Data Science
Ir al canal en Telegram
DS По всем вопросам- @haarrp @ai_machinelearning_big_data - machine learning @pythonl - Python @itchannels_telegram - 🔥 best it channels @ArtificialIntelligencedl - AI @pythonlbooks-📚 @programming_books_it -📚 Реестр РКН: https://clck.ru/3Fk3zS
Mostrar más
📈 Análisis del canal de Telegram Data Science
El canal Data Science (@datascienceiot) es un actor destacado. Actualmente la comunidad reúne a 42 411 suscriptores, ocupando la posición 3 178 en la categoría Tecnologías y Aplicaciones y el puesto 14 813 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 42 411 suscriptores.
Según los últimos datos del 14 noviembre, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -93, 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 7.19%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 2.62% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 3 050 visualizaciones. En el primer día suele acumular 1 111 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 0.
- Intereses temáticos: El contenido se centra en temas clave como llm, агентов, api, октября, разработчиков.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“DS
По всем вопросам- @haarrp
@ai_machinelearning_big_data - machine learning
@pythonl - Python
@itchannels_telegram - 🔥 best it channels
@ArtificialIntelligencedl - AI
@pythonlbooks-📚
@programming_books_it -📚
Реестр РКН: https://clck.ru/3...”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 15 noviembre, 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.
42 411
Suscriptores
-424 horas
-1027 días
-9330 días
Cargando datos
Canales Similares
![Data Science | Machinelearning [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1dVo3O%2F5217464346798572541%3Fty%3Dx&w=96&q=75){kind=small}
Nube de Etiquetas
Menciones Entrantes y Salientes
---
---
---
---
---
---
Atraer Suscriptores
noviembre '26nov '26
noviembre '26
+23
en 2 canales
octubre '26
+264
en 3 canales
Get PRO
septiembre '26
+284
en 1 canales
Get PRO
agosto '26
+486
en 2 canales
Get PRO
julio '26
+594
en 3 canales
Get PRO
junio '26
+156
en 2 canales
Get PRO
mayo '26
+183
en 2 canales
Get PRO
abril '26
+170
en 4 canales
Get PRO
marzo '26
+338
en 2 canales
Get PRO
febrero '26
+499
en 2 canales
Get PRO
enero '26
+687
en 0 canales
Get PRO
diciembre '25
+380
en 2 canales
Get PRO
noviembre '25
+530
en 2 canales
Get PRO
octubre '25
+374
en 1 canales
Get PRO
septiembre '25
+587
en 7 canales
Get PRO
agosto '25
+609
en 1 canales
Get PRO
julio '25
+750
en 3 canales
Get PRO
junio '25
+525
en 1 canales
Get PRO
mayo '25
+454
en 3 canales
Get PRO
abril '25
+560
en 11 canales
Get PRO
marzo '25
+573
en 4 canales
Get PRO
febrero '25
+545
en 7 canales
Get PRO
enero '25
+842
en 20 canales
Get PRO
diciembre '24
+848
en 5 canales
Get PRO
noviembre '24
+1 777
en 32 canales
Get PRO
octubre '24
+1 710
en 6 canales
Get PRO
septiembre '24
+1 402
en 7 canales
Get PRO
agosto '24
+1 164
en 4 canales
Get PRO
julio '24
+1 033
en 7 canales
Get PRO
junio '24
+1 066
en 7 canales
Get PRO
mayo '24
+1 000
en 37 canales
Get PRO
abril '24
+935
en 45 canales
Get PRO
marzo '24
+1 187
en 22 canales
Get PRO
febrero '24
+1 142
en 3 canales
Get PRO
enero '24
+1 230
en 45 canales
Get PRO
