Available now! Telegram Research 2025 — the year's key insights 
Анализ данных (Data analysis)
Open in Telegram
Data science, наука о данных. @haarrp - админ РКН: clck.ru/3FmyAp
Show more📈 Analytical overview of Telegram channel Анализ данных (Data analysis)
Channel Анализ данных (Data analysis) (@data_analysis_ml) in the Russian language segment is an active participant. Currently, the community unites 50 255 subscribers, ranking 2 658 in the Technologies & Applications category and 12 450 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 50 255 subscribers.
According to the latest data from 26 June, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by 46 over the last 30 days and by 6 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 9.29%. Within the first 24 hours after publication, content typically collects 6.48% reactions from the total number of subscribers.
- Post reach: On average, each post receives 4 671 views. Within the first day, a publication typically gains 3 258 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 29.
- Thematic interests: Content is focused on key topics such as llm, контекст, openai, архитектура, deepseek.
📝 Description and content policy
The author describes the resource as a platform for expressing subjective opinions:
“Data science, наука о данных.
@haarrp - админ
РКН: clck.ru/3FmyAp”
Thanks to the high frequency of updates (latest data received on 27 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.
50 255
Subscribers
+624 hours
+327 days
+4630 days
Posts Archive
🖥 Скрытые возможности Python: набор инструментов для эффективного и гибкого написания кода
Добро пожаловать в мир Python, универсального и мощного языка программирования, известного своей простотой, удобочитаемостью и обширной экосистемой библиотек.
В этой статье мы рассмотрим скрытые функциональные возможности Python, включая магические методы, контекстные менеджеры, понимание списков, декораторы, генераторы, динамическую типизацию и метапрограммирование, которые могут значительно улучшить ваши навыки программирования.
▪ Читать
@data_analysis_ml
❓Какие отличия между целями в проекте и продукте и как правильно валидировать требования?
Об этом 17 апреля в 20:00 на открытом уроке для опытных аналитиков в OTUS поговорим с преподавателем Иннокентием Бодровым, ведущим аналитиком продуктовой команды. Вебинар «Цели в проекте и продукте: различия и валидация требований» пройдет в рамках онлайн-курса «Системный аналитик. Advanced».
📝На занятии мы рассмотрим:
— Как проверить, что цели — это и правда цели
— Как различается целеполагание в проектах и продуктах
— Как валидировать требования на их соответствие целям.
Открытый урок — отличная возможность протестировать обучение! Продолжить вы сможете уже на курсе, доступном в рассрочку.
➡️Для участия пройдите вступительный тест: https://otus.pw/bTHA/
Аналитики данных — настоящие супергерои и занимают 1 место в рейтинге профессий с самым большим спросом на рынке труда до 2025 года (по данным Всемирного экономического форума).
Как стать таким специалистом?
Приходите на бесплатный симулятор работы в аналитике данных с 18 по 20 апреля и вместе с дата-сайентистом Сбера Марией Жаровой будете решать бизнес-задачи с помощью анализа данных. 30 минут теории, час практики и домашнее задание — каждый день в 19:30 мск. Самые активные из вас получат полезные подарки.
На интенсиве вы научитесь:
- разбираться в понятиях и направлениях анализа данных;
- оценивать результаты A/B-теста вручную;
- анализировать данные с помощью Google Таблиц;
- использовать язык программирования Python.
Записывайтесь: https://go.skillfactory.ru/QrowaA
И главное — поймете, подходит ли вам специальность и стоит ли начинать обучение.
Реклама ООО "Скилфэктори", LatgBtYsi
🤖 Создайте чат-бота с нуля, используя Python и TensorFlow
Создание чат-бота может быть сложной задачей, но при наличии правильных инструментов и техник это может стать увлекательным и полезным занятием. В этом руководстве мы создадим простого чат-бота с использованием Python и библиотеки Natural Language Toolkit (NLTK).
Вот шаги, которым мы будем следовать:
▪Настройка среды разработки
▪Определение постановки задач
▪Сбор и предварительная обработка данных
▪Обучение модели
▪Создание интерфейса чат-бота
▪Тестирование чат-бота
@data_analysis_ml
Стабильность — это точно не про рынок в 2023 году. Пока одни теряют средства и тонут, другие преодолевают сложности и умножают прибыль.
