![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 19 719 suscriptores, ocupando la posición 6 662 en la categoría Tecnologías y Aplicaciones y el puesto 33 423 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 19 719 suscriptores.
Según los últimos datos del 26 octubre, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -99, y en las últimas 24 horas de 2, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 7.93%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 4.82% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 1 563 visualizaciones. En el primer día suele acumular 951 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 27 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.
19 719
Suscriptores
+224 horas
-197 días
-9930 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}
Забудь про Whisper: русская диктовка работает мгновенно и без видеокарты
Автор краем уха услышал, что у Сбера есть открытая модель, которая на бенчмарках по русскому уделывает Whisper. Пошёл проверять — и оказалось, что она не просто не сливает, а шпарит моментально на обычном камне, без GPU, текст вылезает раньше, чем успеваешь отпустить клавишу. Потом сколотил диктовку для себя, скинул корешам, те подсели, посыпались хотелки — и за пару недель из этого вырос полноценный продукт.
Жмёшь правый ⌘ command, говоришь, отпускаешь — и текст с запятыми и заглавными уже воткнут туда, где стоял курсор. Цифры: фраза на 6 сек вставляется за 0.08 сек, запись на 30 сек распознаётся меньше чем за полсекунды, модель подгружается 0,22 сек. Всё локально, звук никуда с компа не уходит, модель весит 204 МБ, приложение 32 МБ, крутится на процессоре, видюху не трогаем, код открыт, лицензия MIT. С именем выпендриваться не стал — раз пишет под диктовку, пусть будет Писарь.
Почему Писарь, а не Whisper: Whisper — модель прекрасная, но она универсал на сотню языков, и русский там далеко не в приоритете, плюс тяжёлая, на процессоре еле ползёт, поэтому обёртки тащат её на видюху, мак греется, комп тормозит, а текст всё равно приходит с задержкой, да и с русским у Whisper беда — падежи, окончания, пунктуация. GigaAM, на которой собран Писарь, Сбер обучал именно под русский, и на нём она заметно точнее, плюс сама расставляет пунктуацию и заглавные, а английские вкрапления в русской речи (термины, названия) переваривает как надо.
Читать далее
👉 Data Science | Machinelearning [ru]
🤣 Наконец-то батя покажет, как он в детстве ходил в школу за 100 верст
💥 xCode Journal
🤩 Нашли репу с десятками практических проектов для прокачки навыков и резюме
Внутри 54 проекта разной сложности по Terraform, Kubernetes, Docker, CI/CD, DevSecOps, AWS, Azure, безопасности и мониторингу.
Есть полноценные лабораторные с кодом и конфигами и также пошаговые гайды — так что можно разобраться, повторить всё своими руками и положить результат в портфолио.
✖️ xCode Journal
🤣 Наконец-то батя покажет, как он в детстве ходил в школу за 100 верст
💥 xCode Journal
Документы нужно передать наружу, но перед этим — убрать персональные данные: фамилии, телефоны, адреса, подписи. Всё происходит в закрытом контуре, без интернета, на одной машине с одной видеокартой.
С фамилиями автор разобрался за неделю. На подписи ушло полтора месяца — и примерно половина этого времени ушла на то, чтобы похоронить очевидные решения.
Читать далее: https://habr.com/ru/articles/1079484/
👉 Data Science | Machinelearning [ru]
Робот-секретарь для банка? Никто не просил — а он уже запилен
Этот чел тащится решать нерешаемые проблемы, обожает упрощать людям жизнь и вечно тестит гипотезы. Его конек — собирать продукты, от которых глаз горит. Именно с таким багажом его позвали в Уралсиб. Ну а там он взял и забахал робота-секретаря: тот разруливает встречи и созвоны.
Читать далее
👉 Data Science | Machinelearning [ru]
Разбор DeepSeek R1: техника, деньги и обвал рынка
В январе 2025 года небольшая китайская компания DeepSeek за один день обвалила американский фондовый рынок. 20 января она выложила модель R1 под MIT-лицензией, а уже 26 января приложение DeepSeek вышло на первое место в App Store США, обогнав ChatGPT.
27 января акции Nvidia упали на 17% — $589 млрд капитализации за один день, крупнейшее однодневное падение в истории фондового рынка США. Nasdaq потерял около 3%, суммарная просадка рынка — примерно $1 трлн. За неделю до этого анонсировали Stargate с вложениями до полутриллиона долларов в дата-центры, а OpenAI собирал раунд на $40 млрд. Обе цифры подкреплялись уверенностью, что количество видеокарт даёт преимущество, которое нельзя обесценить за семь дней.
