Data science/ML/AI
Ir al canal en Telegram
Data science and machine learning hub Python, SQL, stats, ML, deep learning, projects, PDFs, roadmaps and AI resources. For beginners, data scientists and ML engineers 👉 https://rebrand.ly/bigdatachannels DMCA: @disclosure_bds Contact: @mldatascientist
Mostrar más
Red:📈 Análisis del canal de Telegram Data science/ML/AI
El canal Data science/ML/AI (@datascience_bds) en el segmento lingüístico de Inglés es un actor destacado. Actualmente la comunidad reúne a 14 064 suscriptores, ocupando la posición 9 052 en la categoría Tecnologías y Aplicaciones y el puesto 28 197 en la región India.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 14 064 suscriptores.
Según los últimos datos del 25 octubre, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de 97, 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 8.86%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 2.13% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 1 246 visualizaciones. En el primer día suele acumular 300 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 3.
- Intereses temáticos: El contenido se centra en temas clave como panda, learning, row, api, ethic.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“Data science and machine learning hub
Python, SQL, stats, ML, deep learning, projects, PDFs, roadmaps and AI resources.
For beginners, data scientists and ML engineers
👉 https://rebrand.ly/bigdatachannels
DMCA: @disclosure_bds
Contact: @mldatasci...”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 26 octubre, 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.
14 064
Suscriptores
+424 horas
+67 días
+9730 días
Cargando datos
Canales Similares
Nube de Etiquetas
Menciones Entrantes y Salientes
---
---
---
---
---
---
Atraer Suscriptores
octubre '26oct '26
octubre '26
+122
en 1 canales
septiembre '26
+143
en 0 canales
Get PRO
agosto '26
+168
en 1 canales
Get PRO
julio '26
+119
en 0 canales
Get PRO
junio '26
+199
en 1 canales
Get PRO
mayo '26
+177
en 0 canales
Get PRO
abril '26
+277
en 1 canales
Get PRO
marzo '26
+138
en 1 canales
Get PRO
febrero '26
+175
en 0 canales
Get PRO
enero '26
+171
en 11 canales
Get PRO
diciembre '25
+118
en 1 canales
Get PRO
noviembre '25
+111
en 1 canales
Get PRO
octubre '25
+181
en 1 canales
Get PRO
septiembre '25
+275
en 2 canales
Get PRO
agosto '25
+436
en 0 canales
Get PRO
julio '25
+312
en 0 canales
Get PRO
junio '25
+191
en 1 canales
Get PRO
mayo '25
+183
en 0 canales
Get PRO
abril '25
+233
en 0 canales
Get PRO
marzo '25
+241
en 1 canales
Get PRO
febrero '25
+274
en 1 canales
Get PRO
enero '25
+765
en 3 canales
Get PRO
diciembre '24
+743
en 1 canales
Get PRO
noviembre '24
+352
en 2 canales
Get PRO
octubre '24
+328
en 2 canales
Get PRO
septiembre '24
+351
en 3 canales
Get PRO
agosto '24
+341
en 5 canales
Get PRO
julio '24
+383
en 1 canales
Get PRO
junio '24
+436
en 1 canales
Get PRO
mayo '24
+452
en 2 canales
Get PRO
abril '24
+522
en 3 canales
Get PRO
marzo '24
+512
en 5 canales
Get PRO
febrero '24
+517
en 3 canales
Get PRO
enero '24
+511
en 1 canales
Get PRO
diciembre '23
+471
en 0 canales
Get PRO
noviembre '23
+70
en 2 canales
Get PRO
octubre '23
+87
en 4 canales
Get PRO
septiembre '23
+102
en 0 canales
Get PRO
agosto '23
+179
en 0 canales
Get PRO
julio '23
+132
en 0 canales
Get PRO
junio '23
+190
en 0 canales
Get PRO
mayo '23
+158
en 0 canales
Get PRO
abril '23
+129
en 0 canales
Get PRO
marzo '23
+155
en 0 canales
Get PRO
febrero '23
+114
en 0 canales
Get PRO
enero '23
+181
en 0 canales
Get PRO
diciembre '22
+197
en 0 canales
Get PRO
noviembre '22
+123
en 0 canales
Get PRO
octubre '22
+244
en 0 canales
Get PRO
septiembre '22
+274
en 0 canales
Get PRO
agosto '22
+93
en 0 canales
Get PRO
julio '22
+81
en 0 canales
Get PRO
junio '22
+100
en 0 canales
Get PRO
mayo '22
+101
en 0 canales
Get PRO
abril '22
+160
en 0 canales
Get PRO
marzo '22
+578
en 0 canales
Get PRO
febrero '22
+186
en 0 canales
Get PRO
enero '22
+129
en 0 canales
Get PRO
diciembre '21
+31
en 0 canales
Get PRO
noviembre '21
+47
en 0 canales
Get PRO
octubre '21
+28
en 0 canales
Get PRO
septiembre '21
+286
en 0 canales
Get PRO
agosto '21
+191
en 0 canales
Get PRO
julio '21
+252
en 0 canales
Get PRO
junio '21
+1 000
en 0 canales
| Fecha | Crecimiento de Suscriptores | Menciones | Canales | |
| 26 octubre | +5 | |||