diciembre '23
+687
en 42 canales
Get PRO
noviembre '23
+382
en 3 canales
Get PRO
octubre '23
+1 012
en 20 canales
Get PRO
septiembre '23
+872
en 0 canales
Get PRO
agosto '23
+747
en 0 canales
Get PRO
julio '23
+560
en 0 canales
Get PRO
junio '23
+865
en 0 canales
Get PRO
mayo '23
+1 528
en 0 canales
Get PRO
abril '23
+363
en 0 canales
Get PRO
marzo '23
+417
en 0 canales
Get PRO
febrero '23
+423
en 0 canales
Get PRO
enero '23
+472
en 0 canales
Get PRO
diciembre '22
+770
en 0 canales
Get PRO
noviembre '22
+380
en 0 canales
Get PRO
octubre '22
+534
en 0 canales
Get PRO
septiembre '22
+578
en 0 canales
Get PRO
agosto '22
+1 100
en 0 canales
Get PRO
julio '22
+464
en 0 canales
Get PRO
junio '22
+366
en 0 canales
Get PRO
mayo '22
+403
en 0 canales
Get PRO
abril '22
+514
en 0 canales
Get PRO
marzo '22
+462
en 0 canales
Get PRO
febrero '22
+304
en 0 canales
Get PRO
enero '22
+400
en 0 canales
Get PRO
diciembre '21
+287
en 0 canales
Get PRO
noviembre '21
+224
en 0 canales
Get PRO
octubre '21
+1 533
en 0 canales
Get PRO
septiembre '21
+382
en 0 canales
Get PRO
agosto '21
+412
en 0 canales
Get PRO
julio '21
+507
en 0 canales
Get PRO
junio '21
+611
en 0 canales
Get PRO
mayo '21
+555
en 0 canales
Get PRO
abril '21
+404
en 0 canales
Get PRO
marzo '21
+456
en 0 canales
Get PRO
febrero '21
+411
en 0 canales
Get PRO
enero '21
+729
en 0 canales
Get PRO
diciembre '20
+10 299
en 0 canales
| Fecha | Crecimiento de Suscriptores | Menciones | Canales | |
| 15 noviembre | 0 | |||
| 14 noviembre | +3 | |||
| 13 noviembre | 0 | |||
| 12 noviembre | +1 | |||
| 11 noviembre | 0 | |||
| 10 noviembre | +4 | |||
| 09 noviembre | +6 | |||
| 08 noviembre | +1 | |||
| 07 noviembre | +1 | |||
| 06 noviembre | 0 | |||
| 05 noviembre | +2 | |||
| 04 noviembre | +2 | |||
| 03 noviembre | 0 | |||
| 02 noviembre | +1 | |||
| 01 noviembre | +2 |
Publicaciones del Canal
AI Isn’t Getting Dumber, We’re Getting Pickier: Rising Standards in Human Evaluation of Large Language Models
📓 Read
@datascienceiot
| 2 | 📊 AI VK Research придумали, как точнее предсказывать интерес к контенту
Метод называется HEGM (Hierarchical Exponential-Gaussian Mixture). Модель предсказывает распределение возможных сценариев: пролистают сразу, посмотрят частично, досмотрят до конца или пересмотрят.
Что дало на практике:
— в VK Клипах число роликов за один заход выросло на 10%
— досмотры (>10 сек) +6%
— дизлайки −8,3%
Проверяли на KuaiRec, VK-LSVD и внутреннем датасете из 282 млн обезличенных взаимодействий. По качеству ранжирования HEGM обошёл протестированные альтернативы.
Зачем это нужно: подход переносится на музыку (пропуски vs полное прослушивание), рекламу (длительность просмотра) и e-commerce (время изучения карточки). Одна модель — несколько метрик интереса, без перестройки архитектуры рекомендательной системы.
Код уже открыт на GitHub. Читаем подробнее тут. | 1 390 |
| 3 |  Recurrent Harness for Agentic Continual Learning
📓 Read
@datascienceiot | 1 353 |
| 4 |  Приглашаем на митап для ML-разработчиков и дата-сайентистов 🥰
Как использовать LLM и агентов в поиске, чтобы точнее понимать запросы пользователей и повышать релевантность результатов?
19 ноября обсудим выбор моделей, оценку качества и работу таких систем в проде.
