¡Ya disponible! Investigación de Telegram 2025 — los principales insights del año 
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 41 895 suscriptores, ocupando la posición 3 241 en la categoría Tecnologías y Aplicaciones y el puesto 15 299 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 41 895 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 -32, y en las últimas 24 horas de -12, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 8.85%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 2.90% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 3 709 visualizaciones. En el primer día suele acumular 1 213 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 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.
41 895
Suscriptores
-1224 horas
-157 días
-3230 días
Archivo de publicaciones
41 895
❓ Как мощные алгоритмы матричных разложений применяются в рекомендательных системах?
Расскажем на открытом уроке «SVD и ALS на службе рекомендательных систем», посвященному курсу Machine Learning. Advanced
✅ Изучим и применим на практике такие методы как SVD и ALS для построения рекомендательных систем
👉 Регистрация и подробности: https://otus.pw/c5hz/?erid=2W5zFK7DzBz
Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.
41 895
Strong law of large numbers for a branching random walk among Bernoulli traps
📕 Статья
@datascienceiot
41 895
Приглашаем на открытый урок «Инструменты обратного тестирования торговых стратегий» от Otus
Рассмотрим базовую методику и рассмотрим основные библиотеки для проведения обратного тестирования торговых стратегий.
✅ Практика: тест простой торговой стратегии
Оставляйте заявку на курс «ML для финансового анализа» и создайте торгового робота для автоматического проведения операций с оценкой уровня риска
👉 Регистрация на урок и подробности:
https://otus.pw/dIEW/?erid=2W5zFJC4rs2
#реклама
О рекламодателе
41 895
Implementing A Byte Pair Encoding (BPE) Tokenizer From Scratch
📕 Article
@datascienceiot
41 895
Repost from Machinelearning
🖥 Только что Google опубликовали один из лучших официальных гайдов по ИИ-агентам. И его действительно стоит прочитать.
В нем содержится все, что вам нужно знать:
> Описание агентов, компонентов и когнитивных архитектур.
> Разобраны инструменты по работе с агентами: расширения, написании функций и хранилища данных.
> Описываются методы обучения для повышения производительности агентов.
> Описываются методы создания агентов с использованием LangChain и LangGraph
▪ Читать гайд
@ai_machinelearning_big_data
#aiagents #ai #llm #ml #machinelearning
41 895
Mathematicians and physicists alike will jump on this Representation theory primer by Etingof, Hensel, Golberg++
📕 Paper
@datascienceiot
41 895
Приглашаем вас на открытый вебинар: «Как увеличить число обнаружений YOLO?» OTUS.RU
📚На вебинаре вы узнаете на практике:
+Необходимые нюансы с библиотекой по работе с YOLO моделями
+Как увеличивать чисто детекций и инстанс сегментаций с использованием патчевых подходов инференса
+Что нужно для запуска на видеопотоке нейронной сети в базовом и патчевом режиме
+Теорию патчевых методов обработки
🚀В результате вебинара вы научитесь:
-Работать с нейронной сетю на изображениях и видео в базовом и патчевом подходе
-Автопатчингу и сможете его применить для увеличения числа детекций
*а также познакомитесь с библиотекой patched_yolo_infer
Участники вебинара получат скидку🎁 на курс «Компьютерное зрение»
👉Регистрируйтесь по ссылке: OTUS.RU
Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576
#реклама
О рекламодателе
41 895
"Fundamentals of Linear Algebra" by James B. Carrell
Link: personal.math.ubc.ca/~carrell/NB.pdf
41 895
+4
📚 Новогодние праздники продолжаются и пришло время провести крутой розыгрыш.
На этот раз мы разыграем целых 3 места на наших курсах и целую коллекцию актуальных книг для изучения и погружения в машинное обучение и python.
Условия просты:
• подписаться на Pythonl
• подписаться на Поступашки
Победители рандомно получат доступы к курсам или одну из книг, которые перечислены ниже:
— System Design. Машинное обучение. Подготовка к сложному интервью | Сюй Алекс
— Алгебра, топология, дифференциальное исчисление и теория оптимизации для компьютерных наук и машинного обучения
— Глубокое обучение Курвилль Аарон, Гудфеллоу Ян
— Как быть успешным в Data Science.
— Все, что нужно, чтобы понимать математику в одном толстом конспекте
Итоги подведем при помощи бота, который рандомно выберет победителя. Всем удачи ❤️
• подписаться на Pythonl
• подписаться на Поступашки
#Конкурс
41 895
Lecture Notes on Principal Component Analysis by Laurenz Wiskott
📕 lectures
@datascienceiot
41 895
🤖 Искусственный интеллект уже давно перестал быть чем-то фантастическим. Сегодня он окружает нас повсюду: начиная от голосовых помощников в смартфонах и заканчивая сложными системами машинного обучения, управляющими финансовыми рынками. Сейчас ИИ помогает решать самые разные задачи — например, повышать релевантность поисковой выдачи.
Так, Авито представил новую версию поиска, которая позволит в два раза сократить количество неподходящих предложений в поисковой выдаче. Этого удалось достичь с помощью собственной технологии ранжирования — Avito Ranker 3.
Теперь вместо того, чтобы полагаться исключительно на время размещения объявления, система уделяет внимание качеству контента, цене товара и уровню сервиса продавца, отметил старший директор Авито по продукту Иван Зимин.
Эти изменения привели к повышению релевантности поисковых результатов на 25%, что означает, что пользователи получают именно те предложения, которые им действительно интересны. Алгоритмы Авито анализируют более 100 различных параметров, включая персональные предпочтения покупателя, рейтинг и отзывы продавцов, конкурентоспособность цен и удаленность продавца от покупателя.
41 895
Repost from Машиннное обучение | Наука о данных Библиотека
⚡️ Scala for machine learning
📕 Книга
@machinelearning_books
