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 51 911 subscribers, ranking 2 581 in the Technologies & Applications category and 11 797 in the Russia region.

📊 Audience metrics and dynamics

Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 51 911 subscribers.

According to the latest data from 16 November, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by 444 over the last 30 days and by -8 over the last 24 hours, overall reach remains high.

  • Verification status: Not verified
  • Engagement rate (ER): The average audience engagement rate is 11.63%. Within the first 24 hours after publication, content typically collects 8.47% reactions from the total number of subscribers.
  • Post reach: On average, each post receives 6 040 views. Within the first day, a publication typically gains 4 397 views.
  • Reactions and interaction: The audience actively supports content: the average number of reactions per post is 192.
  • 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 17 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.

51 911
Subscribers
-824 hours
+27 days
+44430 days
Posts Archive
🍕 Для реализации модульного сложения нейронные сети иногда используют странный "алгоритм пиццы". После публикации статьи об этом алгоритме многие читатели жаловались, что его нелегко понять. Вот попытка визуализировать его надеемся, она будет полезной! https://arxiv.org/abs/2306.17844 @data_analysis_ml

🔋 A unified platform for Accelerated Computing Covalent - это Python синструмент для ученых, инженеров-программистов AI/ML и всех, кому необходимо проводить эксперименты на ограниченных или дорогих вычислительных ресурсах, включая квантовые компьютеры, кластеры HPC, мощные GPU и облачные сервисы. Covalent позволяет исследователю выполнять вычислительные задачи на передовой аппаратной платформе - квантовом компьютере или бессерверном кластере HPC - с помощью нескольких строк кода. pip install covalent 📌 Github @data_analysis_ml

Коллеги, не могу прийти на созвон. Мне страшно 😱 Такое может случиться, когда получаешь правки в 30-минутном голосовом сообщ
Коллеги, не могу прийти на созвон. Мне страшно 😱 Такое может случиться, когда получаешь правки в 30-минутном голосовом сообщении. Что делать, если это не единичный случай и подобные ситуации происходят на работе изо дня в день? Вызывать экзорциста или пройти тест от БУДУ. В нём ситуации, в которые вы могли попадать на протяжении карьеры. Они не уникальны и могут случиться с каждым. Главное, найти выход, а он маячит ярким огоньком надежды в конце теста. Реклама. Рекламодатель

🐍 Если вы хотите быть в курсе того, что нового в PyTorch, у вас есть хорошие новости! Видео с конференции PyTorch 2023 тепер
🐍 Если вы хотите быть в курсе того, что нового в PyTorch, у вас есть хорошие новости! Видео с конференции PyTorch 2023 теперь доступны на YouTube. Переговоры охватывают широкий спектр тем: - Новые функции в PyTorch 2.1. - TorchFix, инструмент, помогающий очистить ваш код PyTorch. - Как ускорить вывод модели - Советы по масштабному распределенному обучению И многое другое. 📌 Смотреть @data_analysis_ml

❗️Как легко получить Spark кластер на 10 узлов? Современные облачные инфраструктуры позволяют сделать это всего за несколько
❗️Как легко получить Spark кластер на 10 узлов? Современные облачные инфраструктуры позволяют сделать это всего за несколько шагов. ▶️ 9 ноября в 20:00 мск в рамках онлайн-курса MLOps от OTUS пройдёт открытый урок «Big Data в облаках». На открытом уроке: 🔹Рассмотрим как создать в Yandex Cloud Spark кластер. 🔹 Что лучше использовать в качестве хранилища: HDFS или S3. 🔹 Как можно экономить за счет динамического выделения ресурсов. ✅ Владение инструментами MLOps открывает новые карьерные горизонты специалистам ML, Data Scientist’ам и Software инженерам. 👉 РЕГИСТРАЦИЯ https://otus.ru/lessons/ml-bigdata/?utm_source=telegram&utm_medium=cpm&utm_campaign=ml-bigdata&utm_content=lesson-09-11-2023&utm_term=data_analysis_ml#event-3489 Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963. erid: LjN8KMDaN

