¡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 19 953 suscriptores, ocupando la posición 6 689 en la categoría Tecnologías y Aplicaciones y el puesto 33 686 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 19 953 suscriptores.
Según los últimos datos del 30 junio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -100, y en las últimas 24 horas de -4, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 6.71%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 4.02% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 1 340 visualizaciones. En el primer día suele acumular 803 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.
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 01 julio, 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.
19 953
Suscriptores
-424 horas
-387 días
-10030 días
Archivo de publicaciones
Машинное обучение поможет выращивать искусственные органы
Ученые из Московского физико-технического института совместно с коллегами из Института системного программирования и Института глазных исследований им. Чарльза Шепенса Гарвардской школы медицины (США) разработали нейросеть, способную распознавать ткани формирующейся сетчатки еще до ее окончательной дифференцировки. Для этого алгоритму, в отличие от человека, не требуется дополнительной модификации клеток. Это позволяет применять метод при выращивании сетчатки для пересадки. Результаты опубликованы в журнале Frontiers in Cellular Neuroscience.
Константы - GO язык.
#GO
Поскольку название CONSTANTS предполагает фиксированное значение, в языках программирования оно также одинаково, т. е, После определения значения константы его нельзя изменить дальше. Могут быть любые основные типы данных константы, такие как целочисленная константа, плавающая константа, символьная константа или строковый литерал.
В PwC предсказали введение налога на искусственный интеллект
Через десять лет в России могут ввести налог на технологию искусственного интеллекта, считают эксперты. Это поможет блокировать создание общественно опасных ИТ-решений, но увеличит затраты разработчиков
К 2030 году в России может появиться налог или лицензия на искусственный интеллект. К такому выводу пришли руководители и менеджеры из ИТ-индустрии, опрошенные компаниями PricewaterhouseCoopers (PwC) в России, IDC, КРОК и нетворкинг-платформой Digital Leader. В опросе приняли участие 160 менеджеров ИТ-компаний, консалтинга, подразделений, занимающихся внедрением и разработкой инноваций, а также цифровой трансформацией.
kotlin-получить части коллекции
#kotlin
Kotlin предоставляет функции расширения для извлечения частей коллекции. Функция-член, определенная вне класса, называется функцией расширения . Эти функции расширения могут предоставлять различные способы выбора различных элементов из списка.
Четыре функции расширения:
Только полная удаленка для технических специалистов в it. Бэк, фронт, бигдата, управление проектами, тестировщики. 3-4 вакансии в день отбираются в ручную. Никакого "после карантина", удаленка "форэва".
@remoteit
Дата-сайентист или дата-аналитик: какая из этих профессий вам больше подходит?
Мэтт Пржибыла поработал и дата-аналитиком, и дата-сайентистом, поэтому он хорошо понимает разницу между этими профессиями. Чтобы понять, какая из них лучше подходит именно вам, важно представлять, с какими задачами вам предстоит столкнуться.
У каждой из этих профессий есть свои особенности, которые могут иметь большое значение при выборе карьерного пути.
Kotlin-тип преобразования
#kotlin
Преобразование типов (также называемое приведением типов) относится к изменению сущности одной переменной типа данных в другой тип данных.
Как мы знаем, Java поддерживает неявное преобразование типов из меньшего в больший тип данных. Целочисленное значение может быть присвоено длинному типу данных.
Например:
ИИ-система для судна сильно сократит его выбросы CO2
Исследователи из Университета Саутгемптона в Великобритании разработали новую цифровую ИИ-систему для морских судов. Как сообщает новостной портал университета, она позволяет сэкономить более 250 тыс тонн выбросов CO2.
Приложение создано на базе алгоритмов искусственного интеллекта (ИИ) и встраивается в приборную панель. Система получила название Just Add Water (JAWS). JAWS способна анализировать и интерпретировать информацию для оптимизации количества необходимого топлива и энергии в каждой конкретной ситуации.