В чём секрет успеха? Хорошая интуиция и чутьё? Нет — это слишком большой риск. Данные и цифры — вот инструменты крутых управленцев и предпринимателей. Посмотрел на метрики в CRM, проанализировал их, принял решение — без интуиции, чуйки и эмоций. Работать с данными не так сложно, как кажется.
Вы научитесь это делать на курсе Skillbox «Управление на основе данных». Уже через полтора месяца вы сможете:
✅ Оптимизировать бизнес-процессы и уменьшать траты.
✅ Определять прибыльные направления для развития.
✅ Превращать наборы цифр в понятные графики и дашборды.
✅ Принимать решения даже в условиях неопределённости.
✅ Больше зарабатывать, пока другие теряют деньги.
Вас ждёт 5 онлайн-встреч с экспертами в аналитике данных и юнит-экономике. Вместе вы разберётесь в анализе и визуализации данных, начнёте находить точки роста бизнеса с помощью юнит-экономики, разберёте кейсы.
В конце курса вместе с экспертами разработаете проект по работе с данными для своего бизнеса и начнёте применять полученные знания на практике.
Узнать подробности и записаться можно здесь: https://epic.st/eOEpi
🗒 Пайплайн для создания классификации текстовой информации
Актуальность работы с большими объемами текстовой информации ещё долгое время (а может быть и всегда) будет неоспорима. При этом спектр задач весьма вариативен — от задач по поиску именованных сущностей, до классификации и кластеризации текстов обрабатываемых документов.
Представим ситуацию. Перед вами важная задача — классифицировать огромный поток входящих обращений сотрудников/клиентов для дальнейшего анализа профильными сотрудниками на предмет отклонений и для построения интересующих статистик. Первое решение, приходящее в голову — в ручном режиме просматривать обращения и проводить их классификацию. Спустя пару часов, приходит осознание того, что решение было не самым правильным и так задачу не выполнить в срок. Как же тогда поступить? Именно об этом будет следующий пост.
Задача классификации текстовых данных на языке Python довольно обширная тема, в ней могут встречаться как automl‑подходы, модели тематического моделирования так и нейросетевые методы. В рамках данного поста будет рассмотрен относительно эталонный pipeline для решения данной задачи с помощью классических моделей машинного обучения, предназначенных для классификации.
▪ Читать
@data_analysis_ml1
🚀 Смотрите международную конференцию Data Fusion 2023 в прямом эфире прямо сейчас! Конференция посвящена работе с данными и развитию технологий искусственного интеллекта.
Data Fusion 2023 – это точка сближения науки и бизнеса. Конференция будет полезна разработчикам и специалистам в области Data Science, CDO, бизнес-заказчикам DS-продуктов и сервисов, представителям государства и науки.
Присоединяйтесь к экспертам Банка ВТБ, Яндекса, Сколтеха, «Газпром нефти», ВШЭ и многим другим.
👉 Смотрите международную конференцию Data Fusion 2023 по ссылке: https://cnrlink.com/datafusion2023online
🖥 19 советов для улучшения вашего синтаксиса в Python
Заставить функцию работать – это одно. Другое дело – реализовать это с помощью точного и элегантного кода.
Как упоминалось в “The Zen of Python”: “красивое лучше, чем уродливое”. Хороший язык программирования, такой как Python, всегда предоставит соответствующий синтаксический сахар, который поможет разработчикам легко писать элегантный код.
В этой статье освещаются 19 важнейших синтаксических ошибок в Python. Путь к мастерству предполагает их понимание и умелое использование.
▪ Читать
@data_analysis_ml1
Получите надежную базу для быстрого старта в сфере data science: обучим в онлайн-формате за 2 месяца полностью бесплатно.
📚 Официальный образовательный партнер Томского государственного университета
💰 Преподаватели-практики с выдающимся профессиональным опытом в своей области
🙌 Увлеченное коммьюнити и новые полезные контакты
🎓 Удостоверение о повышении квалификации установленного образца
💻 Удобная обучающая платформа
🙍♀️ Поддержка тьютора в зачислении и обучении
Кто может участвовать?
