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

Red:Programming, data science, ML - free courses by Big Data Specialist India31 743 Tecnologías y Aplicaciones9 391...

📈 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 13 667 suscriptores, ocupando la posición 9 391 en la categoría Tecnologías y Aplicaciones y el puesto 31 743 en la región India.

📊 Métricas de audiencia y dinámica

Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 13 667 suscriptores.

Según los últimos datos del 08 junio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de 150, 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 7.97%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 2.27% de reacciones respecto al total de suscriptores.
Alcance de las publicaciones: Cada publicación recibe en promedio 1 089 visualizaciones. En el primer día suele acumular 310 visualizaciones.
Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 5.
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 09 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.

13 667

Suscriptores

+424 horas

+437 días

+15030 días

1 089

Visitas de la publicación

~ 31024 horas

~ 45848 horas

7.97%

Tasa de compromiso

~ 1

Mensajes por día

Ads index

beta

Archivo de publicaciones

13 667

Kafka 101

13 667

A Stanford CS' Lecture note diving into supervised/unsupervised algorithms, neural networks, SVMs with math proofs and Python pseudocode.

13 667

📚 Data Science Riddle A numeric feature has many repeated exact values with occasional jumps. What type of variable is this?

Anonymous voting

13 667

AI vs Machine Learning vs Deep Learning Vs Generative AI

13 667

4 Pillars of Data Science

13 667

📚 Data Science Riddle You fit a forecasting model and residuals show increasing variance. What is needed?

Anonymous voting

13 667

Repost from Programming, data science, ML - free courses by Big Data Specialist

Notes on HDFS, MapReduce, YARN, Hadoop vs. traditional systems and much more... from Columbia University.

13 667

📚 Data Science Riddle Your spark job fails due to executor memory pressure. Most effective optimization?

Anonymous voting

13 667

📚 Data Science Riddle You're working with highly noisy user text. Which tokenization met6handles misspellings best?

Anonymous voting

13 667

Eigenvalues & Eigenvectors — Why PCA Actually Works You’ve heard of PCA. But what’s really happening underneath? PCA finds the directions (vectors) where your data varies the most. Those directions are eigenvectors of the covariance matrix and the eigenvalues tell you how much variance each captures. You’re basically rotating your data to find its “natural axes.”

PCA isn’t compression — it’s discovering how your data wants to be seen.

13 667

📚 Data Science Riddle You're Processing a dataset with frequent schema evolution. Which format handles it most gracefully?

Anonymous voting

13 667

Covariance vs. Correlation: Same Family, Different Story People use them interchangeably but they measure different things. Covariance tells you the direction of relationship (positive or negative). Correlation goes further; it tells you the strength, normalized between -1 and 1. So while covariance can be 2345.67, correlation says 0.92. clear, interpretable, scale-free.

Covariance shows movement, correlation shows consistency.

13 667

K-Means Clustering

13 667

📚 Data Science Riddle A data engineer complains that your model training job is failing in production due to schema mismatch. What's the root fix?

Anonymous voting

13 667

Top 6 Data Concepts

13 667

📚 Data Science Riddle In a real-world NLP project, your model performs poorly on new slang abbreviations. What's the fix?

Anonymous voting

13 667

Covers basics of Linear Regression for modeling numerical data, including assumptions and applications in genetics, from University of Washington.

13 667

Regression Analysis Cheatsheet

13 667

Repost from Programming, data science, ML - free courses by Big Data Specialist

This is our latest post from Instagram, saved as PDF. It's a comprehensive breakdown(as always) explaining the difference between Relational DB and Graph DB in a fun and easy to grasp way. ⚠️ Spoiler alert: You will love it! Here's our Instagram post: Relational DB Vs Graph DB

13 667

Covers basic numerical and graphical summaries with practical examples, from University of Washington.