en
Feedback

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

Data Scientist | ML & AI

Data Scientist | ML & AI

Open in Telegram

Один из ведущих каналов по Data Science, Machine Learning и Big Data Сотрудничество: @bape_ads Прайс: @bape_media

Show more
3 169
Subscribers
-524 hours
-137 days
+9130 days
Attracting Subscribers
Nov '26
November '26
+26
in 2 channels
October '26
+161
in 18 channels
Get PRO
September '26
+97
in 31 channels
Get PRO
August '26
+55
in 22 channels
Get PRO
July '26
+269
in 15 channels
Get PRO
June '26
+42
in 2 channels
Get PRO
May '26
+45
in 15 channels
Get PRO
April '26
+97
in 48 channels
Get PRO
March '26
+37
in 0 channels
Get PRO
February '26
+37
in 0 channels
Get PRO
January '26
+33
in 1 channels
Get PRO
December '25
+22
in 0 channels
Get PRO
November '25
+321
in 30 channels
Get PRO
October '25
+43
in 11 channels
Get PRO
September '25
+724
in 0 channels
Get PRO
August '25
+41
in 1 channels
Get PRO
July '25
+25
in 0 channels
Get PRO
June '25
+42
in 0 channels
Get PRO
May '25
+658
in 1 channels
Get PRO
April '25
+1 687
in 33 channels
Date
Subscriber Growth
Mentions
Channels
20 November+2
19 November0
18 November+1
17 November+1
16 November0
15 November0
14 November0
13 November0
12 November+2
11 November0
10 November0
09 November0
08 November0
07 November+2
06 November+6
05 November+8
04 November+2
03 November0
02 November0
01 November+2
Channel Posts
💾 Чем ИИ-агенты отличаются от обычных нейросетей? В статье разобрали архитектуру агентных систем и их отличие от привычных L
💾 Чем ИИ-агенты отличаются от обычных нейросетей? В статье разобрали архитектуру агентных систем и их отличие от привычных LLM-чатботов. Обычная модель генерирует ответ на запрос. ИИ-агент самостоятельно планирует действия, обращается к инструментам и API, обрабатывает ошибки и движется к поставленной цели. Также рассматриваются автономность, стоимость вычислений, безопасность и ограничения агентных систем. ⛓️ Читать статью tags: #статья ➡ Data Scientist | Чат
20 Nov, 06:00

