¡Ya disponible! Investigación de Telegram 2025 — los principales insights del año 
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. Личный блог автора - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD
Mostrar más📈 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 20 021 suscriptores, ocupando la posición 6 726 en la categoría Tecnologías y Aplicaciones y el puesto 33 725 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 20 021 suscriptores.
Según los últimos datos del 18 junio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -63, y en las últimas 24 horas de -3, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 8.21%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 4.21% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 1 645 visualizaciones. En el primer día suele acumular 843 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 7.
- 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.
Личный блог автора - @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 19 junio, 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.
20 021
Suscriptores
-324 horas
-507 días
-6330 días
Archivo de publicaciones
👨💻Хранилища данных. Обзор технологий и подходов к проектированию
В этой статье будут рассмотрены основные подходы к проектированию архитектуры хранилищ данных (DWH), эволюция архитектур, взаимосвязь Data Lake, Data Factory, Data Lakehouse, Data Mesh c DWH, преимущества и недостатки подходов к моделированию данных.
Читать...
Ищем автора эталонного кода! 💎
Если вы уверены, что вашему коду подходит звание «Эталонный», а вам — звание «Автор самого красивого кода», то приглашаем принять участие в Конкурсе красоты кода 2.0 и выиграть классные призы от Сбера: iPhone 16 и умную колонку SberBoom.
Опытные эксперты определят победителей в пяти категориях: Backend, Frontend, DevOps, AI и Mobile, — а награждение пройдёт на ключевом IT-событии HighLoad в Москве, 2 и 3 декабря.
Больше 40 участников прошлого конкурса стали частью команды Сбера. Возможно, следующим станете именно вы — переходите по ссылке и изучайте подробности!
🖥 Самые интересные статьи за последние дни:
• Кратко про Ensemble методы с примерами
• Машинное обучение и криптография: знакомимся с CipherGAN
• Строим ETL-конвейер для машинного обучения с помощью Kafka, Clickhouse и Go
💎Кратко про Ensemble методы с примерами
В этой статье мы рассмотрим три основных подхода: Bagging, Boosting и Stacking, и посмотрим, как их реализовать на Python.
Читать...
👀Хотите освоить инструменты для построения и применения моделей машинного обучения на больших наборах данных?
Ждем вас на открытом вебинаре 8 октября в 20:00 мск, где мы разберем:
- обзор возможностей Spark;
- как разрабатывать модели на Spark ML;
- как выводить модели в промышленное использование.
Урок для инженеров данных, ML-инженеров и Data Scientist'ов.
Спикер Вадим Заигрин — опытный разработчик, Data Engineer и Data Scientist. Team Lead команд инженеров данных на разных проектах.
Встречаемся в преддверии старта курса «Spark Developer».
Все участники вебинара получат специальную цену на обучение!
▶️Регистрируйтесь прямо сейчас, чтобы не пропустить мероприятие:
https://otus.pw/6Zsv/
🔥Depth Pro: Sharp Monocular Metric Depth in Less Than a Second
Мы представляем базовую модель для оценки глубины с помощью метрики нулевого кадра.
Модель синтезирует карты глубины высокого разрешения с непревзойденной резкостью и высокочастотными деталями.
Прогнозы являются метрическими, с абсолютным масштабом, без опоры на доступность метаданных, таких как внутренние параметры камеры.
Модель быстрая, производит карту глубины 2,25 мегапикселя за 0,3 секунды на стандартном графическом процессоре.
🤗 Hugging Face
💾 Arxiv
📂 PDF
@Devsp — Подписаться
🤔Машинное обучение и криптография: знакомимся с CipherGAN
В этой статье мы рассмотрим генеративно‑состязательную сеть CipherGAN, используемую для определения базового шифровального отображения по банкам непарного зашифрованного текста и открытого текста.
Читать...
⚡️Как за месяц научить нейросеть говорить на татарском: опыт MTS AI
В этой статье расскажу вам о том, как мы силами пяти человек за месяц научили нашу большую языковую модель Cotype Lite общаться на татарском языке.
Читать...
🚀Как у нейросетей работает внимание? Статья про self-attention и cross-attention
В этой статье вы узнаете о механизме внимания (attention) в нейросетях, спецификациях self-attention и cross-attention, а также их роли в генерации изображений на основе текстовых описаний.
Читать...
🥳Строим ETL-конвейер для машинного обучения с помощью Kafka, Clickhouse и Go
В этой статье я поделюсь с вами своим опытом использования Golang, Kafka и Clickhouse на примере простого ETL-конвейера для параллельной передачи JSON-данных в базу данных с последующим прогнозированием температуры на основе машинного обучения.
