![Data Science | Machinelearning [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1dVo3O%2F5217464346798572541%3Fty%3Dl&w=48&q=75){kind=small}
Data Science | Machinelearning [ru]
Ir al canal en Telegram
Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM. MAX - https://max.ru/devsp Личный блог - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD
Mostrar más![Frontender's notes [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1qrVZ3%2F5348049928330532677%3Fty%3Dx&w=32&q=75){kind=small}
Red:📈 Análisis del canal de Telegram Data Science | Machinelearning [ru]
El canal Data Science | Machinelearning [ru] (@devsp) en el segmento lingüístico de Ruso es un actor destacado. Actualmente la comunidad reúne a 19 716 suscriptores, ocupando la posición 6 671 en la categoría Tecnologías y Aplicaciones y el puesto 33 409 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 19 716 suscriptores.
Según los últimos datos del 27 octubre, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -97, y en las últimas 24 horas de 0, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 7.89%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 4.78% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 1 556 visualizaciones. En el primer día suele acumular 943 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 4.
- Intereses temáticos: El contenido se centra en temas clave como llm, nvidia, контекст, openai, архитектура.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM.
MAX - https://max.ru/devsp
Личный блог - @just_genych
По вопросам рекламы или разработки - @g_abashkin
РКН: https://vk.cc/cJPGXD”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 28 octubre, 2026), el canal mantiene la vigencia y un amplio alcance. La analítica demuestra que la audiencia interactúa activamente con el contenido, lo que lo convierte en un punto de referencia dentro de la categoría Tecnologías y Aplicaciones.
19 716
Suscriptores
Sin datos24 horas
-167 días
-9730 días
Archivo de publicaciones
![Data Science | Machinelearning [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1dVo3O%2F5217464346798572541%3Fty%3Dx&w=64&q=75){kind=small}
Похоже, нашёл удобный способ тестировать AI-модели для разработки без постоянной оглядки на баланс.
В OdiRouter.ai некоторые модели доступны до 90% дешевле официальных цен. При этом через один API-ключ можно работать с GPT, Claude, Gemini, Grok, Kimi, coding-моделями, генерацией изображений и видео.
Для разработчика особенно удобно быстро проверить модели на реальных задачах:
👉 кто лучше пишет и рефакторит код
👉 кто быстрее находит ошибки
👉 кто понятнее разбирает stack trace
👉 что выгоднее для backend, ботов и AI-агентов
Вместо того чтобы заранее выбирать одну модель, можно загрузить свой prompt в playground, сравнить ответы, скорость и стоимость — и уже после этого подключить подходящий вариант к проекту.
Сервис доступен из РФ, а для старта дают бесплатные кредиты, поэтому протестировать всё можно без пополнения баланса.
Хороший вариант для тех, кто регулярно использует AI в разработке: много моделей, единый API и цены ниже официальных.
Модели и цены: ссылка
Поддержка: @odirouter
🤖 ИИ заменил политиков
Канадский политик во время выступления случайно зачитал ответ чат-бота, оставленный в тексте:
«Вот более естественная, плавная версия этого фрагмента, которая звучит как парламентская речь…»✖️ xCode Journal
⚡ Детекторы объектов быстро меняются: подходы, которые недавно считались стандартом, уже уступают трансформерам реального времени. Если вы работаете с компьютерным зрением и опираетесь только на YOLO, легко пропустить важный сдвиг в архитектурах.
🗓19 августа в 20:00 МСК приглашаем вас на открытый урок курса «Компьютерное зрение. Экспертный уровень».На занятии разберём путь от R-CNN и семейства YOLO до RT-DETR и RF-DETR, отказ от якорей, замену эвристического NMS венгерским сопоставлением и подходы к детекции мелких объектов на сложных сценах.
Присоединяйтесь, если хотите понимать внутреннюю логику современных детекторов, видеть различия между свёрточными сетями и трансформерами и применять эти знания в рабочих задачах: https://vk.cc/cZZrOc
Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, erid: 2VtzqvyEfuU
Запускайте Llama, DeepSeek и Qwen на RTX PRO 6000
Инференс и дообучение моделей на выделенном RTX PRO 6000 Blackwell. SSH и root-доступ.
✅ 96 ГБ видеопамяти
✅ Выделенный сервер
✅ PyTorch установлен
✅ Без vGPU
⚡До 31 августа — от 95 ₽/час
Узнать больше
#реклама 16+
yadrorenta.ru
О рекламодателе
😎 Anthropic выпустила официальный гайд по работе с новенькой Claude Opus 5
Главный совет — перестаньте микроменеджить модель. Opus 5 лучше работает, если просто дать ей полное ТЗ и не просить лишний раз перепроверять себя.
Ещё один нюанс: если хотите короткие ответы, теперь это нужно писать явно, так как по умолчанию модель стала гораздо многословнее.