2
🗂 Создаём интерактивные 3D-модели по одной фотографии Исследователи разработали систему, которая превращает изображение в де
🗂 Создаём интерактивные 3D-модели по одной фотографии Исследователи разработали систему, которая превращает изображение в детализированный 3D-объект, сохраняя его внешний вид и добавляя физически правдоподобные движения. Модель самостоятельно определяет подвижные соединения и деформируемые части. В тестах достигнуто 91,3% успешных действий на 50 объектах. Технология пригодится для робототехники, физических симуляций и обучения ИИ-агентов. ⛓ GitHub | Paper tags: #полезное ➡ Data Scientist | Чат
264
3
📰 Какую нейросеть выбрать для работы: сравниваем GPT-6, Claude и Gemini Нашли статью, в которой разобрали флагманские ИИ-мод
📰 Какую нейросеть выбрать для работы: сравниваем GPT-6, Claude и Gemini Нашли статью, в которой разобрали флагманские ИИ-модели осени 2026 года по производительности, стоимости и качеству решений. Авторы протестировали Claude Opus 5.5, Sonnet 5.5, GPT-6 Astra и Gemini 3.1 Pro на шести практических заданиях: Python, SQL, рефакторинг, документация и анализ длинных текстов. ⛓️ Читать статью tags: #статья ➡ Data Scientist | Чат
297
4
🔴В 2026 году Россияне заработали 5,3 млрд рублей на арбитраже криптовалют По данным Минфин 32% граждан покинули своё место р
🔴В 2026 году Россияне заработали 5,3 млрд рублей на арбитраже криптовалют По данным Минфин 32% граждан покинули своё место работы поскольку в среднем уже в первый месяц смогли заработать 250 000 рублей, а через 2-3 месяца с легкостью вышли на семизначные числа. Самое смешное, что лишь 8% россиян что-то слышали об этой профессии хотя все инструкции бесплатно лежат на канале Арбитраж Криптовалют Там объясняют, как имея телефон и доступ в интернет заработать свои первые $3000. Причём разжёвывают так доступно, что поймёт даже ребенок. Кстати, на канале сегодня вышла новая рабочая связка! Ссылка для входа — https://t.me/+C9XnmIBa_hI3M2Qy
291
5
🔖 Бесплатный курс Гарварда по инженерии ML-систем Большая образовательная программа по разработке, оптимизации и развёртыван
🔖 Бесплатный курс Гарварда по инженерии ML-систем Большая образовательная программа по разработке, оптимизации и развёртыванию систем машинного обучения с практическими лабораторными и симуляторами. Что внутри: 🔵 ML Systems — учебники по архитектуре и масштабированию ML-систем; 🔵 GPU и память — вычислительные ускорители, пропускная способность и KV-cache; 🔵 Inference — batching, квантование, latency и throughput; 🔵 TinyTorch — 20 модулей для создания ML-фреймворка с нуля; 🔵 MLSys·im — моделирование производительности оборудования и инфраструктуры; 🔵 Interactive Labs — эксперименты с параметрами ML-систем прямо в браузере; 🔵 StaffML — практика по системному проектированию ML-инфраструктуры; 🔵 Lecture Slides — слайды лекций и дополнительные учебные материалы. ⛓ Ссылка на GitHub tags: #полезное ➡ Data Scientist | Чат
334
6
Клиент нажал «Оплатить» - и ушёл? Оплата не прошла с первого раза, нужного способа не нашлось, форма неудобная на телефоне -
Клиент нажал «Оплатить» - и ушёл? Оплата не прошла с первого раза, нужного способа не нашлось, форма неудобная на телефоне - и покупатель закрывает вкладку. А когда у него вопрос по платежу, отвечать некому. RollyPay принимает оплату в ботах, на сайтах и в Mini App так, чтобы до оплаты доходило больше людей: • Каскадинг: если маршрут отклонил платёж, он сразу уходит следующим • Современная платёжная форма, удобная с телефона • Выбор способа: СБП, карты Visa / Mastercard / Мир, SberPay, T-Pay • Криптовалюта - USDT, BTC, ETH, TON, более 20 сетей, от 1% • СБП и карты - от 4%, плюс кэшбек в USDT с каждого платежа • Быстрая поддержка для ваших покупателей, если с оплатой что-то пошло не так Подключаем физлиц, самозанятых, ИП и компании. Быстрое подключение, поможем с интеграцией. Подключение доступно быстро через сайт
307
7
💾 Как улучшить распознавание речи на 20%: объединяем две ИИ-модели В статье сравнили 32 конфигурации ASR-моделей, включая Wh
💾 Как улучшить распознавание речи на 20%: объединяем две ИИ-модели В статье сравнили 32 конфигурации ASR-моделей, включая Whisper, GigaAM, Parakeet и Qwen3-ASR. Лучшим компромиссом для русских встреч с IT-терминами оказался каскад GigaAM + Parakeet: первая модель распознаёт речь, вторая исправляет технические названия. ⛓️ Читать статью tags: #статья ➡ Data Scientist | Чат
