🏆 AIeron | Data Feeling
Open in Telegram
IT предприниматель и препод 🧑🏫 ex-ML лидер в Dodo Brands 🦤🍕 Прокачиваю людей в Data Science 🚀 Победитель Stepik Awards 🏆 Kaggle Expert 🤹♀️ Создатель mnogo-reels.ru и @big_llm_course РКН https://clik.now/datafeeling Алерон @Ale_v2
Show more📈 Analytical overview of Telegram channel 🏆 AIeron | Data Feeling
Channel 🏆 AIeron | Data Feeling (@datafeeling) in the Russian language segment is an active participant. Currently, the community unites 14 206 subscribers, ranking 719 in the Marketing & PR category and 45 651 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 14 206 subscribers.
According to the latest data from 05 November, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -13 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 21.37%. Within the first 24 hours after publication, content typically collects 9.00% reactions from the total number of subscribers.
- Post reach: On average, each post receives 3 036 views. Within the first day, a publication typically gains 1 278 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 27.
- Thematic interests: Content is focused on key topics such as лот, n8n, бразилия, пет, санкция.
📝 Description and content policy
The author describes the resource as a platform for expressing subjective opinions:
“IT предприниматель и препод 🧑🏫
ex-ML лидер в Dodo Brands 🦤🍕
Прокачиваю людей в Data Science 🚀
Победитель Stepik Awards 🏆
Kaggle Expert 🤹♀️
Создатель mnogo-reels.ru и @big_llm_course
РКН https://clik.now/datafeeling
Алерон @Ale_v2”
Thanks to the high frequency of updates (latest data received on 06 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 Marketing & PR category.
14 206
Subscribers
-424 hours
-137 days
-1330 days
Posts Archive
14 210
Ох, пока был в Новосибирске случайно попал на местное TV😅
А правда, что все ребята из IT любят худи? 🤫
P.S. - Это последний пост про Новосиб, дальше будет про ML)
#бабулясвязаламнесвитшот
14 210
Зачем вам в IT? Почему именно анализ данных?? 🤷♀️ Высокие зарплаты? Возможность удаленки с Бали? 🌴
Мой личный ответ - все ради соревновательной атмосферы анализа данных🏎🏁🏇
Давно мечтал посетить Новосибирск, и вот уже на пару с коллегой прокачиваем новосибирских талантливых школьников в ML. Несколько дней вели практикумы. В финале дали задачку на классификацию картинок с лидербордом. Все в лучших традициях Kaggle💪😉.
Вы бы знали, что делает с человеком желание поднять скор на борде и обойти других😹. Море эмоций и буря идей тут же вырываются на волю😈🔥
Инсайд: не пытайтесь раскачать человека словами, просто разожгите в нем любопытство, а там уже этот поезд не остановить 🚝. Так сложные концепции впрах разбиваются о бетонную стену азарта. 👊
P.S - мой не самый слабый бейзлайн был побит школьниками меньше, чем за час💥😳👏
#Новосибирск -20🌡
14 210
Заметил, что вы активно откликаетесь на реальные примеры побед/успехов. Даже пишите в личку или просто поддерживаете в комментариях. Спасибо.
Мне нравится делиться тем, как можно "хакнуть" какой-нибудь чемпионат по DS/ML. Однако, я рассказываю только про итоги, показываю уже рабочее чистое решение, не раскрывая при этом того, как прихожу к таким результатам. Хотя успеваю проверить море гипотез, при этом 95% из них не выстреливает. Вот это и есть реальный соревновательный анализ данных.
Что ж, настало время поднять ставки, рискнуть и показать этот процесс со старта.
Говорить о будущем успехе глупо и опрометчиво - никогда так не делаю, но именно в этот раз - Я изменю формат.