Читать...
🐍Как проверить свои модели ONNX на Python: кратко
В этой статье разберем, что такое ONNX, как экспортировать модели в этот универсальный формат и, что самое главное, как протестировать их с помощью Python.
Читать...
Бесплатный мини-курс по технологии ускорения ML-моделей — Triton
В Ozon Tech 100+ дата-сайентистов. Каждый день они решают задачи поиска и диалоговых систем, чат-ботов и матчинга, анализа спроса и рекомендаций. И много-много других! Для этого наши специалисты используют огромное количество технологий. Одна из них — Triton.
Курс — это гайд в формате лонгрида, из которого вы узнаете:
— что такое Triton и как в нём происходит типизация данных;
— как собрать простую модель под любые нужды;
— как оптимизировать модель и дотащить до прода.
Чтобы пройти курс, нужно:
1) отправить заявку на этой странице;
2) иметь 2 часа свободного времени.
А после прохождения вы получите приглашение в закрытый чат с DS-экспертами Ozon.
Удачи!
🗣Как общаться с базой знаний на естественном языке с помощью LLM и объективно оценить работу полученной системы
В этой статье расскажу про особенности применения больших языковых моделей для оптимизации бизнес-процессов.
Читать...
😎Эффективные запросы к ChatGPT и подобным моделям: Полное руководство по идеальной формуле
В этой статье я расскажу вам о единственной формуле, которую нужно знать, чтобы мастерски составлять запросы (промты) к ChatGPT и получать точные и полезные результаты.
Читать...
🔍 Вакансия: Data Engineer / Web Scraper Specialist 🔍
Ищем специалиста по веб-скрейпингу и работе с API для автоматизированного сбора данных о компаниях из открытых источников.
Что нужно будет делать:
- Собирать данные о компаниях через *D7 Lead Finder* (API или скрейпинг).
- Использовать *Hunter.io, LinkedIn API, Google Custom Search* для дополнительного сбора и обработки информации.
- Очистка и верификация данных, сохранение в формате *CSV/Excel*.
Что ожидаем:
- Опыт в *Python, Selenium, Beautiful Soup/Scrapy*.
- Навыки работы с API и обработки больших объемов данных.
- Умение структурировать и анализировать данные.
по всем вопросам писать: @xandersob
🛡Защита LLM в разработке чат-ботов в корпоративной среде: как избежать утечек данных и других угроз
В этой статье расскажу про основные риски, связанные с использованием LLM в корпоративной среде, и способы от них защититься.
Читать...
🤩MIO: A Foundation Model on Multimodal Tokens
Новая базовая модель, построенную на многомодальных токенах, способную понимать и генерировать речь, текст, изображения и видео сквозным авторегрессивным способом.
Экспериментальные результаты показывают, что MIO демонстрирует конкурентоспособную, а в некоторых случаях и превосходящую производительность по сравнению с предыдущими двухмодальными базовыми линиями, базовыми линиями моделей any-to-any и даже базовыми линиями, специфичными для модальности.
Более того, MIO демонстрирует расширенные возможности, присущие его функции any-to-any, такие как чередующееся создание видеотекста, цепочка визуально-мысленных рассуждений, создание визуальных руководств, редактирование обучающих изображений и т. д.
🤗 Hugging Face
💾 Arxiv
📂 PDF
@Devsp — Подписаться
🤔Как оценить качество LLM модели
В этой статье мы представим общий обзор текущего состояния исследований оценок LLM, а также расскажем о некоторых опенсорсных реализациях в этой области.
Читать...
Привет! Это команда МТС. Мы запустили набор на 3 поток Школы аналитиков данных МТС!
Обучение проходит в онлайн-формате и длится 10 месяцев. Преподаватели — эксперты нашего центра Big Data. Вы научитесь писать на Python, прокачаетесь в математике, основах машинного обучения, ML Ops, Spark и прочих вещах, без которых не выйдет работать в Data Science. Также у студентов будет возможность попасть на стажировку в МТС.
Ждем тех, кто любит учиться, хочет попасть в комьюнити единомышленников, и, конечно, развиваться в анализе данных и ML.
Обучение бесплатное, но места ограничены - чтобы попасть, необходимо подать заявку до 20 октября и выполнить вступительное задание. Старт обучения - 7 ноября!
Подробности по ссылке, ждём тебя!
Реклама. Информация о рекламодателе.
