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 2 572 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 51 911 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
❓Хотите перейти в BI-аналитику? Сделайте первые шаги на пути к новому этапу в карьере уже 30 января в 20:00! Приглашаем вас н
❓Хотите перейти в BI-аналитику? Сделайте первые шаги на пути к новому этапу в карьере уже 30 января в 20:00! Приглашаем вас на открытый урок «Подготовка данных для дашборда в Pandas» в OTUS. Вебинар состоится в рамках онлайн-курса «BI-аналитика» для продуктовых и маркетинговых аналитиков, аналитиков данных, Product Owner’ов и Project Manager’ов, Data Scientist’ов, Data Engineer’ов и выпускников, которые хотят работать в области BI-аналитики. ✅На занятии вы узнаете про методы предобработки и “очистки” данных для дальнейшего построения дашбордов в Python Pandas. ➡️Какой результат мы получим? Преобразуем учебный набор данных, очистим его от пропусков и дубликатов, посмотрим различные способы трансформации (группировка, транспонирование строк/столбцов и т.д.). ➡️Пройдите вступительный тест, чтобы определить уровень своей подготовки и записаться на урок: https://otus.pw/3QTv/ Реклама. Информация о рекламодателе на сайте www.otus.ru.
27 Jan 2023, 03:04
10 Feb 2023, ~20:52

🔍 4 Библиотеки Python для Feature Engineering, которые вам стоит использовать в 2023 году "Feature Engineering" (отбор призн
🔍 4 Библиотеки Python для Feature Engineering, которые вам стоит использовать в 2023 году "Feature Engineering" (отбор признаков)- это процесс использования предметной области данных для создания признаков. Feature Engineering является фундаментом для приложений машинного обучения, a также процессом трудным и затратным. Необходимости ручного конструирования признаков можно избежать при автоматизации прикладного обучения признакам. В этой статье я покажу вам 4 популярные библиотеки Python для автоматизированного отбора признаков с которыми каждый Data Science-разработчик должен быть знаком. ▪Читать ▪Зеркало @data_analysis_ml
26 Jan 2023, 04:12

⚡️Как системному аналитику выбрать технологию для API? 🗓Обсудим во вторник, 31 января в 20:00 мск на вебинаре онлайн-курса «
⚡️Как системному аналитику выбрать технологию для API? 🗓Обсудим во вторник, 31 января в 20:00 мск на вебинаре онлайн-курса «Системный аналитик. Advanced» в OTUS. Вместе с преподавателем курса и ведущим аналитиком продуктовой команды Иннокентием Бодровым, посмотрим, как можно работать с классическими REST и SOAP, попробуем заменить их на gRPC и GraphQL. А также разберем несколько кейсов и решим, в каком из них какую технологию лучше применить. ✅Занятие «Выбираем технологию для API» будет полезно: — Аналитикам, перед которыми стоят задачи работы с API, использующими разные технологии — Тем, кто только пытается выбрать, какой API создавать 👉Для регистрации пройдите вступительный тест: https://otus.pw/8kb1/
26 Jan 2023, 02:09
02 Feb 2023, ~02:50

25 Jan 2023, 04:12

Хотите освоить новую профессию в сфере data science? 14 февраля стартует программа профессиональной переподготовки «Специалис
Хотите освоить новую профессию в сфере data science? 14 февраля стартует программа профессиональной переподготовки «Специалист по Data Science». Программа организована Центром непрерывного образования ФКН НИУ ВШЭ. Обучение очное, ведется онлайн-трансляция и рассылаются видеозаписи каждого занятия. 📋Вы начнете обучение с программирования и базовых разделов математики. А потом приступите к последовательному освоению разделов по: ✅машинному обучению, ✅прикладной статистике и обработке данных, ✅работе с большими данными, ✅глубинному обучению и его применениям к изображениям, текстам и сигналам. Большой акцент в программе сделан на практическую работу, поэтому к окончанию курса вы получите не только знания и диплом, но и портфолио проектов. Старт: 14 февраля ❤️ Продолжительность обучения: 15 месяцев. Стоимость: 465 000 рублей. Оплату можно разделить на 8 взносов. Программа курса и регистрация по ссылке.
25 Jan 2023, 02:36
02 Feb 2023, ~02:50