> Я обещаю выйти минимум в топ-10%🥉в свежем соревновании по NLP на Kaggle: 🔥🔥🔥🔥🔥 www.kaggle.com/c/jigsaw-toxic-severity-rating
Задача: ранжирование текстов по уровню токсичности. Впереди два месяца и сотни способов не выполнить своё обещание.
Эта серия постов будет носить тег: #Aleron_фармит🤹♂️
Как думаете, провалю? 🙂
14 210
#Трюк № 35 - стабилизация решений🛹⚖️
Представьте такую ситуацию, вы потратили уйму времени, чтобы занять лидирующую позицию в топе лидерборда. А после оценки вашей модели на приватной выборке - ваш результат уходит в закат 🌅, а точнее слетает на N позиций вниз🛬. Что вы чувствуете? 🤷♀️😕🌡
Что ж, сейчас дядя Саша расскажет одну Kaggle'скую фишку, как можно взять шафл под свой контроль и скидывать вниз по лидерборду всех, кто плохо пристегнулся💺.
Сама процедура прозвучит как абсурд, как бессмысленная операция, как бред больного, но метод на моей практике показал себя хорошо. (Пруф эффективности трюка на скрине ниже)
Идея трюка такая:
1 - Берем модель, фиксируем random_state/seed модели, обучаем, сохраняем.
2 - Создаем новую точно такую же модель, фиксируем НОВЫЙ random_state, обучаем, сохраняем.
3 - Делаем так несколько раз .
4 - Далее просто усредняем прогнозы полученных моделей с разными seed'ами. Все🙅♂️
Сама точность прогноза обычно не отличается. Она даже может быть больше/меньше, чем без усреднения.
Но преимущество в том, что такой ответ более стабильный по множеству причин. Эту идею часто используют не только в классическом ML, но даже в CV, NLP, GAN'ах.
P.S. - Если ваша модель детерминированная (linear regression), то можно зайти с другой стороны. Берем K-фолдное разбиение и повторяем его несколько раз при разных random_state'ах. Результаты усредняем.
#теперь_фарт_в_твоей_команде
14 210
Выкладываю своё решение по хакатону от МКБ на топ-2. Забирайте на разбор)🍿🎬
- Потрачено времени - 4 дня (full time)
- Сгенерировано 210 новых признаков🚵
- Только 10 новых признаков дают резкий прирост в точности
- Финальная модель - ансамбль двух катбустов🐈 🐈
- Результат - 2й на привате🏆
Из ощущений о кейсе:
- 70% успеха - это новые признаки / работа с данными
- 20% успеха - это работа с моделью / коддинг
- 10% понимание доменной области / или гугление
Ссылка на GitHub: github.com/a-milenkin/MKB_hack
Отдельными постами расскажу про фишки/трюки, которые сработали.
#two_cats_to_top
#забирай_и_побеждай
14 210
Братцы, одно скажу!
Цените матерей и максимально стабилизируйте свои решения, чтобы шафлило только вверх ☝️😄
Итог: топ-2 на привате🤟😱
#всемфарту🤞
#МКБ
14 210
Неожиданно много людей написало насчет идей по хаку МКБ. 😳 Что так много людей хотят себе айфон или макбук?😅
Из того что услышал, мало кто вообще пытался дополнительные признаки генерировать 😳😳. Поэтому решил поделится одним успешным кейсом, который на мой взгляд хорошо разделяет данные по таргету. 🧠🚀
Расскажу что это и как я придумал этот признак через пару дней)
#FeatureEngineering на максималках
14 210
Пофармил на этих выходных хакатон от МКБ. Задача интересная, предсказание факта наступления выплаты по гарантии.
Осталась пара дней до конца, но уже все адекватные идеи перебрал пока дошел до топ-5 из 3-x сотен DS'ов 🤺. Оставлю так, посмотрим, подбросит ли меня шафл на привате повыше. 😄🤟
Кто-то писал, что хак для начинающих, но такого не почувствовал. Пока поднимал скор - пришлось попотеть🧠🧠🧠.