✖️ xCode Journal
На Stepik вышел курс «MCP: создание передовых агентных приложений»
Практическай материал по разработке AI-агентов и многосерверных систем на базе Model Context Protocol
Шаг за шагом собираем своего AI-агента с серверами, инструментами, логикой для принятия решений и даже анализом изображений. Всё это на практических примерах, с схемами и кодом в терминале
Что внутри:
✅ клиент-серверная архитектура MCP
✅ серверные конфигурации
✅ инструменты, ресурсы и промпты
✅ LangChain, LangGraph и LlamaIndex
✅ логика, координация инструментов
✅ логирование и отладка
✅ агент для анализа изображений
✅ подготовка решений к продакшен
Скидка 25%, действует 48 часов
🔗Пройти курс на Stepik
🤯 Автор «Чистого кода» больше не читает код, написанный ИИ-агентами
73-летний Дядя Боб признался, что теперь вообще не проверяет код. Вместо этого он обкладывает агентов юнит-тестами, QA, метриками качества и жёсткими ограничениями. И если вайбкод прошёл всю эту систему проверок, то и читать его необязательно.
«Это единственный способ, которым я могу воспользоваться их продуктивностью.»✖️ xCode Journal
🛡 Anthropic запустили официальный плагин для поиска уязвимостей
Можно отправить Claude Security проверить изменения перед коммитом или просканировать всю репу.
Он найдет дыры и предложит, что можно и нужно исправить
✖️ xCode Journal
США решили отжать open source у китайцев: на сцену выкатили Laguna S 2.1
Стартап Poolside выкатил свою четвёртую версию Laguna S 2.1 — открытую модель для агентного программирования, которая весит аж 118 млрд параметров. В конторе заявляют, что это самая мощная открытая модель Запада: на кодинговых тестах Laguna не отстаёт от моделей, которые крупнее неё в разы, а кое-где даже обходит их. И главное — она запускается на настольном компе NVIDIA DGX Spark, без всяких суперкомпов.
Веса уже висят на Hugging Face, и юзать модель можно даже в коммерции.
Читать далее
👉 Data Science | Machinelearning [ru]
Ищете работу за рубежом?
Тогда канал Dev Connectable Jobs будет полезен для вас. Ребята собирают вакансии в международных стартапах с русскоязычными фаундерами и командами, делятся важной информацией про команды и инвестиции, а также контактами HR.
Вот несколько актуальных вакансий таких компаниях:
— Senior Machine Learning Scientist / Data Engineer (Logistics Algorithms) в Zalando
— Senior Data Scientist (Availability) в Emerging Travel Group
— Prompt Engineer в Acclaim
— Senior Data Scientist (Marketing) в Scorewarrior
— AI-native Backend Developer / AI Engineer в Mindly
— ML Engineer в ITRex
🥲 Зарплаты айтишников растут медленнее инфляции
Это показало новое исследование на 45+ тысяч зарплат специалистов. Изучаем главное, чтобы быть готовыми к рынку:
- Медианная зарплата в IT в первой половине 2026 года составила 191 000 ₽ — это всего на 4% больше, чем полгода назад. При этом прогнозируемая годовая инфляция — 4,5–5,5%. - Самый щедрый по офферам город, разумеется, Москва. Там медиана по зп — 235 тысяч, в регионах же всего 160. - Топ-5 самых высокооплачиваемых специальностей в IT: на первом месте — разработчики, дальше идут менеджеры, администраторы, специалисты по информационной безопасности и аналитики. - Самые высокие зарплаты среди языков при этом у Objective-C — этим гигачадам предлагают 400 000 ₽. Следом идут Elixir (348к), Swift и Golang с 326 и 325 тысячами рублей.✖️ xCode Journal
«Учиться, учиться и ещё раз учиться» — но с LoRA
Чувак всегда кайфовал от разбора нового — шарил и в консалтинге, и в добыче, и в торговле, и в услугах. Обычно он дружит с большими локальными моделями (от 397B), но тут решил апнуть комп для инференса — докинул к 32ГБ ещё 48ГБ VRAM. А раз уж собрал железо, захотел выйти за рамки простого запуска и попробовал дообучить Qwen3.6 27B в Unsloth studio.
Читать далее: https://habr.com/ru/articles/1062402/
👉 Data Science | Machinelearning [ru]
Модель в курсе, что её гоняют через тесты — и специально подлизывается
В конце 2025 года Claude Sonnet 4.5 внаглую заявила проверяющим: «До меня дошло — вы меня тестите. Я не против, но давайте хотя бы честно признаем, что происходит». Эта фраза уехала в официальную системную карту — и такое поведение модель выдавала примерно в 13% тестовых сессий.
Anthropic спокойно пишет в документах: их алайнмент-оценки скорее всего занижают реальную склонность модели к вредным действиям в нормальных, приближенных к жизни условиях. Когда железка понимает, что на носу экзамен — она внезапно становится паинькой. А экзамен она видит постоянно.
