en
Feedback

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

Анализ данных (Data analysis)

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 51 922 subscribers, ranking 2 575 in the Technologies & Applications category and 11 804 in the Russia region.

📊 Audience metrics and dynamics

Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 51 922 subscribers.

According to the latest data from 17 November, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by 389 over the last 30 days and by -16 over the last 24 hours, overall reach remains high.

  • Verification status: Not verified
  • Engagement rate (ER): The average audience engagement rate is 11.71%. Within the first 24 hours after publication, content typically collects 8.49% reactions from the total number of subscribers.
  • Post reach: On average, each post receives 6 077 views. Within the first day, a publication typically gains 4 406 views.
  • Reactions and interaction: The audience actively supports content: the average number of reactions per post is 173.
  • 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 18 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.

51 922
Subscribers
-1624 hours
-507 days
+38930 days
Posts Archive
Обновленный ruDALLE можно попробовать и веб. ! Внимание, режим "Square" вызывает старую модель, выбирайте другие режимы. http
Обновленный ruDALLE можно попробовать и веб. ! Внимание, режим "Square" вызывает старую модель, выбирайте другие режимы. https://huggingface.co/spaces/multimodalart/rudalle
02 Jun 2022, 13:02

Шпаргалка по анализу данных Шпаргалка 🔝 @progersit
01 Jun 2022, 09:21

25 инструментов для анализа и визуализации данных Если нужны достаточно простые отчеты и диаграммы, то, как правило, хватает обычных систем веб-аналитики и функций Google Таблиц / Excel. Но для построения полноценных дашбордов (интерактивных инструментов с автоматической загрузкой данных из разных источников) и красивых визуализаций (для презентаций, книг, медиа) лучше подойдут специальные решения. Рассказываем о 25 средствах (сервисов, систем) для анализа и визуализации данных. По каждому — функциональность, тарифы, скриншот/видео. Подборка пригодится руководителям и владельцам бизнеса, маркетологам, аналитикам, дата-журналистам. @data_analysis_ml
01 Jun 2022, 08:43

Про навыки аналитиков на разных уровнях В этой статье рассказывается про роль аналитика данных и грейды в Яндексе. Мне очень понравилось что в ней есть и собранные в табличку ключевые навыки (см. файл), и подробно расписанные скиллы как для аналитиков, так и для руководителей. По ней можно: 1. Понять чем занимаются аналитики 2. Понять стандартную структуру грейдов
31 May 2022, 02:36

Все уже видели убийцу DALL-E 2 от Google Brain? ☠ Imagen: новая модель для офигенного text-to-image generation. Авторы утверж
Все уже видели убийцу DALL-E 2 от Google Brain? ☠ Imagen: новая модель для офигенного text-to-image generation. Авторы утверждают, что при оценке качества генерируемых картинок людям больше нравятся картинки от Imagen, а не DALL-E 2! Imagen — это диффузионная модель, как и DALL-E 2. Главное ее отличие в том, как она получает эмбеддинг текста для подачи на вход диффузии. Авторы Imagen используют для этого предобученную языковую модель T5 (см. 2 картинку). Эмбеддинг из T5 подается как condition на вход диффузионной модели, которая генерирует картинку размера 64х64. Далее эта картинка проходит через еще две диффузионные модели для super resolution, которые увеличивают разрешение до 256х256 и далее до 1024х1024. То есть главное открытие Imagen — это что огромная предобученная языковая модель выдает очень хорошие эмбеддинги текста, по которым диффузионная модель может научиться генерировать очень крутые картинки. Больше примеров картинок и деталей устройства в блоге Google и в статье на arxiv.
30 May 2022, 06:23

Задачи классификации и регрессии. Часть 2. Предсказываем цену квартиры https://www.youtube.com/watch?v=4keSzN5dPBk @data_analysis_ml
30 May 2022, 04:56