| 25 octubre | +5 | |||
| 24 octubre | +1 | |||
| 23 octubre | +3 | |||
| 22 octubre | +2 | |||
| 21 octubre | +4 | |||
| 20 octubre | +2 | |||
| 19 octubre | +1 | |||
| 18 octubre | +3 | |||
| 17 octubre | +2 | |||
| 16 octubre | +5 | |||
| 15 octubre | 0 | |||
| 14 octubre | +9 | |||
| 13 octubre | +1 | |||
| 12 octubre | +6 | |||
| 11 octubre | +2 | |||
| 10 octubre | +2 | |||
| 09 octubre | +5 | |||
| 08 octubre | +2 | |||
| 07 octubre | +4 | |||
| 06 octubre | +9 | |||
| 05 octubre | +9 | |||
| 04 octubre | +6 | |||
| 03 octubre | +8 | |||
| 02 octubre | +13 | |||
| 01 octubre | +13 |
Publicaciones del Canal
| 2 | SQL Basic to Advanced | 508 |
| 3 |  10 Modern AI Agents Frameworks and Tools | 586 |
| 4 | Data Science Interview Questions.pdf | 787 |
| 5 | 7 baby steps to start with machine learning:
1. Start with Python
2. Learn to use Google Colab
3. Take a Pandas tutorial
4. Then a Seaborn tutorial
5. Decision Trees is a good first algorithm
6. Finish Kaggle's "Intro to Machine Learning"
7. Solve the Titanic challenge | 999 |
| 6 |  Power BI Mind Map | 1 104 |
| 7 | SQL Notes for Begineers.pdf | 1 079 |
| 8 |  Computer Vision Explained | 1 267 |
| 9 | 1,000 AI/ML Acronyms & Operational Concepts | 1 318 |
| 10 |  Roadmap to Learn SQL | 1 313 |
| 11 | 🧮 Why does NumPy let you add a number to an entire matrix?
Look at this:
import numpy as np
x = np.array([
[10, 20, 30],
[40, 50, 60]
])
x + 5
You get:
[[15, 25, 35],
[45, 55, 65]]
But where did the 5 go? You didn't write a loop. You didn't copy 5 six times.
This is broadcasting.
NumPy automatically treats the smaller object as if it were expanded to match the larger array's shape.
So conceptually:
[[10, 20, 30], [[5, 5, 5],
[40, 50, 60]] + [5, 5, 5]]
Then it adds them element by element.
And it works with arrays too:
x + np.array([1, 2, 3])
Conceptually:
[[10, 20, 30], [[1, 2, 3],
[40, 50, 60]] + [1, 2, 3]]
Result:
[[11, 22, 33],
[41, 52, 63]]
The important part:
Broadcasting doesn't literally copy the data into a bigger array.
NumPy applies the operation as if the smaller array had been expanded, while avoiding unnecessary copies.
That's why this:
x + 5
can work even though x is 2D and 5 is just a scalar. | 1 229 |
| 12 | Intro to Datascience with Python.pdf | 1 397 |
| 13 |  8 RAG architectures for AI Engineers, visually explained: | 1 238 |
| 14 | A comprehensive summary of the Seaborn Library.pdf | 1 334 |
| 15 |  🧮 NumPy: Why axis=0 and axis=1 Feel Backwards
You've probably seen:
np.mean(X, axis=0)
and wondered:
"Why does axis 0 mean columns?"
Think about what NumPy is doing.
📌 axis=0 means:
Collapse the rows.
So you move down each column and get one value per column.
📌 axis=1 means:
Collapse the columns.
So you move across each row and get one value per row.
For:
1 2 3
4 5 6
np.mean(X, axis=0)
gives:
[2.5, 3.5, 4.5]
On the other hand:
np.mean(X, axis=1)
gives:
[2, 5]
Don't memorize the numbers.
Just Remember: The axis you specify is the dimension that gets collapsed.
#NumPy | 1 389 |
| 16 | Data Science Formulas Cheat Sheet.pdf | 1 214 |
| 17 |  📊 Pandas Cheatsheet Every Data Analyst Should Save
Pandas is one of the most important tools for data analysis. Master these core operations to work faster and more efficiently:
🔹 Read & Inspect Data
head(), shape, dtypes, describe()
🔹 Select & Filter Data
Extract relevant rows and columns with ease.
🔹 Row Selection
Use loc[] (labels) and iloc[] (positions).
🔹 Handle Missing Values
isnull(), dropna(), fillna()
🔹 Group & Aggregate
Summarize data using groupby() and aggregation functions.
🔹 Merge & Join Data
Combine datasets with merge() using different join types.
#Pandas | 1 381 |
| 18 | SQLBolt: Interactive SQL
You can learn SQL by writing real queries directly in the browser. Each short lesson ends with interactive exercises that give instant feedback. It covers SELECT, filters, joins, aggregates, inserting/updating data, creating tables, and more.
📚 Free Interactive Exercises
⏰ Duration: Self-paced (can finish in a few hours)
🏃♂️ Self Paced
👨🏫 Created by: SQLBolt
🔗 Link
#SQL #DataScience #Interactive
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
👉 Join @bigdataspecialist for more 👈 | 1 198 |
| 19 |  Tools vs MCP vs Skills: 3 Layers That Power Production AI Agents | 1 208 |
| 20 |  LLM inference speed with vs. without KV caching | 1 268 |