👁 Замена Paint в задачах разметки графических данных Модели машинного обучения компьютерного зрения являются крайне актуальн
👁 Замена Paint в задачах разметки графических данных Модели машинного обучения компьютерного зрения являются крайне актуальной задачей в современном мире, поскольку компьютерные системы, способные “видеть”, могут применяться во многих областях жизни. Одной из самых популярных областей применения моделей компьютерного зрения является распознавание объектов на изображениях и видео. Это может быть полезным, к примеру, для систем видеонаблюдения, автоматической сортировки на производстве, диагностирования медицинских изображений. Кроме того, модели машинного обучения используются при создании дополненной и виртуальной реальностях. Они позволяют создавать интерактивные пользовательские интерфейсы, а также обеспечивать визуализацию информации на основе видео и изображений. В целом, актуальность машинного обучения моделей компьютерного зрения связана с возможностью автоматизации и оптимизации ряда процессов, улучшением точности, эффективности и прогнозирования в различных областях, что делает их незаменимыми средствами в современном техническом развитии. Как же создать такую модель? Читать

Ловите крутейший data-форум сезона — Loginom Day 2023! Уже 5 лет мы собираем руководителей, специалистов по данным и IT-шнико
Ловите крутейший data-форум сезона — Loginom Day 2023! Уже 5 лет мы собираем руководителей, специалистов по данным и IT-шников на наш форум экспертов по low-code аналитике Реальные кейсы, экспертиза и прямой диалог со спикерами, которые успешно используют платформу Loginom для задач бизнеса. Это событие для людей, которые хотят обогатить свой опыт в анализе данных и получить множество классных идей и новых знакомств Когда? 2 ноября 2023 года в 13:00 гибрид (Москва, ВДНХ + онлайн-трансляция). Участие бесплатное И если вы хотите узнать, почему мигрировать с SAS Marketing Automation нужно именно на Loginom, за счет чего retail-компании удалось повысить лояльность клиентов, а также как силами нескольких аналитиков построить систему поддержки принятия решений крупного банка, ждем по ссылке. Реклама. ООО «Аналитические технологии», ИНН 6234023928 erid: LjN8KWbgz

Ⓜ️Чтобы прокачать свой код с помощью LLM, попробуйте использовать magentic. С помощью magentic вы можете использовать декорат
Ⓜ️Чтобы прокачать свой код с помощью LLM, попробуйте использовать magentic. С помощью magentic вы можете использовать декоратор @𝐩𝐫𝐨𝐦𝐩𝐭 для создания функций, которые возвращают упорядоченные результаты LLM, сохраняя код аккуратным и читабельным. Библиотека позволяет ссмешивайть запросы LLM и обычный код Python для создания сложной логики. Декоратор @𝐩𝐫𝐨𝐦𝐩𝐭 позволяет определить шаблон промпта Large Language Model (LLM) в виде функции Python. При вызове этой функции аргументы подставляются в шаблон, затем этот промпт отправляется в LLM и генерирует вывод функции. pip install magentic from magentic import prompt @prompt('Add more "dude"ness to: {phrase}') def dudeify(phrase: str) -> str: ... # No function body as this is never executed dudeify("Hello, how are you?") # "Hey, dude! What's up? How's it going, my man?" 🐱 GitHub @data_analysis_ml

🖥 Обучаем нейросеть угадывать, что изображено на картинке при помощи TensorFlow https://www.youtube.com/watch?v=pNrYjuKo8E8 @data_analysis_ml

По умолчанию трансформаторы #sklearn возвращают массив #NumPy. Начиная с версии scikit-learn 1.3.2, можно использовать метод
По умолчанию трансформаторы #sklearn возвращают массив #NumPy. Начиная с версии scikit-learn 1.3.2, можно использовать метод 𝐬𝐞𝐭_𝐨𝐮𝐭𝐩𝐮𝐭 для получения результатов в виде #pandas DataFrame. Этот метод также может быть применен в рамках конвейера scikit-learn. @data_analysis_ml