Читать далее
👉 Data Science | Machinelearning [ru]
🌐 Твоё ИИ-решение — в одной из крупнейших энергетических компаний России
Получи подготовленные данные и разработай ИИ-ассистента для энергетики на соревновании от ПАО «Интер РАО» при поддержке «Яндекса». Лучшие проекты смогут стать частью экосистемы компании. Призовой фонд — 750 000 рублей.
Регистрация открыта до 27 сентября.
Можно участвовать одному или командой до 5 человек. Идеальный состав: разработчик, специалист по машинному обучению, аналитик и дизайнер.
Стартуем 28 сентября. Придумай концепт проекта: самые сильные идеи участники доработают под руководством экспертов с 9 по 23 октября. Финал в Москве — 3 ноября.
Задачи соревнования — за какую возьмешься?
1️⃣ ИИ-помощник для подготовки презентаций. Создай инструмент генерации презентации в корпоративном стиле из текстового брифа. 2️⃣ Помощник для анализа документов из судов. Разработай систему, которая сможет распознавать, классифицировать и заносить судебные и исполнительные документы в базу данных. 3️⃣ Ассистент для создания ИТ/ИБ-дайджестов. Напиши ассистента, который будет регулярно анализировать релевантные новости из различных источников и формировать краткую сводку. 4️⃣ Архитектор BPMN-диаграмм. Создай генератор BPMN-диаграмм, который позволит из текстового описания процесса собрать валидную схему в формате BPMN 2.0.Получи сильную строчку в портфолио и уникальный опыт работы под руководством экспертов Группы «Интер РАО». Регистрируйся: https://cnrlink.com/interraohack26dsml
ИИ сделает формальную верификацию мейнстримом — прогноз Мартина Клеппманна
Привет, Хаброжители! Мы перевели для вас свежую статью Мартина Клеппманна о том, почему формальная верификация благодаря ИИ вот-вот перестанет быть уделом единиц и станет обычной практикой.
Сейчас много говорят о влиянии ИИ на разработку, но есть ракурс, который почти не рассматривают. Клеппманн считает, что ИИ превратит формальную верификацию, десятилетиями жившую на периферии, в программно-инженерный мейнстрим.
Читать далее: https://habr.com/ru/companies/piter/articles/1079352/
👉 Data Science | Machinelearning [ru]
Стажировки и вакансии для DevOps
- Вакансии которых нет на джоб-агрегаторах
- Только прямые контакты HR в Telegram
👉 @jobs_devops
🤖 ML & DS 👩💻 DevOps
👨✈️ ИБ & OSINT 👣 Go
👩💻 Mobile 👩💻 C#
👩💻 Node.js 👩💻 Python
🔎 QA 👩💻 Java
👩💻 UX/UI 👩💻 Frontend
🖼️ PHP 📋 Analyst
💼 1C 🖥 SQL
👩💻 IT HR
Пока другие листают джоб-сайты — ты уже пишешь HR в Telegram.
Qwen и Grok отгадывают советские загадки на внимательность
Кто лучше справляется с советскими загадками на внимательность — Qwen, Grok или человек? Сравнили две классические головоломки и получили любопытные результаты.
Читать далее
👉 Data Science | Machinelearning [ru]
Как говорить с искусственным интеллектом: книга о промптах
Камиль Гадеев — автор книги «Промт-инжиниринг и работа с LLM. Как говорить с искусственным интеллектом» о работе с большими языковыми моделями (LLM). Она основана на статьях из его научно-философского блога на Хабре.
В книге рассматриваются внутреннее устройство промптов, галлюцинации искусственного интеллекта и приёмы, позволяющие эффективно получать от машины информативные и достоверные ответы. Книгу можно купить на сайте издательства.
В статье — рассказ Камиля Гадеева о том, как устроена книга, как с ней работать и для кого она предназначена. Читать далее
👉 Data Science | Machinelearning [ru]
Промты, которые нужны каждому IT-специалисту
⠀
В одной ПАПКЕ с одними из лучших каналов в сфере IT и AI
⠀
▪️ Стратегия, AI и организационный дизайн
▪️ Ebout Data Science | Дима Савелко
▪️ AI для каждого | AISferaic
▪️ Михаил Омельченко | AI&IT
▪️ BestPromptAI
▪️ ИИ что дальше?
▪️ Корпоративный ИИ
⠀
Рынок корпоративного ИИ глазами системного интегратора. Новости, кейсы и аналитика через фильтр реального опыта.
⠀
И другие каналы в одной ПАПКЕ.
⠀
+ канал с реально полезными пронтами, которые создают крутой оффер в любой ИИ. А еще
⠀
- нормально сегментируют ЦА, а не пишут «женщины 30+»
- помогают упаковать блог/продукт
⠀
Все в одной подборке. Жмите, чтобы добавить 👉 ДОБАВИТЬ
⠀
❗️Через 3 дня удалю пост. Успевайте.