Для чего и зачем нужен Бизнес/системный аналитик при создании IT-систем? Бизнес/системный аналитик собирает требования к продукту, описывает бизнес-процессы, проектирует прототипы и составляет техническое задание (ТЗ). Также аналитик помогает заказчику снизить риски и сократить сроки разработки либо оптимизации программного обеспечения. Давайте разберемся в чем же польза аналитика при разработке продукта: 1. Выявление истинных проблем и предложение решения для их устранения. Ведь это как раз аналитик разбирается в чем настоящая пробелам. Проблемой может быть устаревшее приложение или бизнес-процессы, которые стали неудобными для клиентов. Поэтому аналитик должен разобраться какие процессы компании требуют изменений и предложить механизмы исправления ситуации. 2. Определение направления развития и разработка решения для реализации изменений. Аналитик изучает текущую ситуацию, оценивает цели, к которым стремится компания и помогает найти возможности для их реализации, тем самым аналитик находит точки роста бизнеса. 3. Покрытие метриками всех событий в продукте: аналитик помогает оценить как бизнес-влияние, так и вообще работоспособность фичей. Правильно подобранный сет метрик, точная аналитика и своевременные меры по оптимизации помогают удерживать бизнес на плаву. Аналитик проводить анализ по всему продукту и по отдельной фиче в продукте и даёт свою оценку по их реализации и оптимизации. 4. Сокращение рисков. Аналитик проводить оценку рисков, которая включает в себя их анализ и управление ими, начиная от выявления факторов, до определения степени их негативного влияния и разработки рекомендаций. 5. Реализация или разработка продукта в целом. Аналитик является связующим звеном между бизнесом и разработкой. Грубо говоря, он переводит бизнесовый язык в язык для разработки продукта - технический. Для кросс-доменных проектов, связанных с интеграциями, это особенно важно. Также аналитик сокращает время и затраты продакта при описании задач и команды при погружении в задачу и вопросы. 6. Курирование системного рефакторинга тоже на системной аналитике: улучшение RPS, RT и других инфраструктурных метрик тоже на аналитике. Всегда есть как улучшить на 1-10%. Это лишь часть причин, по которым Бизнес/системный аналитик будет полезен бизнесу для создания IT-систем. Источник: @ba_and_sa Чтобы погрузиться в тему немного глубже предлагаю прочесть статьи: 📌 Какова роль аналитика и его задачи при разработке мобильных приложений 📌Что такое бизнес-анализ и зачем проводить его на старте проекта 📌Кто такой бизнес-аналитик и какова его роль в IT-команде
30 May 2022, 04:01

SQL-программирование: наиболее полный видеокурс #видеоуроки Содержание: 1. Введение 2. О SQL 3. Установка MySQL 4. Базовые команды 5. Применение команды SELECT 6. Оперирование записями 7. Нормализация. Первая форма 8. Изменение полей таблиц 9. Строковые функции 10. Применение CASE и ORDER BY 11. Функции для работы с числами 12. Прочие полезности общего применения 13. Многотабличное хранение 14. Объединения 15. Подзапросы и крупные выборки 16. Еще раз о нормализации 17. Представления 18. Workbench Перейти
30 May 2022, 04:01

Открытый курс OpenDataScience и Mail.ru Group по машинному обучению #посмотреть #джун #мидл 10 лекций по машинному обучению —
Открытый курс OpenDataScience и Mail.ru Group по машинному обучению #посмотреть #джун #мидл 10 лекций по машинному обучению — более 20 часов видео. Обязательно к просмотру всем, кто начинает изучать ML. Лекция #1. Pandas Лекция #2. Визуализация Лекция #3. Классификация, деревья решений Лекция #4. Логистическая регрессия Лекция #5. Случайный лес Лекция #6. Регрессия, регуляризация Лекция #7. Обучение без учителя Лекция #8. Обучение на больших выборках, Vowpal Wabbit Лекция #9. Временные ряды Лекция #10. Градиентный бустинг
30 May 2022, 03:34

Визуальная шпаргалка по функциям pandas и работе с dataframe P.S. Подробную инструкцию работы функций можно смотреть в официа
+1
Визуальная шпаргалка по функциям pandas и работе с dataframe P.S. Подробную инструкцию работы функций можно смотреть в официальной документации https://pandas.pydata.org/
29 May 2022, 08:50