Как использовать машинное обучение для оптимизации производства? Узнайте на примере реальных кейсов на бесплатном онлайн-мита
Как использовать машинное обучение для оптимизации производства? Узнайте на примере реальных кейсов на бесплатном онлайн-митапе «Лучше практики MLOps в бизнесе. Опыт FinTech и Security индустрий» от OTUS. После эфира вы сможете: 🔹 Найти и выстроить процессы, связанные с машинным обучением 🔹 Понять, как работать с эффективностью данных проектов 🔹 Избежать основных ошибок руководителя 🔹 Получить ответы на свои вопросы от опытного эксперта Встречаемся в следующий вторник, 31 октября в 19:00 мск. 💻Эфир будет в формате конференции и после каждого блока вы сможете задать любые вопросы спикеру Павлу Филонову – ex-Kaspersky, ex-Positive technologies Data Science Manager с опытом в IT 15 лет. 👉Регистрируйтесь бесплатно прямо сейчас и забирайте чек-лист «Список технологий, нужный для MLOps» в подарок: https://otus.pw/mb2n/ Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963. erid: LjN8K3MdQ

🔥 Дайджест полезных материалов из мира Data Science за неделю Почитать: — Как получить полезную информацию из своих категориальных признаков? — Введение в data science: инструменты и методы анализа — Airflow в Kubernetes. Часть 1 — WTH is Retrieval Augmented Generation (RAG)? — The Complete Guide to Time Series Models. — Uncovering Inventory Insights:Mintclassics (Coursera) — Data Analyst Roadmap: How to Go From Zero to Hero — Is Coding a Necessity for Data Analysts? — A Beginner's Guide to Data Visualization: Making Numbers Tell a Story — Choosing a Stream Processing System? This Article Has You Covered! — Logistic Regression made simple and what to look out for 🤔 — Revolutionize Your E-Commerce Strategy with AI-Powered Amazon Price Scraping — How to Scrape Amazon PPC AD Data using Python Посмотреть: 🌐 How to Get Ahead of 99% of Data Scientists (Tips from Tyler Richards) (⏱ 53:20) 🌐 Прогнозирование цены биткоина при помощи VAR, XGBoost, FB Prophet (⏱ 20:29) 🌐 Django настройка админки (⏱ 06:55) 🌐 Задача на палиндром строки на C++ (⏱ 00:59) 🌐 Django расширяем функционал! (⏱ 07:03) 🌐 Making Private Data Open and Enhancing Decision-Making through Digital Atlases (⏱ 28:27) 🌐 NVIDIA’s New AI: 20% Faster Game Graphics! (⏱ 04:58) 🌐 DALL-E 3 Is Now Free For Everyone! (⏱ 05:10) Хорошего дня!

Хочешь поступить в ШАД? Или, может быть, в магистратуру по Data Science? Ищешь материалы и советы по подготовке? Тогда подпишись на канал "Поступашки ШАД"! Канал ведут преподаватели МГУ, ВШЭ и ШАД. Там тебя ждут: 🔺Подборки материалов по математике, алгоритмам, ML/DL; 🔺Советы, как поступить в ШАД, Ai masters или в магистратуры по Data Science; 🔺Инсайды и анонсы об актуальных стажировках, образовательных проектах и олимпиадах. ...и еще много полезного =) Подписывайся и поступай вместе с нами ⬇️ @postypashki_old

🔥 Лучшие инструменты ИИ в Data Science: ❯ Генерация кратких обзоров YouTube видео https://eightify.app/sk2 ❯ ИИ для аналитик
🔥 Лучшие инструменты ИИ в Data Science: ❯ Генерация кратких обзоров YouTube видео https://eightify.app/sk2 ❯ ИИ для аналитики данных https://rapidminer.com ❯ Визуализация данных https://tableau.com ❯ Бизнес-аналитика https://powerbi.microsoft.com ❯ Аналитика, развертывание, масштабирование https://knime.com ❯ Бизнес-аналитика (BI) https://akkio.com https://polymersearch.com ❯ Текстовая аналитика без кода https://monkeylearn.com ❯ Copilot https://codium.ai @data_analysis_ml

Открыта регистрация на отборочный этап Всероссийского хакатона по биометрии с призовым фондом 1 000 000 рублей! ⠀ Тебе предст
Открыта регистрация на отборочный этап Всероссийского хакатона по биометрии с призовым фондом 1 000 000 рублей! ⠀ Тебе предстоит решить интересные задачи, чтобы победить в отборочном туре и принять участие в финале Всероссийского хакатона по биометрии, который пройдет уже 24-25 ноября в Москве.  Кейсы: • Создание дипфейков для тестирования • Обнаружение дипфейков • Некооперативный фронтальный алгоритм защиты от атак предъявления • Решения для использования новых биометрических модальностей на пользовательских устройствах ⠀ ⠀ 🗓 Даты отборочного этапа в ОНЛАЙН-ФОРМАТЕ:  3-5 ноября 2023 года    ❗️Даты финала:  24-25 ноября 2023 года  📍 Место: Москва ❗️ Формат: смешанный (отборочный этап в онлайн-формате, а финал на площадке в Москве) 👉 Регистрация на отборочный тур открыта до 29 октября 2023 года: https://tglink.io/97bbec27c944 Реклама. ООО "АКСЕЛЕРАТОР ВОЗМОЖНОСТЕЙ". ИНН 9704005146. erid: LjN8KYD98