⚡️ Как работать с Big Data быстрее и эффективнее: Kubernetes для Data Science Традиционный подход к построению работы с больш
⚡️ Как работать с Big Data быстрее и эффективнее: Kubernetes для Data Science Традиционный подход к построению работы с большими данными — развернуть Hadoop-кластер, установить дополнительные инструменты и построить на нем платформу для работы с данными. Но в таком подходе есть несколько ограничений, вроде невозможности разделения Storage- и Compute-слоев, сложностей масштабирования и изоляции сред для разных приложений. Даже несмотря на то, что Hadoop можно арендовать у облачного провайдера как сервис (aaS), такой подход все равно мало чем отличается от развертывания на собственном оборудовании. Однако есть другой, Cloud-Native подход работы с большими данными. Он позволяет решить эти проблемы, а также получить дополнительные возможности от облачных технологий. Для этого используют Kubernetes, интегрируя его с различными инструментами. Из статьи вы узнаете, как Kubernetes помогает в работе с Big Data, какие используются инструменты и какие преимущества можно получить по сравнению с классическим развертыванием. ▪Читать @data_analysis_ml
24 Jan 2023, 11:23

Каждый классический БА периодически сталкивается с проблемами: 🧐не понимает, о чём говорят разработчики 🤔есть технические з
Каждый классический БА периодически сталкивается с проблемами: 🧐не понимает, о чём говорят разработчики 🤔есть технические знания, но нет системности и структурности 😞 коллеги вынуждены объяснять технические вопросы буквально на пальцах 😕чувствует себя неуверенно при общении в команде 😐 есть страх приступить к работе на начальной стадии проекта Возможно, и вам знакомы эти проблемы из-за недостаточности технических знаний, отсутствия их системности? 26 января в 19:00 МСК мы проведем вебинар «Технические навыки как спасательный круг для бизнес-аналитика». 🔥Разберём реальные кейсы, поставившие в тупик опытных БА: ✔️как спроектировать информационную систему с применением объектной модели и диаграммы классов; ✔️как разработать требования по интеграции с применением разных паттернов в зависимости от количества и особенностей интегрируемых систем и необходимого функционала; ✔️как описать требования к разным моделям управления доступом. На вебинаре вы узнаете, как технические знания помогают эффективно решать задачи БА, какие навыки прокачать, чтобы повысить свою зарплату. В подарок за регистрацию на вебинар 🎁 Гайд «Типы интеграции информационных систем с подробным описанием» Регистрируйтесь! >>> ❌Повтор и запись вебинара не планируются! Спикер - Александр Грижневич: ➡️ Основатель онлайн-школы для аналитиков GetSkills (Минск) ➡️ 20 лет в IT - 12 лет в разработке и 8+ лет в системном и бизнес-анализе ➡️ 6+ лет преподавания и менторства ➡️ 8 авторских курсов ➡️ 450+ выпускников
24 Jan 2023, 09:19
02 Feb 2023, ~02:50

🏠 Строим свое будущее: как выбрать квартиру, опираясь на методы регрессионного анализа? Для анализа ситуации на рынке недвиж
🏠 Строим свое будущее: как выбрать квартиру, опираясь на методы регрессионного анализа? Для анализа ситуации на рынке недвижимости будем использовать готовый датасет, который состоит из списков уникальных объектов популярных порталов по продаже недвижимости. Набор данных содержит информацию о месторасположении дома, материале, из которого он построен (кирпичный, панельный, деревянный и т.д.), количестве этажей, площади квартиры и его стоимости. ▪Читать @data_analysis_ml
24 Jan 2023, 07:24

Для старта карьеры в машинном обучении не хватает опыта? Решайте реальные рабочие задачи на Симуляторе ML. Под руководством в
Для старта карьеры в машинном обучении не хватает опыта? Решайте реальные рабочие задачи на Симуляторе ML. Под руководством ведущих Data Scientists — Валерия Бабушкина и Богдана Печёнкина — вы не просто прокачаете отдельные навыки, а поймёте, как сводить бизнес-задачи к задачам машинного обучения. Поработав над проектами различного уровня сложности, вы научитесь: - Понимать, какие у бизнеса есть проблемы и какими метриками их можно измерить - Проводить А/В-тесты, чтобы подтверждать прирост метрик - Формулировать задачу для модели - Выбирать подходящую модель и обучать её - Организовывать процесс доставки данных для модели - Оборачивать модель в сервис и деплоить его После симулятора вы сможете успешно пройти собеседование на позицию в сфере ML, получить хорошую работу и приносить пользу бизнесу уже с первых дней. Симулятор работает в режиме подписки и постоянно пополняется новыми задачами. А первые задачи можно порешать бесплатно на демоверсии симулятора. Присоединяйтесь: https://bit.ly/3Hp1AYe
24 Jan 2023, 05:24
02 Feb 2023, ~02:50