380
8
🗂 Создаём собственную reasoning-модель с нуля Себастьян Рашка открыл исходники практикума по разработке reasoning-моделей на
🗂 Создаём собственную reasoning-модель с нуля Себастьян Рашка открыл исходники практикума по разработке reasoning-моделей на основе Qwen3. Внутри: 8 глав, Jupyter Notebook, упражнения, Chain-of-Thought, GRPO, Reinforcement Learning и дистилляция моделей. Код доступен бесплатно на GitHub. Большую часть примеров можно запускать на обычном компьютере. ⛓ Ссылка на GitHub tags: #полезное ➡ Data Scientist | Чат
421
9
📰 Какая видеокарта нужна для локального ИИ в 2026 году? Нашли статью по подбору GPU для локального запуска языковых моделей,
📰 Какая видеокарта нужна для локального ИИ в 2026 году? Нашли статью по подбору GPU для локального запуска языковых моделей, генерации изображений и работы с ИИ. Автор сравнил семь видеокарт NVIDIA — от RTX 3060 до RTX 5090, оценив объём VRAM, пропускную способность памяти и скорость генерации токенов. Также собрали таблицу подбора железа для чат-ботов, генерации кода, изображений, LoRA и многопользовательских ИИ-сервисов. ⛓️ Читать статью tags: #статья ➡ Data Scientist | Чат
477
10
🗂 Визуализируем любые датасеты одной строкой Python Нашли бесплатную библиотеку, которая автоматически строит графики, анали
🗂 Визуализируем любые датасеты одной строкой Python Нашли бесплатную библиотеку, которая автоматически строит графики, анализирует распределения признаков, выявляет корреляции и помогает оценивать качество данных. Поддерживает CSV, JSON, pandas и интерактивные визуализации. Для больших датасетов умеет использовать выборку. ⛓ Ссылка на GitHub tags: #полезное ➡ Data Scientist | Чат
463
11
Удалёнка с доходом от 70.000 для новичков К счастью, еще не все поняли, где на самом деле будут все деньги в 2027 году. Пока одни учат с помощью ИИ делать для бизнеса ненужные картинки и видео, другие решают реально важные задачи и зарабатывают на этом. Ты можешь просто делать чат-ботов с ИИ без программирования и получать за это от 150.000 рублей в месяц с 3 проектов🔥 А в среднем, от 5.000р за простые заказы и от 25.000р за сложные на 5-6 часов работы ☝️ Клиентов полно, бизнесы постоянно ищут исполнителей на автоматизации. В боте показываю, где их искать без опыта📲 Чтобы начать свой путь в нише надо: 1. Просто запустить бота по ссылке и забрать бесплатные уроки 2. Сделать 30-40к подработкой за первый месяц 3. Дорасти до 150.000 дохода уже через 3-4 месяца Действуй, пока ссылка еще активна 👇 https://t.me/Alekseicoach_bot?start=testdrivetg491
329
12
🔖 Учимся понимать решения ML-моделей На GitHub выложили open-source инструмент для интерпретации алгоритмов машинного обучен
🔖 Учимся понимать решения ML-моделей На GitHub выложили open-source инструмент для интерпретации алгоритмов машинного обучения и анализа их предсказаний. Что умеет: 🔵 Объяснять решения ML-моделей; 🔵 Оценивать влияние отдельных признаков; 🔵 Анализировать глобальное поведение модели; 🔵 Разбирать причины конкретных предсказаний; 🔵 Использовать методы SHAP и LIME; 🔵 Обучать Explainable Boosting Machines; 🔵 Исследовать ошибки и потенциальные смещения; 🔵 Строить интерактивные визуализации результатов. ⛓ Ссылка на GitHub tags: #полезное ➡ Data Scientist | Чат
469
13
💾 ИИ-код становится дешевле, а его поддержка дороже В статье разобрали скрытые издержки вайбкодинга: накопление технического
💾 ИИ-код становится дешевле, а его поддержка дороже В статье разобрали скрытые издержки вайбкодинга: накопление технического долга, ошибки нейросетей, уязвимые зависимости и расходы на проверку сгенерированного кода. Отдельно рассмотрели реальные инциденты и исследования, показывающие, почему ИИ не всегда ускоряет разработку. ⛓️ Читать статью tags: #статья ➡ Data Scientist | Чат
490
14
🗂 Дополнительные инструменты для машинного обучения Нашли библиотеку, которая добавляет готовые трансформеры, модели и метри
🗂 Дополнительные инструменты для машинного обучения Нашли библиотеку, которая добавляет готовые трансформеры, модели и метрики для обработки признаков, поиска выбросов и настройки классификации. Всё совместимо со стандартными ML-пайплайнами и не требует переписывать существующие проекты. ⛓ Ссылка на GitHub tags: #полезное ➡ Data Scientist | Чат