— Студенты старшего курса и выпускники
— Женщины в декрете и мамы детей до 7 лет
— Безработные и лица под риском увольнения
и другие категории граждан.
Подробные условия — на нашем сайте.
Все наши программы:
— Аналитик данных
— Графический дизайнер
— Аналитик маркетплейсов
— Тестировщик ПО
— Системный аналитик
🚀 Подайте заявку прямо сейчас и начните учиться уже через 2 недели:
https://clck.ru/347bZ9
🖥 Прощай, os.path: 15 хитростей Pathlib для быстрого освоения файловой системы на Python
Pathlib, возможно, моя любимая библиотека (очевидно, после Sklearn). А учитывая, что в мире насчитывается более 130 тысяч библиотек, это о чём-то да говорит. Pathlib помогает мне превратить подобный код, написанный в os.path…
import os
dir_path = "/home/user/documents"
files = [os.path.join(dir_path, f) for f in os.listdir(dir_path) \
if os.path.isfile(os.path.join(dir_path, f)) and f.endswith(".txt")]
…в это:
from pathlib import Path
files = list(dir_path.glob("*.txt"))
▪ Читать дальше
@data_analysis_ml1Работать в IT может каждый! Для этого не обязательно техническое образование. Аналитика данных подойдет тем, кто хочет в IT, но пока не готов учиться программированию.
Всего за 9 месяца обучения на профессии «Аналитик данных» от Хекслета вы:
— Научитесь понимать основные метрики компаний и самостоятельно считать их, используя SQL и Google Sheets
— Разберетесь, как проводить когортный анализ и строить прогнозы
— Узнаете всё о визуализации данных с помощью Looker Studio и библиотек Python
— Научитесь делать выводы на основе исследований, обосновывать их и помогать бизнесу расти
❗А главное — на Хекслете вы станете участником Карьерного трека.
Пройдете вебинары, которые охватывают все темы по трудоустройству: от составления резюме и рабочих профилей до психологических аспектов собеседований и адаптации на рабочем месте.
🆙 Мы заинтересованы, чтобы вы нашли первую работу в IT. Переходите по ссылке выше, чтобы попробовать обучение на нашей платформе.
🤖 Создайте своего собственного чат-бота с искусственным интеллектом на Python
В этом пошаговом руководстве я покажу вам, как создать чат-бота с искусственным интеллектом с помощью Python.
Не волнуйтесь, если вы ничего не смыслите в программировании – я объясню всё на понятном языке, а примеры кода будут очень простыми.
▪ Читать
@data_analysis_ml
Почему именно ChatGPT стал прорывом в развитии нейросетей? Что происходит там под капотом на самом деле?
📢📢 Посмотрим на ChatGPT глазами ML-специалистов 17 апреля в 18:00 на открытом уроке «Towards ChatGPT».
Вебинар приурочен к старту онлайн-курса «Natural Language Processing (NLP)» в OTUS. На занятии мы разберем подход, позволивший ChatGPT добиться таких высот.
💻Что вас ждет на занятии?
— Поговорим про трансформерные и генеративные модели, лежащие в основе ChatGPT
— Разберем подход обучения с подкреплением на основе отзывов (RLHF), идею тюнинга инструкций и модель InstructGPT.
— Узнаем, благодаря чему трансформерным моделям удалось достичь таких высот.
Спикер — Мария Тихонова, руководитель курсов по ML в OTUS и Senior Research Data Scientist в команде AGI NLP в SberDevices. Не упустите возможность познакомиться с преподавателем курса и оценить формат обучения! Продолжить изучать NLP вы сможете уже на курсе, доступном в рассрочку.
При покупке курса вы бесплатно получите доступ к подготовительному курсу по Python, который познакомит с основными возможности языка.