23 Jan 2023, 05:53

Как работают облачные технологии и какой реальный эффект от искусственного интеллекта – эксперты показывают на конкретных кей
Как работают облачные технологии и какой реальный эффект от искусственного интеллекта – эксперты показывают на конкретных кейсах Команда облачного провайдера Cloud (ТОП-3 быстрорастущих it-компаний) пригласила своих заказчиков на интервью, чтобы из первых уст и в прямом эфире задать вопросы о том, каких результатов удалось достичь с помощью современных технологий в 2022 году. 24 января в 11:00 приходите на бесплатный вебинар «Облака и ML в бизнесе: истории клиентов Cloud», где вы узнаете: ✅ какие неочевидные возможности скрывают эти технологии; ✅ каких результатов достигли клиенты Cloud после успешного внедрения облаков и AI; ❗️а также все участники вебинара получат доступ к результатам масштабного исследования облачной зрелости, в котором приняло участие более 650 российских компаний (спойлер: по прогнозам Cloud, к 2025 году облака и AI будут применять более 130 тыс. компаний в России) Зарегистрироваться на вебинар
23 Jan 2023, 03:39
29 Jan 2023, ~12:45

22 Jan 2023, 06:44

21 Jan 2023, 09:00

👉 Приглашаем на первое знакомство с машинным обучением! Бесплатный урок «Первичный анализ данных с Pandas» в OTUS в рамках з
👉 Приглашаем на первое знакомство с машинным обучением! Бесплатный урок «Первичный анализ данных с Pandas» в OTUS в рамках запуска специализации «Machine Learning». 💪 После занятия вы будете знать: - Зачем нужен первичный анализ данных в машинном обучении - Какие существуют инструменты для первичного анализа данных в Python - Как визуализировать данные и какая преобработка данных нужна в ML 👱‍♀️ Спикер: Тихонова Мария, руководитель онлайн-курса и Senior Data Scientist в SberDevices. 👉 Чтобы участвовать в прямом эфире, зарегистрируйтесь https://otus.pw/q3yn/
21 Jan 2023, 08:00
30 Jan 2023, ~07:17

21 Jan 2023, 04:21

🌍 Как правильно использовать геоданные в аналитике и как это может повысить точность предиктивных моделей? Значительная част
🌍 Как правильно использовать геоданные в аналитике и как это может повысить точность предиктивных моделей? Значительная часть собираемых данных содержит географическую составляющую, которая зачастую не используется в анализе. В данном канале вы найдете информацию об инструментах обработки и визуализации геоданных, обзоры статей и библиотек, последние новости из мира Location Intelligence, открытые датасеты и примеры использования геоданных для решения практических задач. 👉 Читать
21 Jan 2023, 02:21
30 Jan 2023, ~07:17

20 Jan 2023, 04:01

Если бы java-разработчика спросили, в чём сила, он бы ответил: «В надёжности». Java — надёжный язык, потому что помогает отла
Если бы java-разработчика спросили, в чём сила, он бы ответил: «В надёжности». Java — надёжный язык, потому что помогает отлавливать ошибки до запуска программы. Код состоит из маленьких блоков-объектов, как в конструкторе. Можно исправить кусочек кода в одном месте, чтобы поменять поведение целой системы. Такой подход идеален для разработки масштабных систем с высокой нагрузкой. Так что если вы мечтаете своими руками создавать крупные проекты вроде стримингов и маркет-плейсов с миллионами посетителей — вам в java-разработку. Проверьте, подходит ли вам Java. Напишите приложение для учёта финансов в бесплатной вводной части курса → P.S: в начале может быть сложновато, но как только разберётесь в базе, дело пойдёт быстрее!
20 Jan 2023, 01:59
30 Jan 2023, ~07:17

19 Jan 2023, 13:10

Хотите выйти на новый уровень в аналитике данных и стать действительно крутым специалистом? Всему необходимому для решения своих рабочих задач можно научиться на курсе «Аналитик данных» от школы karpovꓸcourses. За 5 месяцев вы не только изучите теорию, но и на практических кейсах отточите навыки работы со всеми актуальными инструментами для анализа данных. В программу курса входят: – Python и SQL – Git и Airflow – Теория вероятностей – Статистика и A/B-тесты – Продуктовая аналитика – Визуализация данных Обучение построено на реальных задачах индустрии и проходит в формате буткемпа, когда максимум знаний даётся за минимальный срок. Вас будут учить специалисты с опытом работы в топовых IT-компаниях: вы сможете перенять их опыт и не допустить множество ошибок на старте. Записывайтесь на курс по ссылке до 23 января — по промокоду DAML37 вы получите скидку 10%. Также на сайте доступна бесплатная демоверсия — можете начать с неё.
19 Jan 2023, 09:59
30 Jan 2023, ~07:17