#хочумакбук👨💻
#ЛикиНЕиспользовал💦
Интересно чем все закончится?
Накидайте идей в комменты 🤪
14 210
Kaggle штука не простая)😅
Поднялся за ночь на 426 мест вверх, но до медали все равно не долетел)☄️🤪
А не запустить ли мне курс - как НЕ выиграть медаль на Kaggle? 🤔🤔
Решил поделиться - потому что иногда важнее набраться опыта, чем урвать призовые.
PS: Сорева по NLP на языке Хинди - вообще ничего не мог прочитать, чисто на метрики опирался. 🙂
PPS: В паре мест надо мной два индуса Kaggle-мастера🤙
14 210
Вот рассказываю тут вам про фишки из мира анализа данных, а в жизни сталкиваюсь с вот таким…🤷♀️😅
Представляю вашему вниманию сверх-высоко-пропускную систему электронного документооборота 🗃🧨
Врать не стану. Мои документы, потерянные месяц назад, были найдены менее, чем за 10 секунд, под чьей-то чашкой кофе☕️. Очень шустро ⚡️
Сама команда, разработавшая систему, признается, что секрет успеха в Agile техниках и продвинутом использовании Jira, Slask’а и Trello
#CRMотдыхает
#DataEngineering
14 210
Рассказываю тут вам про фишки из мира анализа данных, а в жизни сталкиваюсь с вот этим…
Представляю вашему вниманию сверх-высоко-пропускную систему электронного документооборота.
Врать не стану. Мои документы, потерянные месяц назад, были найдены менее, чем за 10 секунд, не отрываясь от кофе☕️.
Сама команда, разработавшая базу данных, признается, что секрет успеха в agile техниках и продвинутом использовании Slask’а и Trello.
#SRMотдыхает
14 210
А ты используешь пайплайны?😎
Или пишешь код отдельно для тренировочных данных и отдельно для тестовых?🙊😱
#ds_memes
14 210
Провел вчера открытый вебинар в Otus по пайплайнам в sklearn.
Вышло полезно, поэтому не могу не поделиться и со своей шайкой DS'ов. Забирайте запись: github.com/a-milenkin/Otus_Open_Day/
На картинке гигант, которого собрал для задачи классификации за 10 строк кода на Python 🤠
Да еще и обучили💪🤪🤘
#pipelines
#неРеклама
14 210
Продолжаю прокачивать твои навыки в Data Science🎡
Трюк №17 - сдвиги (Data shift)🎭
На валидации метрика высокая, а на тесте внезапно сильно ниже? - Это повод проверить ваши данные на сдвиги. На скрине привел простой пример, как можно отловить сдвиг🕸
Что можно сделать?
- Удалить шифт-фичу совсем
- Проверить выбросы
- RobustScaling, StandScaling*
- Вычесть разницу средних
- data[“feature”].shift(12)
* В этом теме много тонкостей. Поэтому просто обращу внимание на один из способов искать шифты с помощью статистических критериев - не зря же вам на мат.статистике про них рассказывали?! Найдя шифт, придумать что с ним делать уже проще.
На своей практике, использовал шифты как дополнительный повод почистить данные. Смотри скрин.
P.S - Да, критерии нужны не только для А/B тестирования!🚦🏭
14 210
трюк №13 - блендинг 🎳
Вот вам мотивация биться командой☘️. Считаешь, что твой score так себе...? А что покажет блендинг с моделями товарищей? На фото мой реальный кейс с хака🧙♂️ Это прям магия 🪄📈😅
Почему работает? Зануляется шумовая составляющая прогноза.
P.S - Развлёкся этой ночью на Open Data Battle, наконец-то дошли руки доработать код с 3-м бустингом - catboost'ом 🐈. Очень порадовал)💪 🔥
#чисто_ради_фана
🎃🎃🎃🎃🎃🎃🎃
