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

Red:Frontender's notes [ru]Rusia33 703 Tecnologías y Aplicaciones6 722...

📈 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 19 994 suscriptores, ocupando la posición 6 722 en la categoría Tecnologías y Aplicaciones y el puesto 33 703 en la región Rusia.

📊 Métricas de audiencia y dinámica

Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 19 994 suscriptores.

Según los últimos datos del 21 junio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -75, 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 8.29%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 3.70% de reacciones respecto al total de suscriptores.
Alcance de las publicaciones: Cada publicación recibe en promedio 1 658 visualizaciones. En el primer día suele acumular 740 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 22 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.

19 994

Suscriptores

-324 horas

-367 días

-7530 días

1 658

Visitas de la publicación

~ 74024 horas

~ 87348 horas

8.29%

Tasa de compromiso

~ 1

Mensajes por día

Ads index

beta

Archivo de publicaciones

19 993

📌 Как создать собственный язык программирования? Обсудим на бесплатном практическом уроке «Разработка своего языка программирования с помощью ANTLR» от OTUS. 💠 На вебинаре определим синтаксис и семантику Тьюринг-полного языка программирования и ответим на все интересующие вопросы. 💠 Занятие приурочено к старту курса «Математика для программистов» — мы объединили лучшие практики, после изучения которых вы сможете быстрее изучать новые языки программирования и фреймворки. Повышайте свою квалификацию для участия в больших проектах 👉 Регистрация: https://otus.pw/AoVS/?erid=LjN8Jzxfy Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

19 993

🏠 Яндекс открыл в Питере образовательное пространство Школы анализа данных ШАД продолжит готовить хардовых спецов в DS и ML на новой площадке. А также начнёт делиться экспертизой со всеми, кто хочет углубиться в технологии искусственного интеллекта и узнать больше о нейросетях. Преподаватели Школы и эксперты Яндекса будут проводить открытые лекции и воркшопы по ИИ, хакатоны по разработке и соревнования по МL. Также вместе со студентами Школы можно будет работать над учебными проектами в сфере DS, инфраструктуры больших данных и ИИ в прикладных науках: от прогнозирования биржевых котировок до сохранения краснокнижных животных с помощью нейросетей.

19 993

😍Архитектура современных приложений на основе LLM В этой статье мы рассмотрим пять наиболее важных этапов, который нужно пройти при разработке собственного приложения на основе LLM, формирующиеся общепринятые подходе к разработке таких приложений и предметные области, на которые стоит обратить внимание. Читать...

19 993

🧐Особенности прогнозирования продаж и оттока в условиях неопределенности В этой статье я опишу свой опыт построения модели прогнозирования продаж конвергентных продуктов (2019-2021), а также прогнозирования оттока мобильных абонентов в 2022 году. Читать...

19 993

📷Как нейросеть достопримечательности на фотокарточках распознавала В этой статье поговорим о том, как можно подойти к задаче распознавания достопримечательностей, используя нейросети и совсем чуть-чуть собственных догадок по этому поводу. Читать...

19 993

🤔Как появляются ресурсы для запуска проектов на базе машинного обучения В этой статье мы расскажем, откуда еще берутся ресурсы для запуска сложных моделей, как ИИ и облачные вычисления переплетаются между собой. Читать...

19 993

🧑‍💻Hadoop в любой непонятной ситуации. Как выжить кластеру в большой ML команде В этой статье поговорим о том, какие сложности могут возникать при работе с кластером Hadoop и какие есть методы для их решения. Читать...

19 993

Приходите подтягивать математику для собеседований на аналитика и специалиста по DS. На курсе Практикума — упор на практику: ◾️симулятор собеседований, ◾️больше 1000 практических задач, ◾️разбор теории на бизнес-кейсах. А ещё — учебник для людей, где мы объясняем сложное простым языком. → Начните с бесплатного вводного урока

19 993

👾Простая нейронная сеть без библиотек и матриц. Эволюционный алгоритм В этой статье поговорим про эволюционный/генетический алгоритм и заставим нейросеть балансировать мячи. Читать...

19 993

Дарим на Новый Год большой набор книг по Data Science Если кто не знал – Дед Мороз существует и обитает в нашей редакции. В честь праздника он выбрал 6 самых крутых книг по ML и DS и подарит их каждому из 5 счастливчиков, которых выберет бот. Для участия нужно подписаться на наши каналы @data_secrets и @xor_journal — и нажать сюда ➡️ «Участвовать». Итоги розыгрыша вы найдете 15 декабря в 19:00 в канале Data Secrets. С наступающим!

19 993

🦉Все, что нужно знать для разработки с использованием LLM В этой статье автор объяснить ключевые технологии, необходимые для начала разработки приложений на основе LLM. Читать...

19 993

💪GigaChat и русский жестовый язык В этой статье я расскажу о том, как моя команда Vision RnD разработала серию моделей SignFlow, обеспечивающих перевод жестового языка на русский и американский английский в реальном времени. Читать...

19 993

🧠Как мы обучили нейросеть создавать «разумные» протоколы совещаний В данной статье расскажем, как применили нейросетевые технологии для абстрактивной суммаризации, требующей минимальной доработки человеком. Читать...

19 993

🗓Использование Workalendar для определения календарных дней В этой статье решим задачу расчёта отклонений с помощью различных инструментов, в том числе с помощью библиотеки Workalendar, покажем преимущества её использования по сравнению с другими подходами и продемонстрируем доступный функционал. Читать...

19 993

😎Потоковая обработка данных с помощью Kafka Streams: архитектура и ключевые концепции В этой статье мы рассмотрим основные компоненты Kafka Streams и теоретические аспекты их использования. Читать...

19 993

👣Airflow в Kubernetes. Часть 2 В этой статье мы рассмотрим синхронизацию списка DAG с удаленным репозиторием, сохранение логов Worker, и настройку доступа из внешней сети для Webserver. Читать...

19 993

🏦Внутренние данные: топливо успеха в банковской индустрии, или Тайны загрузки данных, формирующих будущее инноваций В этой статье расскажем как их искать, зачем и куда подключать, как они могут быть полезны и какую подготовительную работу мы проводим, прежде чем подключить. Читать...

19 993

👤Лексикографический симплекс-метод В этой статье мы рассмотрим решение задачи линейного программирование симлекс-методом и лексикографическим симлекс-методом на Python. Читать...

19 993

Салют, GigaChat! Речевые технологии и большие языковые модели. Приглашаем ML-разработчиков и Data Science-специалистов на встречу с командами разработки продакшен GigaChat и речевых технологий. 📍 Онлайн / Офлайн в Москве 🗓 4 декабря в 18:00 (МСК, GMT+3) В программе: ✔ Григорий Лелейтнер — «Что мы улучшили в процессе pre-training LLM» ✔ Эмиль Шакиров и Никита Сидоров — «Наш путь в процессе Alignment для совершенства моделей глубокого обучения» ✔ Александр Максименко — «Speech-only Pre-training: обучение универсального аудиоэнкодера» ✔ Григорий Федоров — «Intended Query Detection: распознаем только нужные запросы» ✔ Гриша Стерлинг — «Как мы заставили модель синтеза речи 2023 года говорить лучше модели 2018 года» Участвуйте в дискуссиях с другими участниками митапа и задавайте вопросы спикерам во время докладов. Количество мест в офлайне ограничено. Для участия необходимо зарегистрироваться на сайте. Реклама. ПАО Сбербанк. ИНН 7707083893.