503
15
Готовитесь к собеседованию по Data Science или ML? Проверьте, сможете ли объяснить, как выбрать метрику, распознать утечку да
Готовитесь к собеседованию по Data Science или ML? Проверьте, сможете ли объяснить, как выбрать метрику, распознать утечку данных и оценить модель. В «Банке собесов» есть вопросы по классическому ML, NLP и LLM, Computer Vision, SQL и Python. У части вопросов есть разборы с примерами ответов. Откройте бесплатные вопросы и попробуйте ответить самостоятельно. Полный доступ — от 500 ₽. Открыть Банк собесов https://tglink.io/af84b02278d17c?erid=2W5zFK2Zwmc
236
16
🔖 Учимся находить причинно-следственные связи в данных На GitHub выложили open-source инструмент для изучения причинных связ
🔖 Учимся находить причинно-следственные связи в данных На GitHub выложили open-source инструмент для изучения причинных связей и оценки влияния различных факторов на результат. Что умеет: 🔵 Строить причинно-следственные графы; 🔵 Оценивать эффект изменений и вмешательств; 🔵 Анализировать влияние отдельных факторов; 🔵 Проверять устойчивость причинных выводов; 🔵 Проводить контрфактический анализ; 🔵 Искать первопричины аномалий; 🔵 Работать с наблюдательными данными; 🔵 Использовать статистические методы причинного вывода. ⛓ Ссылка на GitHub tags: #полезное ➡ Data Scientist | Чат
1
17
🔖 Учимся находить причинно-следственные связи в данных На GitHub выложили open-source инструмент для изучения причинных связ
🔖 Учимся находить причинно-следственные связи в данных На GitHub выложили open-source инструмент для изучения причинных связей и оценки влияния различных факторов на результат. Что умеет: 🔵 Строить причинно-следственные графы; 🔵 Оценивать эффект изменений и вмешательств; 🔵 Анализировать влияние отдельных факторов; 🔵 Проверять устойчивость причинных выводов; 🔵 Проводить контрфактический анализ; 🔵 Искать первопричины аномалий; 🔵 Работать с наблюдательными данными; 🔵 Использовать статистические методы причинного вывода. ⛓ Ссылка на GitHub tags: #полезное ➡ Data Scientist | Чат
1
18
🔖 Учимся находить причинно-следственные связи в данных На GitHub выложили open-source инструмент для изучения причинных связ
🔖 Учимся находить причинно-следственные связи в данных На GitHub выложили open-source инструмент для изучения причинных связей и оценки влияния различных факторов на результат. Что умеет: 🔵 Строить причинно-следственные графы; 🔵 Оценивать эффект изменений и вмешательств; 🔵 Анализировать влияние отдельных факторов; 🔵 Проверять устойчивость причинных выводов; 🔵 Проводить контрфактический анализ; 🔵 Искать первопричины аномалий; 🔵 Работать с наблюдательными данными; 🔵 Использовать статистические методы причинного вывода. ⛓ Ссылка на GitHub tags: #полезное ➡ Data Scientist | Чат
1
19
🔖 Учимся находить причинно-следственные связи в данных На GitHub выложили open-source инструмент для изучения причинных связ
🔖 Учимся находить причинно-следственные связи в данных На GitHub выложили open-source инструмент для изучения причинных связей и оценки влияния различных факторов на результат. Что умеет: 🔵 Строить причинно-следственные графы; 🔵 Оценивать эффект изменений и вмешательств; 🔵 Анализировать влияние отдельных факторов; 🔵 Проверять устойчивость причинных выводов; 🔵 Проводить контрфактический анализ; 🔵 Искать первопричины аномалий; 🔵 Работать с наблюдательными данными; 🔵 Использовать статистические методы причинного вывода. ⛓ Ссылка на GitHub tags: #полезное ➡ Data Scientist | Чат
1
20
🔖 Учимся находить причинно-следственные связи в данных На GitHub выложили open-source инструмент для изучения причинных связ
🔖 Учимся находить причинно-следственные связи в данных На GitHub выложили open-source инструмент для изучения причинных связей и оценки влияния различных факторов на результат. Что умеет: 🔵 Строить причинно-следственные графы; 🔵 Оценивать эффект изменений и вмешательств; 🔵 Анализировать влияние отдельных факторов; 🔵 Проверять устойчивость причинных выводов; 🔵 Проводить контрфактический анализ; 🔵 Искать первопричины аномалий; 🔵 Работать с наблюдательными данными; 🔵 Использовать статистические методы причинного вывода. ⛓ Ссылка на GitHub tags: #полезное ➡ Data Scientist | Чат
1