👉Пройдите тест на уровень вашей подготовки и зарегистрируйтесь: https://otus.pw/7RZ3/
Реклама. Информация о рекламодателе на сайте otus.ru🖥 Освоение SQL: Использование данных для решения сложных задач
Я решил подробно рассказать о том, как я подхожу к использованию SQL для запроса баз данных. Я принял участие в еженедельном конкурсе Danny’s SQL challenge, чтобы начать тематическое исследование по этой теме. Вся необходимая вам информация об этом испытании доступна здесь.
▪Читать
@data_analysis_ml
🧬 Примите участие в международной конференции Data Fusion 2023 от ВТБ, которая пройдёт 13-14 апреля.
Конференция будет полезна разработчикам и специалистам в области Data Science, CDO, бизнес-заказчикам DS-продуктов и сервисов, представителям государства и науки.
Первый день конференции будет посвящен аспектам управления данными, практикам перехода на доверенные технологии, доступности дата-сетов для ИИ и другим темам, актуальным для CDO и руководителей бизнес-подразделений.
Программа 14 апреля адресована data science специалистам и исследователям. Темы докладов и сессий распределены по трем стримам: «ML+», «AI Classic», «ML Environment».
На конференции представят новейшие технологии и инструменты, а также будут проведены практические сессии и выступления ведущих предприятий. Не пропустите возможность улучшить свои навыки и расширить свои знания в области Data Science.
Участие в конференции бесплатное. Успейте зарегистрироваться по ссылке: https://cnrlink.com/datafusion81
👁🗨 Освоение OpenCV с помощью Python: Полное руководство по обработке изображений и компьютерному зрению
OpenCV – это библиотека с открытым исходным кодом, которая предоставляет разработчикам инструменты и алгоритмы для задач компьютерного зрения и машинного обучения.
Она поддерживает несколько языков программирования, включая C++, Java и Python. Привязки Python для OpenCV, известные как opencv-python, позволяют разработчикам Python легко использовать возможности OpenCV в своих приложениях.
▪Читать
@data_analysis_ml
Интервью по System Design — это обязательный этап собеседований в большие технологические компании уровня FAANG, по результатам которого принимается финальное решение о найме.
Но на русском языке почти нет материалов для комплексной подготовки!
Поэтому Валерий Бабушкин, Vice President, Data Science в Blockchainꓸcom, и Евгений Нижибицкий, Lead Machine Learning Engineer в AliExpress, создали свой авторский курс, где вы научитесь выстраивать сложные и масштабируемые архитектуры программных систем.
За 4 недели вы научитесь:
- собирать требования и оценивать нагрузку
- применять высокоуровневые схемы и модульный дизайн
- масштабировать и повышать отзывчивость систем
- создавать подсистемы для хранения данных, поиска и аналитики
На курсе System Design вы получите готовый план идеального ответа на собеседовании, а также знания о системах, которые помогут выделиться среди других кандидатов.
Курс стартует уже сегодня.
Записывайтесь по ссылке!
🖥 Дзен Python ООП: лучшие практики и шаблоны проектирования Python
🎞 Video
▪ Статья
@data_analysis_ml
ML-разработчики, хотите создать что-то действительно уникальное? Присоединяйтесь к IT-команде Сбера и приступайте к работе над русской версией ChatGPT 🖥
Чем предстоит заниматься?
• Довести качество русской версии до ChatGPT и даже обогнать его
• Придумывать и реализовывать новые варианты применения LLM
• Находить решения бизнес-задач с помощью технологии Сбера.
Если у вас есть опыт обучения моделей, знание математики, алгоритмов, а еще вы не боитесь экспериментировать — переходите по ссылке, смотрите все условия и откликайтесь на вакансию 💚
📊 Визуализация траекторий движения инструмента при обработке ЧПУ с помощью динамической точечной 3D-диаграммы
В этой статье мы исследуем потенциал метода визуализации для получения представления о траектории движения режущего инструмента во время обработки. Мы демонстрируем, как визуализация помогла выявить проблемы с новыми данными, показывая, что проблемы были в самом процессе, а не в модели.
Наши результаты подчёркивают важность визуализации данных как инструмента для получения информации о сложных процессах и устранения неполадок в моделях машинного обучения.
▪ Читать
@data_analysis_ml