Система собирает и обрабатывает большой массив данных о текущем угле наклона, глубине просадки судна, уровне загрязненности и прочих характеристиках, от которых зависит уровень энергопотребления.
“Благодаря алгоритмам машинного обучения теперь можно анализировать исторические данные как о текущих, так и о предыдущих рейсах морских судов и с высокой точностью прогнозировать будущий уровень потребления энергии”, – рассказывает автор методологии аспирант Эми Паркс.
“Как только технология получит дальнейшее развитие, мы планируем автоматизировать процесс адаптации работы судна к текущим условиям для автономного повышения энергоэффективности”, – пояснила Паркс.
ИИ-система уже работает на нескольких судах
Первый запуск JAWS был произведен на флоте, состоящем из более чем дюжины 300-метровых судов. Они перевозили сжиженный природный газ в течение 12 месяцев.
Благодаря ИИ-системе удалось предотвратить выбросы углекислого газа в объеме 250 тыс тонн. Это эквивалентно экономии топлива в 90 млн долларов.
Будущее рядом — освой профессию Data Scientist
Раньше мы с огромным интересом смотрели фильмы про искусственный интеллект и гадали, как же это пришло в голову сценаристам и режиссёрам, ведь так не бывает.
Но в реалиях настоящей жизни искусственный интеллект — это не фантазии американских сценаристов-выдумщиков. Это реальность, которая стремительно врывается в нашу жизнь. Но с одной поправкой. Незаменимый помощник Data Scientist — специалист по машинному обучению, который выбирает архитектуру и обучающие алгоритмы, для работы с этими данными.
И у тебя как раз есть шанс стать тем самым незаменимым специалистом благодаря курсу от Skillbox «Профессия Data Scientist».
На курсе тебе предстоит научиться очень многим интересным вещам: от программирования на Python и визуализации данных до программирования на R и применения нейронных сетей для решения реальных задач.
Skillbox даёт возможность сначала уделить время обучению, а заботы с оплатой можно отложить на полгода.
После прохождения курса не стоит переживать о том, где найти работу. Эти заботы берут на себя опытные HR-специалисты.
Открой мир будущего — переходи по ссылке ▶️ https://clc.am/YCvnbA и бронируй место на курсе со скидкой 40%.
Через пять лет операторов колл-центров заменят роботы
Большинство сотрудников российских колл-центров готовы к тому, что через несколько лет их заменит искусственный интеллект, однако эксперты считают, что с некоторыми задачами под силу справиться только человеку.
Исследование IT-проекта в области машинного обучения Neuro.net показало, что 63% специалистов колл-центров считают, что искусственный интеллект (ИИ) сможет выполнять их профессиональные обязанности хотя бы частично. Еще 13% уверены, что автоматическая голосовая система сможет заменить их полностью. И произойдет это уже в ближайшие 5–10 лет.
«Подобные события [опыт карантина в период пандемии] лишний раз доказывают, что многие рабочие процессы могут и должны быть переданы искусственному интеллекту. Мы надеемся, что рутинные задачи скоро полностью перейдут к ИИ», — рассказал «Известиям» сооснователь Neuro.net Александр Кузнецов.
При этом заведующий лабораторией машинного интеллекта МФТИ, профессор РАН Константин Воронцов подчеркнул в беседе с изданием, что роботизация не случится в один момент.
«Будет постепенное внедрение технологий в разные сферы бизнеса и производства. Также шаг за шагом специалисты станут осознавать, какие задачи стоит автоматизировать, а какие — оставить людям», — добавил он.
По словам Воронцова, есть масса областей, где необходимо живое человеческое общение и эмпатия, например, медицина, образование, сфера услуг и ряд других.
Написание комментариев в Go
#GO
Комментарии — это строки компьютерных программ, которые игнорируются компиляторами и интерпретаторами. Добавление комментариев в программы делает код более удобным для чтения людьми, поскольку комментарии обычно содержат информацию или разъяснение того, что делает каждая часть программы.
