Анализ данных (Data analysis)

Open in Telegram

Data science, наука о данных. @haarrp - админ РКН: clck.ru/3FmyAp

Network:Machinelearning Russia12 538 Technologies & Applications2 666...

📈 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 50 212 subscribers, ranking 2 666 in the Technologies & Applications category and 12 538 in the Russia region.

📊 Audience metrics and dynamics

Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 50 212 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 10 over the last 30 days and by 7 over the last 24 hours, overall reach remains high.

Verification status: Not verified
Engagement rate (ER): The average audience engagement rate is 8.77%. Within the first 24 hours after publication, content typically collects 6.56% reactions from the total number of subscribers.
Post reach: On average, each post receives 4 404 views. Within the first day, a publication typically gains 3 295 views.
Reactions and interaction: The audience actively supports content: the average number of reactions per post is 30.
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 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.

50 212

Subscribers

+724 hours

+227 days

+1030 days

4 404

Post views

~ 3 29524 hours

~ 4 33648 hours

8.77%

Engagement rate

~ 5

Posts per day

Ads index

beta

Posts Archive

50 214

🔥 Tabby — AI-ассистент для программирования, являющийся открытой альтернативой GitHub Copilot! 💡 Он разработан для локальной работы, исключая необходимость в облачных сервисах, что делает его подходящим для конфиденциальных или корпоративных сред. Tabby поддерживает пользовательские интерфейсы, такие как OpenAPI, и может интегрироваться с существующими инструментами, включая облачные IDE. 🔐 Лицензия: Apache-2.0 🖥 Github @data_analysis_ml

50 214

✅ Ускорение обработки запросов через миграцию парсера Выпускник Школы анализа данных Яндекса выкатил годноту — руководство по переносу парсера YQL (SQL-диалект для YDB и YTsaurus) с ANTLR3 на ANTLR4. Основные моменты: → ANTLR — генератор парсеров, который переводит грамматики в исполняемые парсеры для разбора и анализа текстовых данных. → Для нового парсера использовалась генерация Protobuf-схем, что позволило сохранить структуру AST и упростить интеграцию с парсером. → Были разработаны специализированные шаблоны (stg-файлы) для генерации кода, что позволило адаптировать логику парсинга под изменяющиеся требования. Ссылка на статью

50 214

🔥Tencent выпустили новую генеративную модель для 3D - Hunyuan3D 2.0 Hunyuan3D 2.0, усовершенствованная система 3D-синтеза и генерации текстурированных 3D-объектов высокого разрешения. Эта система включает в себя два основных компонента: модель генерации формы - Hunyuan3D-DiT и модель синтеза текстуры - Hunyuan3D-Paint. Генеративная модель формы, построена на масштабируемом диффузионном трансформере, и необходима для создания геометрии объекта и отвечает за согласование генерации. Модель синтеза текстур генерирует карты текстур высокого разрешения для сгенерированных или созданных вручную сеток. Hunyuan3D 2.0 превосходит предыдущие модели, как с открытым кодом, так и закрытые модели, по детализации геометрии, выравниванию генерации, качеству текстур и т. д. GitHub: https://github.com/tencent/Hunyuan3D-2

50 214

🧠 Supermemory Мощное поисковое ИИ-приложение с гибким и простым в работе API. Вы можете создать свой собственный второй мозг с помощью supermemory. По сути это ChatGPT для поиска в интернете . ▪Github: https://github.com/supermemoryai/supermemory ▪ Документация: https://docs.supermemory.ai/ ▪Расширение для хрома: https://api.supermemory.ai/

50 214

🔥 openai-realtime-agents от OpenAI — пример, демонстрирующий использование более сложных агентов, построенных на основе Realtime API! 💡 В нём представлены паттерны взаимодействия агентов, такие как последовательная передача задач между агентами, эскалация к более интеллектуальным моделям и подход с использованием машины состояний для пошагового взаимодействия с пользователем (например, для проверки данных). Это прототип для создания голосовых приложений в реальном времени, в которых несколько агентов могут взаимодействовать с пользователями. 🔐 Лицензия: MIT 🖥 Github @data_analysis_ml