🔴 Борис Коварский, hh.ru — Агентный поиск в рекрутинге: опыт hh
🔴 Виктор Реушкин, hh.ru — Как устроен диалоговый поиск вакансий на hh
🤩 Алексей Казаков, Циан — LLM и энкодерные модели для поиска. Опыт развития подходов в поиске недвижимости
Дата и время: 19 ноября в 19:00 мск
Очно: Москва, офис hh
Онлайн: будет трансляция в VK и YouTube для тех, кто не сможет прийти в офис
После докладов можно будет пообщаться с коллегами — подготовим вкусную еду и напитки 🍕
Регистрируйтесь → участие бесплатное 🥹
#реклама
О рекламодателе | 1 304 |
| 5 |  New Carnegie Mellon and JetBrains paper finds that token spend shows how much engineers use AI agents, not how much they ship.
📓 Read
@datascienceiot | 1 632 |
| 6 |  Claude решил задачу по физике чёрных дыр, которую не могли закрыть около 20 лет
Anthropic опубликовала исследование, в котором внутренняя исследовательская модель Claude получила новый результат в теоретической физике.
Работа посвящена переходу Хокинга - Пейджа. Это фазовый переход, связанный с термодинамикой чёрных дыр в пространстве анти-де Ситтера (AdS).
Исследователей интересовал вопрос: сохраняется ли этот переход при слабой связи, когда классическое геометрическое описание уже неприменимо?
Для ответа требовалось вычислить коэффициент, который впервые появляется на трёх петлях в теории возмущений. По словам авторов, этот коэффициент не удавалось вычислить примерно два десятилетия.
Claude получила значение:
b = −1,48 × 10⁻³ λ²
Отрицательный знак коэффициента показывает, что переход остаётся переходом первого рода. Он происходит немного ниже температуры Хагедорна.
Особенно интересна организация работы. Физик поставил задачу внутренней исследовательской модели Anthropic, после чего проверил результат на нескольких известных частных случаях. Отдельный запуск Claude с использованием другого метода независимо получил то же значение.
Позднее Anthropic связала эту внутреннюю модель с Claude Fable 5.2.
Это ещё один пример того, как современные языковые модели начинают участвовать в исследованиях на уровне сложных математических вычислений и теоретической физики.
При этом работа пока не прошла независимое научное рецензирование. Результат требует проверки со стороны физического сообщества.
📓 Read
@datascienceiot | 2 365 |
| 7 | 1 | 1 |
| 8 |  🔍 Открытое ML-собеседование с техлидом Яндекса|
12 ноября, 19:00 мск
Приходи онлайн посмотреть, как проходит техническое интервью на ML-инженера, и попробуй ответить на вопросы вместе с кандидатом
Как всё будет проходить:
📂 Интервьюер: Любовь Чубарова, техлид в Яндексе (RnD Alice AI), одна из первых сотрудниц YandexArt, преподаватель ВШЭ, экс-руководитель аналитики Центра ИИ Сколтеха. В роли кандидата – инженер-доброволец
📂 Никакого сценария: Любовь задаст вопросы и предложит задачи, которые использует на технических интервью. Кандидат не будет знать их заранее
📂 В конце эфира Любовь ответит на вопросы участников
Участие бесплатное!
Эфир проходит в рамках менторской программы ШОРТКАТ для айтишников, которые хотят сменить работу, вырасти в грейде и зарплате или прокачать технические навыки
Переходи в бота, чтобы получить ссылку на эфир → @shortcut_ml_bot
Реклама.
О рекламодателе. | 2 058 |
| 9 |  Yoshua Bengio and collaborators just released a goldmine 182-page survey on mechanistic interpretability!
"Understanding AI from the Inside"
📓 Read
@datascienceiot | 1 987 |
| 10 |  A Circuit for In-Context Learning
📓 Read
@datascienceiot | 2 893 |
| 11 |  Алгоритм знает, где вы будете 7-го ноября 😎
RecSys-митап в Москве для тех, кто уже строит рекомендательные системы и хочет делать это еще лучше.