В зависимости от назначения программы, комментарии можно использовать в качестве заметок или напоминаний или составлять их для других программистов, чтобы они могли понять, что делает ваш код.
Комментарии полезно использовать во время написания или обновления программы, поскольку вы можете легко забыть, о чем думали в определенный момент, а написанные впоследствии комментарии могут упускать что-то из виду.
Вложенные циклы
#GO
В Go циклы можно вкладывать друг в друга, как и в других языках программирования. Вложенность — это размещение одного конструкта внутри другого. В данном случае вложенный цикл — это цикл, который работает внутри другого цикла. Это может быть полезно, когда вы хотите выполнять цикличное действие для каждого элемента набора данных.
Вложенные циклы структурно похожи на вложенные операторы
if. Они построены следующим образом:Робот Эрика сыграет главную роль в фильме c бюджетом $70 млн
Пока актеры во время пандемии были вынуждены находиться по домам их место в кинобизнесе заняли роботы с искусственным интеллектом. В Японии главную роль в научно-фантастическом боевике получила гуманоид Эрика. По сюжету картины, ученый, который работал над улучшением ДНК человека, решил, что проект будет опасен для людей и решил сбежать из тайной лаборатории вместе с Эрикой.
Снимать картину намерены с голливудским размахом. Ее бюджет составит порядка 70 миллионов долларов. Сейчас идут поиски режиссера и человека-актера. Продюсеры уже сняли несколько сцен фильма еще в прошлом году и теперь намерены продолжить съемочный процесс в Европе. Завершить работу на лентой планируется к июню 2021 года.
Изначально об актерской карьере Эрики даже речи не было. Задачей ученых было просто создать автономного говорящего робота. Было это в 2015 году. “Родители” Эрики – инженеры Хироси Исигуро и Кохей Огава – научили свою “дочь” поддерживать беседу с людьми, считывать их эмоции и менять выражение лица в ответ. После этого робота заметили на телевидении и в театре. Эрика уже исполнила несколько ролей в постановках японских режиссеров и попробовала себя в качестве ведущей новостей.
Примеры машинного обучения в медицине: диагностика и роботизированные операции
Улучшение клиентского сервиса. Чем быстрее в клинике проходит процесс регистрации на прием, тем меньше очереди, удобнее работать врачам и лояльнее пациенты.
Прохождение циклом по последовательным типам данных с помощью RangeClause
#GO
В Go часто используются циклы
for для прохождения по элементам последовательных типов данных или коллекций, например, срезов, массивов и строк. Чтобы облегчить этот процесс, мы можем использовать цикл for с синтаксисом RangeClause. Хотя вы можете пройтись по последовательным типам данных с помощью синтаксиса ForClause, RangeClause понятнее и его удобнее читать.
Прежде чем переходить к использованию RangeClause, давайте рассмотрим, как мы можем пройтись по элементам среза с помощью синтаксиса ForClause:Объявление цикла ForClause и циклов с условием
#GO
Чтобы учесть самые разные случаи использования, существует три разных способа создания циклов
for в Go, каждый из которых имеет свои возможности. Вы можете создать цикл for с условием, ForClause и RangeClause. В этом разделе мы расскажем, как объявлять и использовать ForClause и цикл с условием.
Давайте посмотрим, как мы можем использовать цикл for с ForClause.
Цикл ForClause определяется как цикл с инициирующим оператором, за которым следует условие и пост-оператор. Они имеют следующий синтаксис:Машинное обучение в финансах: оценка рисков и борьба с мошенничеством
Оценка кредитоспособности. Обычно в банках кредитоспособность клиента оценивают менеджеры. Сотрудники тратят на оценку много времени и часто ошибаются — отклоняют кредиты тем, кто мог бы их платить, и выдают неплатежеспособным.