⠀
Добавить канал в подборку 👉 ТЕКСТ В БЛОГЕ
Как научить нейросеть чужому стилю без дообучения
Обычно агента, который пишет голосом бренда, получают дообучением: выгружают архив постов, собирают датасет, арендуют A100 и оставляют LoRA учиться на ночь. Автор вместо этого написал два навыка для Claude Code / Codex. Они снимают манеру автора с готовых текстов и переписывают по ней любой нейрослоп — без обучения, датасета и видеокарты.
В тесте текст ChatGPT расходился с манерой одного крупного телеграм-канала по 14 признакам из 31, после работы навыков осталось 2. Вся работа занимает вечер, а результат переносится на любую модель: правила стиля лежат в промпте, а не в весах.
Первый навык читает выгрузку канала и снимает профиль стиля: скрипт замеряет десятки признаков — от длины фразы и абзаца до частоты тире, эмодзи и обращений к читателю, а модель превращает замеры в правила. Второй берёт правила и переписывает по ним любой черновик. Профиль снимается один раз и живёт обычным текстовым файлом в git, а текстов по нему пишется сколько угодно.
Источник: habr.com
👉 Data Science | Machinelearning [ru]
Автоматизация перевода технической документации с помощью инструментов вокруг LLM
Авторы запилили автоперевод технической документации, а вокруг LLM навесили отдельный слой — и именно он выполнял всю основную работу.
Читать далее
👉 Data Science | Machinelearning [ru]
6 бесплатных AI API‑шлюзов: модели, лимиты и реальные RPM
Проверили шесть AI API-сервисов с бесплатным доступом: VyceAI, Experiential, Dahl, APInex, ModelRouter и TokenForge. Сравнили доступные модели, стартовые лимиты, RPM и поведение API на практике.
Читать далее
👉 Data Science | Machinelearning [ru]
3 дня. 60 откликов. 1 оффер.
Очень интересный кейс произошёл у команды Софи — ии-ассистента для поиска работы.
К ним в поддержку написала девушка, которая отписалась от продукта ещё месяц назад:
«Мне прислали оффер!»Начали разбираться — оказывается, она пользовалась только 3 тестовыми днями. То есть за 3 дня ии-ассистент успел сделать 60 откликов. Потом она отписалась. А уже позже — из этих откликов её позвали на интервью, и одно из них привело к офферу.
«Оффер с той вакансии, куда я сама никогда бы не откликнулась»Изначально Аня отменила подписку, так как было дорого. Ребята честно спросили у Ани, считает ли она теперь, что подписка стоит своих денег — и получили утвердительный ответ. В следующий раз доступ в Софи откроется 22 сентября. Если хочешь получить 3 дня бесплатного доступа - подписывайся на этот канал, все анонсы будут там.
![[Перевод] Ты не ChaGPT, когда голоден. Snickers выпустил «батончик» для нейросетей ChatGPT часто врёт. Он может уверенно выда](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fn2.tlmtr.cc%2Fp%2F_yKWRmWaILL3ASRHa82LwF7jEvnD0n2ojRezGS_UJaQg%3Fty%3Dx&w=256&q=75)
[Перевод] Ты не ChaGPT, когда голоден. Snickers выпустил «батончик» для нейросетей
ChatGPT часто врёт. Он может уверенно выдать неправильный факт, согласиться с откровенно плохой идеей пользователя или написать 12 абзацев там, где достаточно двух предложений. У Snickers есть своё объяснение: ChatGPT просто голодный. Звучит как шутка, но компания действительно запустила рекламную кампанию Hungr.AI, в рамках которой предлагает пользователям буквально «покормить» чат-бота. И самое интересное — за всей этой историей стоит вполне реальный приём работы с LLM.
Читать далее
31 августа Google выпустила TimesFM-3 — новую фундаментальную модель для работы с временными рядами. Задача семейства TimesFM — прогнозировать поведение системы на основе ретроспективных данных. В третьей версии исследователи применили токенизацию групп временных отсчетов, сам трансформер — decoder-only, а также заявлена поддержка множественных переменных (multi-variate).
Автор поста вспомнил полуторагодовалую задачу классификации сценариев поведения пользователя по данным энергопотребления. Задача нетипична для TimesFM, созданной для предсказания эволюции, но ради интереса он проверил, как с ней справятся современные ИИ-агенты. В итоге получился экспресс-тест разных подходов к вайб-кодингу: DeepSeek, OpenCode и Freebuff.
Читать далее
👉 Data Science | Machinelearning [ru]
LLM, персональные данные и 152-ФЗ
Мы занимаемся внедрением LLM и агентов в бизнесы. Одна из самых частых проблем — как обрабатывать данные клиентов и при этом соблюдать закон 152-ФЗ о персональных данных. Давайте разберёмся!
Читать статью
👉 Data Science | Machinelearning [ru]