В программе — доклады от топовых экспертов Сбера с разбором кейсов, свежих подходов и неочевидных решений.
После официальной части — нетворкинг. Время в узком кругу профессионалов и сообщества Зеленый RecSys.
Участие бесплатное, но количество мест ограничено.
Москва. Суббота. 7 ноября. RecSys!
➡️ регистрируйтесь | 2 723 |
| 12 |  Mistral Large 4
📓 Read
@datascienceiot | 2 750 |
| 13 |  "Large Flow Language Models"
What if we could turn existing LLMs into diffusionLMs that generate multiple tokens in parallel without losing accuracy?
📓 Read
@datascienceiot | 3 829 |
| 14 |  Бесплатная книга о больших языковых моделях – 315 страниц от предобучения до рассуждений.
Foundations of Large Language Models Тун Сяо и Цзинбо Чжу системно объясняет, как устроены LLM, как их обучают и применяют.
Внутри шесть основных тем:
- Предобучение: задачи обучения и архитектуры моделей.
- Генеративные модели: Transformer, подготовка данных, масштабирование и длинный контекст.
- Промптинг: обучение на примерах в контексте, декомпозиция задач, RAG и инструменты.
- Выравнивание: обучение выполнению инструкций и использование человеческой обратной связи.
- Инференс: декодирование, ускорение и дополнительные вычисления во время генерации.
- Рассуждения: методы улучшения способности решать сложные задачи.
Авторы делают акцент на фундаментальных принципах. Материал подойдёт студентам, разработчикам и ML-инженерам, которым хочется связать отдельные знания о LLM в целостную картину.
Книга на английском. Базовые знания машинного обучения и нейросетей помогут при чтении.
Скачать PDF бесплатно:
https://arxiv.org/pdf/2501.09223 | 3 556 |
| 15 |  Working with Agentic `Teammates': When a New Organizational Actor Collides with the Human Ecosystem of Work
📓 Read
@datascienceiot | 2 748 |
| 16 |  The Geometry of Agent Memory: Forecasting Retrieval-Bound Memory Failures, and Characterizing Its Limits
📓 Read
@datascienceiot | 3 034 |
| 17 |  At the Limits of Computability: Steps Towards Autonomous AI Discovery on the Busy Beaver Frontier
📓 Read
@datascienceiot | 3 096 |
| 18 |  Patch the Planet: global response coordination as agents uncover critical vulnerabilities
https://openai.com/index/coordinated-disclosure-of-critical-vulnerabilities/ | 3 207 |
| 19 | Зачем готовиться к собеседованию вслепую, если можно заранее посмотреть, какие будут вопросы и задачи?
Ребята из Поступашек уже 6 лет собирают реальные задания и разборы собеседований в BigTech. Там можно найти не только сами вопросы, но и разборы технических секций, критерии оценки и рекомендации по подготовке.
Собрали подборку полезных материалов под разные направления:
➡️ Аналитикам:
— Собеседования на продуктового и бизнес-аналитика в Т-Банке 🟨
— Что спрашивают по A/B-тестированию в X5 🌿 , разбор собес на DS в Яндекс 🟥
➡️ Разработчикам:
— Go и System Design в Ozon 🔵, GO в Авито😎
— Банк алгоритмических собеседований из BigTech
➡️ ML/AI-инженерам:
— Все вопросы на ML-собеседование в Яндексе 🟥 и ML в Авито 😎
— 10 кейсов по ML System Design в Т-Банке 🟨
➡️ Тем, кто ищет первую стажировку:
— Как получить стажировку в 2026 году
— Где взять опыт, если его нет
В Поступашках регулярно выходят новые разборы собеседований, карьерные гайды, стажировки и инсайды о найме в BigTech.
Лучше увидеть эти вопросы до собеседования, чем узнать о них после отказа
ПОСТУПАШКИ ПОДПИСАТЬСЯ | 2 437 |
| 20 |  The World Won't Wait: Evaluating and Teaching Agents Under a Live Clock
📓 Read
@datascienceiot | 3 442 |