Алгоритм можно научить оценивать кредитоспособность клиентов банка. Для этого в него загружают информацию о ранее выданных кредитах: выплачены они или нет, были ли просрочки или досрочное погашение. Все это помогает банку автоматизировать выдачу кредитов.
Например, Сбербанк создал «Кредитную фабрику» — систему, которая позволяет принимать решения о кредитоспособности клиента за несколько минут. В 2020 году банк запустил такую фабрику и для юридических лиц — она помогает принимать решения по кредитам для бизнеса за 7 минут. Сейчас 98% кредитов физлицам и 20% кредитов малому и среднему бизнесу выдают автоматически, что экономит миллиарды долларов.
Борьба с мошенничеством. Банки и их клиенты регулярно теряют деньги из-за мошеннических операций. Распознавать такие операции помогает машинное обучение — специальные алгоритмы учатся выявлять признаки мошеннических операций и вовремя их блокировать.
Примеры машинного обучения для предотвращения мошенничества есть у многих банков. Например, Сбербанк использует ИИ для блокировки подозрительных операций, а недавно поймал с его помощью мошенника. Зарубежный Danske Bank снизил процент ложных обвинений в мошенничестве на 60%.
Что программисты ценят больше денег. 9 пунктов
Есть факторы, которые важнее денег. И они сильно влияют на мотивацию. Если работодатель их не обеспечивает, может возникнут ложное ощущение об ошибочно-выбранной профессии. А на самом деле надо просто поменять условия труда. Расскажем о них подробнее.
Машинное обучение в промышленности: управление производством, минимизация простоев и аварий
Минимизация простоев на производстве. Простои из-за поломок, сбоев или нехватки сырья могут стоить заводу миллионы долларов. Машинное обучение помогает их предотвратить. Для этого с датчиков на оборудовании собирают данные, а потом смотрят, при каких показателях возникают сбои. В будущем с помощью этой информации можно предсказать, когда и почему случится простой, как его избежать.
Обмануть систему распознавания лиц — легко
Новый инструмент конфиденциальности Fawkes сделает ваши фотографии менее узнаваемыми системами искусственного интеллекта, но вы даже не заметите разницы.
Повсеместное внедрение систем распознавания лиц начало приводить к появлению программ, обманывающих искусственные интеллекты. Это закон равенства действия и противодействия — третий закон Ньютона, который вполне применим и к социальной сфере.
Мысль о том, что фотографии, которыми мы делимся, собираются компаниями для обучения алгоритмов ИИ — не самая приятная. Но все мы так или иначе попадаем в базы. Сегодня можно купить доступ к одной из них, сфотографировать незнакомого человека и узнать все о нем за считанные секунды.
Например, фирма Clearview AI, занимающаяся распознаванием лиц, заверяет, что собрала около трех миллиардов снимков лиц с таких сайтов, как Facebook, YouTube и Venmo, которые используются для идентификации незнакомцев. Как не бороться с таким безобразием?
Поэтому был разработан специальный инструмент под названием Fawkes, созданный учеными из лаборатории SAND Sands университета Чикаго. В ней тоже используется искусственный интеллект, но он на нашей стороне. Тонко и почти неуловимо ИИ вносит коррективы в снимки, обманывая тем самым системы распознавания лиц.
Метод работы программного обеспечения нельзя назвать простым. Использование инструмента не сделает вас невидимым для систем распознавания лиц. Но программное обеспечение внесет незначительные изменения в ваши снимки, благодаря чему алгоритм сканирования изображений будет определять вас как совершенно другого человека. Это словно добавление невидимой маски.
По словам разработчиков Fawkes, эффективность программы составляет 100% и она легко обманывает современные сервисы распознавания лиц от Microsoft (Azure Face), Amazon (Rekognition) и Face ++ от китайской Megvii.
Попробуйте рассмотреть изменения сами. Слева представлены фото до обработки, а справа — после:
