возможных сценариев: пролистают сразу, посмотрят частично, досмотрят до конца или пересмотрят. Что дало на практике: — в VK Клипах число роликов за один заход выросло на 10% — досмотры (>10 сек) +6% — дизлайки −8,3% Проверяли на KuaiRec, VK-LSVD и внутреннем датасете из 282 млн обезличенных взаимодействий. По качеству ранжирования HEGM обошёл протестированные альтернативы. Зачем это нужно: подход переносится на музыку (пропуски vs полное прослушивание), рекламу (длительность просмотра) и e-commerce (время изучения карточки). Одна модель — несколько метрик интереса, без перестройки архитектуры рекомендательной системы. Код уже открыт на GitHub. Читаем подробнее тут.
1 390
3
Recurrent Harness for Agentic Continual Learning 📓 Read @datascienceiot
Recurrent Harness for Agentic Continual Learning 📓 Read @datascienceiot
1 353
4
Приглашаем на митап для ML-разработчиков и дата-сайентистов 🥰 Как использовать LLM и агентов в поиске, чтобы точнее понимать
Приглашаем на митап для ML-разработчиков и дата-сайентистов 🥰 Как использовать LLM и агентов в поиске, чтобы точнее понимать запросы пользователей и повышать релевантность результатов? 19 ноября обсудим выбор моделей, оценку качества и работу таких систем в проде. 🔴 Борис Коварский, hh.ru — Агентный поиск в рекрутинге: опыт hh 🔴 Виктор Реушкин, hh.ru — Как устроен диалоговый поиск вакансий на hh 🤩 Алексей Казаков, Циан — LLM и энкодерные модели для поиска. Опыт развития подходов в поиске недвижимости Дата и время: 19 ноября в 19:00 мск Очно: Москва, офис hh Онлайн: будет трансляция в VK и YouTube для тех, кто не сможет прийти в офис После докладов можно будет пообщаться с коллегами — подготовим вкусную еду и напитки 🍕 Регистрируйтесь → участие бесплатное 🥹 #реклама О рекламодателе
1 304
5
New Carnegie Mellon and JetBrains paper finds that token spend shows how much engineers use AI agents, not how much they ship
New Carnegie Mellon and JetBrains paper finds that token spend shows how much engineers use AI agents, not how much they ship. 📓 Read @datascienceiot
1 632
6
Claude решил задачу по физике чёрных дыр, которую не могли закрыть около 20 лет Anthropic опубликовала исследование, в которо
Claude решил задачу по физике чёрных дыр, которую не могли закрыть около 20 лет Anthropic опубликовала исследование, в котором внутренняя исследовательская модель Claude получила новый результат в теоретической физике. Работа посвящена переходу Хокинга - Пейджа. Это фазовый переход, связанный с термодинамикой чёрных дыр в пространстве анти-де Ситтера (AdS). Исследователей интересовал вопрос: сохраняется ли этот переход при слабой связи, когда классическое геометрическое описание уже неприменимо? Для ответа требовалось вычислить коэффициент, который впервые появляется на трёх петлях в теории возмущений. По словам авторов, этот коэффициент не удавалось вычислить примерно два десятилетия. Claude получила значение: b = −1,48 × 10⁻³ λ² Отрицательный знак коэффициента показывает, что переход остаётся переходом первого рода. Он происходит немного ниже температуры Хагедорна. Особенно интересна организация работы. Физик поставил задачу внутренней исследовательской модели Anthropic, после чего проверил результат на нескольких известных частных случаях. Отдельный запуск Claude с использованием другого метода независимо получил то же значение. Позднее Anthropic связала эту внутреннюю модель с Claude Fable 5.2. Это ещё один пример того, как современные языковые модели начинают участвовать в исследованиях на уровне сложных математических вычислений и теоретической физики. При этом работа пока не прошла независимое научное рецензирование. Результат требует проверки со стороны физического сообщества. 📓 Read @datascienceiot
2 365
7
1
1
8
🔍 Открытое ML-собеседование с техлидом Яндекса| 12 ноября, 19:00 мск Приходи онлайн посмотреть, как проходит техническое инт
🔍 Открытое ML-собеседование с техлидом Яндекса| 12 ноября, 19:00 мск Приходи онлайн посмотреть, как проходит техническое интервью на ML-инженера, и попробуй ответить на вопросы вместе с кандидатом Как всё будет проходить: 📂 Интервьюер: Любовь Чубарова, техлид в Яндексе (RnD Alice AI), одна из первых сотрудниц YandexArt, преподаватель ВШЭ, экс-руководитель аналитики Центра ИИ Сколтеха. В роли кандидата – инженер-доброволец 📂 Никакого сценария: Любовь задаст вопросы и предложит задачи, которые использует на технических интервью. Кандидат не будет знать их заранее 📂 В конце эфира Любовь ответит на вопросы участников Участие бесплатное! Эфир проходит в рамках менторской программы ШОРТКАТ для айтишников, которые хотят сменить работу, вырасти в грейде и зарплате или прокачать технические навыки Переходи в бота, чтобы получить ссылку на эфир → @shortcut_ml_bot Реклама. О рекламодателе.