50 214

Строим рекомендательную систему фильмов на Kaggle Вы когда-нибудь хотели сделать свою собственную систему рекомендаций фильмов? 🎬 Приходите на бесплатный вебинар, где Савелий Батурин, Senior ML-Engineer и преподаватель курса по ML школы Simulative в прямом эфире покажет как построить рекомендательную систему фильмов на Kaggle. Что будем делать на вебинаре: • Разберем имеющиеся данные фильмов с их оценками • Проведем предобработку данных • Построим рекомендательную систему на основе машинного обучения •Проведем расчет и анализ метрик на основе результатов работы модели 🕗Встречаемся 21 января 19:00 по мск Вебинар будет интересен как новичкам, так и уже опытным специалистам Зарегистрироваться на бесплатный вебинар

50 214

Все датасаентисты сегодня P.S. Вышли новые модели DeepSeek если вы вдруг пропустили #DeepSeek #deepseekv3 #reasoning #ml

50 214

🔥 NautilusTrader — это высокопроизводительная, открытая платформа для алгоритмической торговли и тестирования стратегий, разработанная для количественных трейдеров! 🌟 Она позволяет создавать, тестировать и внедрять автоматизированные торговые стратегии, обеспечивая их прямой переход от бэктестинга к реальной торговле без необходимости изменения кода. 🌟 Платформа поддерживает различные классы активов и может интегрироваться с любыми API (REST, WebSocket или FIX) через модульные адаптеры. NautilusTrader разработана с акцентом на производительность и надежность, предоставляя Python-ориентированную среду для разработки и развертывания стратегий. Она также поддерживает современные языковые модели, такие как GPT-4 и Claude 3.5, для предоставления рекомендаций и анализа. 🔐 Лицензия: LGPL-3.0 🖥 Github @data_analysis_ml

50 214

Приглашаем на открытый урок «Инструменты обратного тестирования торговых стратегий» от Otus Рассмотрим базовую методику и рассмотрим основные библиотеки для проведения обратного тестирования торговых стратегий. ✅ Практика: тест простой торговой стратегии Оставляйте заявку на курс «ML для финансового анализа» и создайте торгового робота для автоматического проведения операций с оценкой уровня риска 👉 Регистрация на урок и подробности: https://otus.pw/8ofB/?erid=2W5zFJ68uje #реклама О рекламодателе

50 214

🔥Google представили стратегию эволюционного поиска для масштабирования времени инференса в больших языковых моделях. Предлагаемый подход, Mind Evolution, использует языковую модель для генерации, рекомбинации и уточнения ответов-модели. Контролируя инференс модели, разработчики обнаружили, что Mind Evolution значительно превосходит другие стратегии инференса, такие как Best-of-N и Sequential Revision, в задачах планирования на естественном языке. В бенчмарках TravelPlanner и Natural Plan Mind Evolution, модель решает успешно более 98 % задач с помощью Gemini 1.5 Pro без. https://huggingface.co/papers/2501.09891

50 214

✅Генерация бесконечных 4D городов CityDreamer4D - это новая генеративная модель создания городов в 4D, которая объединяет статические и динамические сцены. Заявлена высокая управляемость и реалистичность генераций. - Проект: https://infinitescript.com/project/city-dreamer-4d/ - Код (обещают залить в ближайшее время ): https://github.com/hzxie/CityDreamer4D - Датасет CityTopia: https://gateway.infinitescript.com/s/CityTopia

50 214

🔥 Umi-OCR — бесплатное оффлайн-приложение для OCR (распознавания текста)! 🌟 Оно поддерживает распознавание текста на скриншотах, пакетную обработку изображений, PDF-документов, а также функции работы с QR-кодами и формулами. Инструмент ориентирован на удобство использования, прост в настройке (работает без установки) и поддерживает командную строку и HTTP-интерфейсы для интеграции с другими приложениями. 🔐 Лицензия: MIT 🖥 Github @data_analysis_ml