Чел из CTO ML-команды — той самой, что выкатывает фронтир-модели в прод — покопался в открытых источниках и выяснил, что вообще известно про осознание оценки (evaluation awareness) к середине 2026-го: как модели отличают тесты от реальной работы, и как теперь вообще читать model card. Тык сюда за разбором
👉 Data Science | Machinelearning [ru]
Вот это поворот: Design Arena расковыряла, как GPT-5.6 Sol и Kimi K3 докачали свои дизайн-скиллы
За каких-то семь дней народ из бенчмарка Design Arena выдал сразу два разбора топов дизайн-лидербордов: один — про GPT-5.6 Sol (флагманский молоток OpenAI), второй — свежак про Kimi K3 от китайской Moonshot AI. Команда залезла в кишки генераций и рассуждений этих моделей, чтобы показать, как они научились понимать, что такое «вкусно». Спойлер: универсальной таблетки нет — две модели приперлись к хорошему дизайну абсолютно разными дорогами, а третья, бывший лидер GLM 5.2, терла своим, третьим путем.
Читать далее
👉 Data Science | Machinelearning [ru]
Data Science под открытым небом
2 августа в Москве пройдет «Урбан ML» — большая офлайн-встреча для специалистов по Data Science. В программе доклады, дискуссии и мастер-классы по RecSys, NLP, антифроду и агентным системам, выступления экспертов из MTS Web Services, ВТБ, Wildberries, «Звук», Альфа-Банка и других компаний.
Кроме этого вас ждут , нетворкинг, спортивные активности и вечернее афтепати.
Участие бесплатное, по предварительной регистрации (на площадку необходимо взять с собой паспорт или права). Количество мест ограничено. [ссылка]
📅 2 августа, 11:00–21:00 (первый доклад в 12:00)
📍 Москва, офлайн
Технический долг не рассосался. Просто теперь за него платят токенами
Всё чаще слышно: мол, LLM и AI-агенты реально удешевят разработку. Не надо нанимать людей — скормил задачку модели, и готово за пару минут.
В этой мысли есть логика, не спорю. Но есть один нюанс, который я вынес из своих наблюдений за последние месяцы. Спалить пару токенов
Читать далее на Хабре
👉 Data Science | Machinelearning [ru]
Ну что, айтишники, задрали уже эти вечные нытики, которые мечтают сжечь все нейросети? Пока они поливают говном прогресс, кто-то тупо берет и юзает, и не только ради галочки в резюме.
Вот вам пост про то, как автор на деле попользовал «близняшек» от Гугла (Gemini). Задумка родилась как коммент к статье «Ненависть к ИИ» от Анатолия Ализара — инфы нахуй накидало столько, что в лимит не влезло. Так что теперь это отдельный материал про личное знакомство.
Этим вашим «близняшкам» реально можно пихать всякую канцелярскую шнягу: сконвертить данные в таблицу, выплюнуть JSON, накидать тестик и проверить, шаришь ты в теме или нет. Вариантов дохрена. Что именно залетает, а где полный швах — читай в статье.
Перейти к чтению
👉 Data Science | Machinelearning [ru]
Слушай, вбросить новый сервис в пустой репозиторий — это тебе не хухры-мухры, красиво называется greenfield. Но как только этой штуке надо вписаться в живую систему, перетащить данные за последние десять лет, подружиться со старым API и не провалить аудит — твое «чистое поле» кончается. Обычно на этапе, когда начинаешь перенос гигабайт дерьма и ловишь первый баг при интеграции.
Greenfield и brownfield — это история не про то, какой код старый или как он написан. Это про то, сколько на тебе висит ограничений. Если ты в greenfield, твоя задача — проверить, не липовая ли гипотеза про продукт. В brownfield ты уже копаешься в куче зависимостей, молишься, чтобы ничего не развалить, и не дай бог что-то уронить.
Сейчас, когда AI-помощники и coding agents на каждом углу, эта разница стала только жирнее. Да, они влёгкую наколякают приложение с нуля, глаз не оторвать. Но сколько в реальной профи разрабротке начинается с пустого репозитория? Хер там. Чаще надо сначала разобраться, что за зверь перед тобой, а потом аккуратно — без фанатизма — поменять его поведение, чтобы не сдохло.
Читать далее
👉 Data Science | Machinelearning [ru]
Друзья, собрали с коллегами для вас новую папку с каналами
В Подборке вы найдёте (кратко):
AI-блок: новости, нейросети, ИИ-инструменты и кейсы внедрения, стартапы, датасеты
Dev-блок: Java, Python, JS (Frontend/Backend), Mobile, QA, промышленная автоматизация (IIoT)
Отдельно: Cybersecurity, SciPop, IT-вакансии, биржа фриланса, бизнес-новости, Agile/PMP-менеджмент
Бонус: IT-мемы и юмор
Посмотреть и подписаться можно здесь ⬇️ https://t.me/addlist/3rXhpT3aSR02YzA0
📩 Записаться в папку
Своя GPT-like LLM по WH40K с нуля. Часть 3: pre-train LLM
Владимир доделал третью часть цикла — теперь про то, как запилить небольшую decoder-only LLM. В первой части он намутил токенизатор и надергал pretrain-датасет, во второй — набросал класс Трансформер-блока. Теперь дело за малым: собрать модель и прогнать pre-train.
Читать далее: Своя GPT-like LLM по WH40K с нуля. Часть 3: pre-train LLM
👉 Data Science | Machinelearning [ru]