2 069
9
Yoshua Bengio and collaborators just released a goldmine 182-page survey on mechanistic interpretability! "Understanding AI f
Yoshua Bengio and collaborators just released a goldmine 182-page survey on mechanistic interpretability! "Understanding AI from the Inside" 📓 Read @datascienceiot
1 998
10
A Circuit for In-Context Learning 📓 Read @datascienceiot
A Circuit for In-Context Learning 📓 Read @datascienceiot
2 893
11
Алгоритм знает, где вы будете 7-го ноября 😎 RecSys-митап в Москве для тех, кто уже строит рекомендательные системы и хочет д
Алгоритм знает, где вы будете 7-го ноября 😎 RecSys-митап в Москве для тех, кто уже строит рекомендательные системы и хочет делать это еще лучше. В программе — доклады от топовых экспертов Сбера с разбором кейсов, свежих подходов и неочевидных решений. После официальной части — нетворкинг. Время в узком кругу профессионалов и сообщества Зеленый RecSys. Участие бесплатное, но количество мест ограничено. Москва. Суббота. 7 ноября. RecSys! ➡️ регистрируйтесь
2 723
12
Mistral Large 4 📓 Read @datascienceiot
Mistral Large 4 📓 Read @datascienceiot
2 750
13
"Large Flow Language Models" What if we could turn existing LLMs into diffusionLMs that generate multiple tokens in parallel
"Large Flow Language Models" What if we could turn existing LLMs into diffusionLMs that generate multiple tokens in parallel without losing accuracy? 📓 Read @datascienceiot
3 829
14
Бесплатная книга о больших языковых моделях – 315 страниц от предобучения до рассуждений. Foundations of Large Language Model
Бесплатная книга о больших языковых моделях – 315 страниц от предобучения до рассуждений. Foundations of Large Language Models Тун Сяо и Цзинбо Чжу системно объясняет, как устроены LLM, как их обучают и применяют. Внутри шесть основных тем: - Предобучение: задачи обучения и архитектуры моделей. - Генеративные модели: Transformer, подготовка данных, масштабирование и длинный контекст. - Промптинг: обучение на примерах в контексте, декомпозиция задач, RAG и инструменты. - Выравнивание: обучение выполнению инструкций и использование человеческой обратной связи. - Инференс: декодирование, ускорение и дополнительные вычисления во время генерации. - Рассуждения: методы улучшения способности решать сложные задачи. Авторы делают акцент на фундаментальных принципах. Материал подойдёт студентам, разработчикам и ML-инженерам, которым хочется связать отдельные знания о LLM в целостную картину. Книга на английском. Базовые знания машинного обучения и нейросетей помогут при чтении. Скачать PDF бесплатно: https://arxiv.org/pdf/2501.09223
3 556
15
Working with Agentic `Teammates': When a New Organizational Actor Collides with the Human Ecosystem of Work 📓 Read @datascie
Working with Agentic `Teammates': When a New Organizational Actor Collides with the Human Ecosystem of Work 📓 Read @datascienceiot
2 748
16
The Geometry of Agent Memory: Forecasting Retrieval-Bound Memory Failures, and Characterizing Its Limits 📓 Read @datascience
The Geometry of Agent Memory: Forecasting Retrieval-Bound Memory Failures, and Characterizing Its Limits 📓 Read @datascienceiot
3 034
17
At the Limits of Computability: Steps Towards Autonomous AI Discovery on the Busy Beaver Frontier 📓 Read @datascienceiot
At the Limits of Computability: Steps Towards Autonomous AI Discovery on the Busy Beaver Frontier 📓 Read @datascienceiot
3 096
18
Patch the Planet: global response coordination as agents uncover critical vulnerabilities https://openai.com/index/coordinate
Patch the Planet: global response coordination as agents uncover critical vulnerabilities https://openai.com/index/coordinated-disclosure-of-critical-vulnerabilities/
3 207
19
Зачем готовиться к собеседованию вслепую, если можно заранее посмотреть, какие будут вопросы и задачи? Ребята из Поступашек уже 6 лет собирают реальные задания и разборы собеседований в BigTech. Там можно найти не только сами вопросы, но и разборы технических секций, критерии оценки и рекомендации по подготовке. Собрали подборку полезных материалов под разные направления: ➡️ Аналитикам: — Собеседования на продуктового и бизнес-аналитика в Т-Банке 🟨 — Что спрашивают по A/B-тестированию в X5 🌿 , разбор собес на DS в Яндекс 🟥 ➡️ Разработчикам: — Go и System Design в Ozon 🔵, GO в Авито😎 — Банк алгоритмических собеседований из BigTech ➡️ ML/AI-инженерам: — Все вопросы на ML-собеседование в Яндексе 🟥 и ML в Авито 😎 — 10 кейсов по ML System Design в Т-Банке 🟨 ➡️ Тем, кто ищет первую стажировку: — Как получить стажировку в 2026 году — Где взять опыт, если его нет В Поступашках регулярно выходят новые разборы собеседований, карьерные гайды, стажировки и инсайды о найме в BigTech. Лучше увидеть эти вопросы до собеседования, чем узнать о них после отказа ПОСТУПАШКИ ПОДПИСАТЬСЯ
2 437
20
The World Won't Wait: Evaluating and Teaching Agents Under a Live Clock 📓 Read @datascienceiot
The World Won't Wait: Evaluating and Teaching Agents Under a Live Clock 📓 Read @datascienceiot
3 442