50 214

⚡️Легкий способ получать свежие обновления и следить за трендами в разработке на вашем языке. Находите свой стек и подписывайтесь: МАШИННОЕ ОБУЧЕНИЕ: t.me/ai_machinelearning_big_data C++ t.me/cpluspluc Python: t.me/pythonl Linux: t.me/linuxacademiya Хакинг: t.me/linuxkalii Devops: t.me/DevOPSitsec Data Science: t.me/data_analysis_ml Javascript: t.me/javascriptv C#: t.me/csharp_ci Java: t.me/javatg Базы данных: t.me/sqlhub Python собеседования: t.me/python_job_interview Мобильная разработка: t.me/mobdevelop Docker: t.me/DevopsDocker Golang: t.me/Golang_google React: t.me/react_tg Rust: t.me/rust_code ИИ: t.me/vistehno PHP: t.me/phpshka Android: t.me/android_its Frontend: t.me/front Big Data: t.me/bigdatai Собеседования МЛ: t.me/machinelearning_interview МАТЕМАТИКА: t.me/data_math Kubernets: t.me/kubernetc Разработка игр: https://t.me/gamedev Haskell: t.me/haskell_tg Физика: t.me/fizmat 💼 Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy Папка FRONTEND: https://t.me/addlist/mzMMG3RPZhY2M2Iy 😆ИТ-Мемы: t.me/memes_prog 🇬🇧Английский: t.me/english_forprogrammers 🧠ИИ: t.me/vistehno 🎓954ГБ ОПЕНСОРС КУРСОВ: @courses 📕Ит-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy

50 214

🖥 LeetGPU - бесплатная платформа для написания и запуска кода на CUDA. Вы можете практиковаться и изучать CUDA онлайн, без использования графического процессора! https://leetgpu.com/ #cuda #gpu #cpu #playground

50 214

🖥 Свежий гайд от OPENAI В нем рассказывается как правильно работать с функциями и вызывать их. Внутри много рекомендаций и рабочих примеров. https://platform.openai.com/docs/guides/function-calling. @data_analysis_ml

50 214

🔥 Awesome MCP Servers — это коллекция ресурсов, посвящённых серверам, использующим протокол Model Context Protocol (MCP)! 💡 MCP — это открытый протокол, который позволяет языковым моделям (LLMs) взаимодействовать с локальными и удалёнными ресурсами через стандартизированные серверные реализации. Репозиторий содержит список готовых к использованию и экспериментальных MCP-серверов, расширяющих возможности LLM за счёт доступа к файлам, базам данных, API, системам управления версиями и другим сервисам. 🖥 Github @machinelearning_ru

50 214

🌮 TACO: Learning Multi-modal Action Models with Synthetic Chains-of-Thought-and-Action TACO новое семейство мультимодальных моделей с открытым исходным кодом, которые хорошо справляются со сложными задачами визуального анализа, требующими нескольких шагов размышлений и использования внешних инструментов! Модели TACO превосходят базовые, настроенные на основе прометав модели, по 8 тестам, достигая улучшения в среднем на 3,6%, а в задачах MMVet, связанных с распознаванием текста, математическим мышлением и пространственным мышлением, прирост достигает 15%. ▪Github ▪Paper ▪Dataset ▪Demo @data_analysis_ml

50 214

🤖 FAST: Efficient Robot Action Tokenization Новый токенизатор, который позволяет обучать VLA в 5 раз быстрее по сравнению с предыдущей SoTA. Его очень легко использовать и это опенсорс. ▪Описание: http://pi.website/research/fast ▪HF: https://huggingface.co/physical-intelligence/fast ▪Статья: https://www.pi.website/download/fast.pdf @data_analysis_ml #robots #tokenization