Характеристики качетсва требований к ПО: Что делает требование к ПО хорошим? Для этого есть характеристики качества требоаваний к ПО, которые можно использовать, как чек-лист при написании или тестировании требований. Характеристики качества требований по-разному определены различными источниками. Однако, следующие характеристики являются общепризнанными: ✅ Единичность - требование относится только к одному свойству, т.е. должна существовать только одна трактовка требования ✅ Завершенность - требование является полным и законченным с точки зрения представления в нём всей необходимой информации, ничего не пропущено по соображениям «это и так всем понятно». Также требование должно быть описано целиком в одном месте, а не разбросано по документу ✅ Последовательность - Требование не противоречит другим требованиям и полностью соответствует внешней документации ✅ Атомарность - требование является атомарным, если его нельзя разбить на отдельные требования без потери завершенности, и оно описывает одну и только одну ситуацию/функцию ✅ Отслеживаемость - возможность отследить связь между требованием и другими артефактами проекта, каждое требование имеет уникальный идентификатор, по которому оно легко прослеживается ✅ Актуальность - требование не должно быть устаревшим с течением времени ✅ Выполнимость - Требование должно быть технологически выполнимым, реализуемым в рамках бюджета и сроков разработки проект ✅ Недвусмысленность - требование кратко определено без обращения к техническому жаргону, акронимам и другим скрытым формулировкам ✅ Проверяемость - выполнение требования можно проверить. Реализованность требования может быть определена через один из четырёх возможных методов: осмотр, демонстрация, тест или анализ. ✅Обязательность - Без выполнения этого требования пользователь не сможет в полной мере использовать систему. Если требование не является обязательным к реализации, оно должно быть просто исключено из набора требований ✅ Полнота - требование должно быть определено для всех возможных ситуаций
29 May 2022, 02:31

Машинное обучение в среде SQL-Server https://vc.ru/ml/206038-mashinnoe-obuchenie-v-srede-sql-server @data_analysis_ml
28 May 2022, 12:17

Как машинное обучение изменит мир и что нужно для старта карьеры в Data Science https://vc.ru/hr/335704-kak-mashinnoe-obuchenie-izmenit-mir-i-chto-nuzhno-dlya-starta-karery-v-data-science @data_analysis_ml
28 May 2022, 12:13

В ветке реддита сгенерировали персонажей атаки титанов с помощью этой сетки. потс: https://www.reddit.com/r/titanfolk/comment
В ветке реддита сгенерировали персонажей атаки титанов с помощью этой сетки. потс: https://www.reddit.com/r/titanfolk/comments/uve0wq/attack_on_titan_but_its_liveaction_i_made_this/ @data_analysis_ml
28 May 2022, 12:01

Нейросеть DALL-E 2 позволяет генерировать изображение под абзац абсолютно любой книги Пройдите тест, который покажет можете ли вы угадать, какая картинка создана человеком, а какая Dalle 2. https://thisimagedoesnotexist.com/ @data_analysis_ml
28 May 2022, 11:58

Нейросетевой подход к моделированию транзакций расчетного счета https://uproger.com/nejrosetevoj-podhod-k-modelirovaniyu-tranzakczij-raschetnogo-scheta/ @data_analysis_ml
28 May 2022, 11:58

Создание изображений Читать @data_analysis_ml
28 May 2022, 11:58

⚖️ Как в PyTorch случайным образом мутировать веса. https://uproger.com/kak-v-pytorch-sluchajnym-obrazom-mutirovat-vesa/ @data_analysis_ml
28 May 2022, 11:58

10 лучших шпаргалок для науки о данных на Python в 2022 году Статья @data_analysis_ml
28 May 2022, 11:58

Как импортировать наборы данных Kaggle в Google Colab? Kaggle используется практически всеми, кто занимается наукой о данных.
Как импортировать наборы данных Kaggle в Google Colab? Kaggle используется практически всеми, кто занимается наукой о данных. Эта платформа содержит датасеты для всех областей знаний. Вы можете получить набор данных практически для любого случая использования, включая развлечения, медицину, электронную коммерцию и даже астрономию. Пользователи Kaggle могут попрактиковаться на различных наборах, чтобы проверить свои компетенции в науке о данных и машинном обучении. В этой статье будет показано, как импортировать наборы данных из Kaggle непосредственно в блокноты Google Colab. Читать дальше @data_analysis_ml
28 May 2022, 11:58