🥇 The Most Comprehensive List of Kaggle Solutions and Ideas. Этот репозиторий - настоящее золото для всех начинающих и практ
🥇 The Most Comprehensive List of Kaggle Solutions and Ideas. Этот репозиторий - настоящее золото для всех начинающих и практикующих специалистов в области Data Science, Machine Learning! Просто зайдите и получите доступ практически ко всем лучшим решениям и идеям, которыми поделились топовые участники соревнований Kaggle. ▪Github ▪Сайт @data_analysis_ml

🐆 Как исследовать снежных барсов с помощью нейросетей? Студенты Школы анализа данных Яндекса вместе со специалистами Yandex Cloud разработали нейросеть, позволяющую определять на материалах с фотоловушек 10 видов животных, в том числе снежных барсов (ирбисов), внесённых в международную Красную книгу. По оценкам экспертов, в России обитает не больше 90 ирбисов. Проект развернули в Республике Алтай, где исследователи обнаружили 44 особи, из которых 24 обитают на территории национального парка «Сайлюгемский». Технология позволит учёным более эффективно изучать ирбисов в естественной среде обитания и понять, как можно защитить их популяцию. Если раньше поиски снежных барсов на тысячах снимков занимал дни и даже недели, то теперь на это уходят секунды. 🗣 Читайте больше о проекте по ссылке. Реклама. ООО "Яндекс.Облако". ИНН 7704458262

☄️ Ray - это унифицированный фреймворк для масштабирования приложений ИИ и Python. Ray состоит из ядра распределенной среды в
☄️ Ray - это унифицированный фреймворк для масштабирования приложений ИИ и Python. Ray состоит из ядра распределенной среды выполнения и набора библиотек ИИ. На картинке прмиер снипет кода, для динамического запуска очереди из 𝗡 заданий на 𝗞 GPU. ▪Github ▪Ray @data_analysis_ml

🏆 Yandex Cup 2023 — открытый чемпионат для настоящих творцов Разработчики — художники нового мира. Они создают смыслы, прави
🏆 Yandex Cup 2023 — открытый чемпионат для настоящих творцов Разработчики — художники нового мира. Они создают смыслы, правила и законы, манифестируют идеи, творят миры и целые вселенные. И, если их предшественники делали это, используя слова, краски и звуки, то современные творцы создают новую реальность с помощью программного кода. Искусство писать код Тема чемпионата в этом году «Решаем искусство». Участников ждут нестандартные задачи на стыке IT и творчества, а лучшие встретятся лицом к лицу в финале, чтобы оживить арт-инсталляцию и разделить между собой 8 500 000 рублей. Показать своё мастерство можно в 6 направлениях: 🔸 Фронтенд 🔸 Бэкенд 🔸 Мобильная разработка 🔸 Аналитика 🔸 Алгоритмы 🔸 Машинное обучение Финал и церемония награждения пройдут офлайн в офисе Яндекса в Казахстане. Яндекс предоставит финалистам проезд и проживание в Алматы. Регистрация открыта до 29 октября включительно: 👉 Участвую! #Yandex_Cup23

🖥 Skrub Часто записи в одной таблице могут не соттветсвовать запясям в другой таблице. Например, в одной таблице может быть
🖥 Skrub Часто записи в одной таблице могут не соттветсвовать запясям в другой таблице. Например, в одной таблице может быть "Yemen", а в другой - "Yemen, Rep". Функция 𝐟𝐮𝐳𝐳𝐲_𝐣𝐨𝐢𝐧() в skrub позволяет объединить эти таблицы с учетом различных вариаций полей. pip install git+https://github.com/skrub-data/skrub.git ▪Github @data_analysis_ml