es
Feedback

¡No caigas en manos de tramposos! Telemetrio encuentra y marca estos canales 👉 Si quieres ver la etiqueta, suscríbete

Анализ данных (Data analysis)

Анализ данных (Data analysis)

Ir al canal en Telegram

Data science, наука о данных. @haarrp - админ РКН: clck.ru/3FmyAp

Mostrar más

📈 Análisis del canal de Telegram Анализ данных (Data analysis)

El canal Анализ данных (Data analysis) (@data_analysis_ml) en el segmento lingüístico de Ruso es un actor destacado. Actualmente la comunidad reúne a 51 907 suscriptores, ocupando la posición 2 572 en la categoría Tecnologías y Aplicaciones y el puesto 11 804 en la región Rusia.

📊 Métricas de audiencia y dinámica

Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 51 907 suscriptores.

Según los últimos datos del 17 noviembre, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de 389, y en las últimas 24 horas de -16, conservando un alto alcance.

  • Estado de verificación: No verificado
  • Tasa de interacción (ER): El promedio de interacción de la audiencia es 11.71%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 8.49% de reacciones respecto al total de suscriptores.
  • Alcance de las publicaciones: Cada publicación recibe en promedio 6 077 visualizaciones. En el primer día suele acumular 4 406 visualizaciones.
  • Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 173.
  • Intereses temáticos: El contenido se centra en temas clave como llm, контекст, openai, архитектура, deepseek.

📝 Descripción y política de contenido

El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“Data science, наука о данных. @haarrp - админ РКН: clck.ru/3FmyAp”

Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 18 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.

51 907
Suscriptores
-1624 horas
-507 días
+38930 días
Archivo de publicaciones
🗾 Посмотрим, как ИИ учится классифицировать изображения Загляним под капот алгоритмов машинного обучения, пока они работают. Cуществует множество руководств и статей, которые хорошо показывают, как алгоритмы машинного обучения могут обучаться на изображениях и выполнять различные удивительные задачи. Итак, эта статья не о том, что они могут сделать,а о том что происходит, пока машины учатся. Я надеюсь, что анимации в этой статье смогут ннаглядно показать, как современные алгоритмы машинного обучения работают с различными данными и очень быстро учатся тому, как извлекать значимые признаки из данных для эффективного решения поставленной задачи. Итак, давайте сразу приступим! Статья Код Набор данных @data_analysis_ml
29 jun 2022, 04:02

Существуют ли востребованная во всем мире техническая профессия, не связанная с программированием?   Определенно, да. И эта профессия заключается в создании 3D изображений.   3D специалисты за 3-7 дней могут создать с нуля в специальной программе различные модели на заказ. Например, модели мебели, декора, ювелирки, игровых персонажей.    Спрос большой, поэтому платят моделлерам соответственно - от 20 до 60.000 руб за набор моделей.    Школа моделинга DISKILL приглашает вас попробовать себя в роли 3D специалиста. Приходите на бесплатный 14-ти дневный онлайн-тренинг, который устраивает преподаватель Олег Кононыхин - 3D моделлер, работающий с Газпромом и Сбербанком.   На тренинге он бесплатно обучит желающих без опыта созданию 3D моделей и визуализаций на примере интерьера.   Кстати, в конце Олег заплатит 10.000 руб автору лучшей работы.   Старт 1 июля, участники уже устанавливают программы. Для регистрации на тренинг подпишитесь на канал школы моделинга и перейдите по ссылке в закрепленном сообщении -> https://t.me/diskill_3d
29 jun 2022, 03:01

🔥 Новый формат получения специальности Data Science - Буткемп. Что это такое? 💪 Буткемп — методика, которую использовали в лагерях для подготовки солдат. Чтобы стать полноценным бойцом, в обычных условиях новобранцу нужно 3-4 года. В условиях Bootcamp такого результата достигали за 4 месяца. Эффективность методики обоснована тем, что на период кемпа человек полностью погружается в процесс обучения и быстрей воспринимает информацию. Сейчас этот метод обучения активно используют в Гарварде, IT-компаниях, бизнес-проектах и образовательных программах. ✅ Для обучения IT специальностям (прежде всего Data Science) формат начали использовать в 2011 году в США. Он быстро доказал свою эффективность и стал популярным. К примеру, за 2020 год IT буткемпы выпустили 24975 американцев. Для стран бывшего СССР это новый формат. ⭐ В 2018 году в России открылся первый - Эльбрус Буткемп. С тех пор его выпускниками стали 883 человека. 93% из них нашло работу в течение 3 месяцев после выпуска. Буткемп работает как оффлайн (Москва и Санкт-Петербург), так и онлайн. ✅ Подробнее о формате Буткемп узнайте на мероприятии уже сегодня
29 jun 2022, 02:02

GraphQL-engine – Молниеносно быстрые, мгновенные API GraphQL в реальном времени для вашей базы данных с детализированным контролем доступа. Создавайте мощные запросы: встроенная фильтрация, разбивка на страницы, поиск шаблонов, множественная вставка, обновление, удаление мутаций Позволяет использовать пользовательскую бизнес-логику в определенные моменты времени, используя конфигурацию cron или одноразовое событие Поддерживаемые базы данных: PostgreSQL (и его разновидности), MS SQL Server и Big Query 💻 Код 📝 Инструкция @data_analysis_ml
28 jun 2022, 03:39

7 способов раскрыть жульничество аналитика данных Не имеет значения, являетесь ли вы крупным или малым предпринимателем, инве
7 способов раскрыть жульничество аналитика данных Не имеет значения, являетесь ли вы крупным или малым предпринимателем, инвестором, частью менеджерского звена компании, судьёй на марафоне программирования или иным участником технологической индустрии, рано или поздно вы окажетесь в ситуации, где кто-либо пытается “продать” вам свой “ИИ-продукт”, “ПО машинного обучения” или какое-то другое сочетание вычурных слов. Если такая ситуация случилась с вами, будет естественным чувствовать нехватку знаний и опыта для принятия взвешенного решения. Стойте на своём и не позвольте себя обыграть! Ниже приведены 7 здравых способов, которые помогут вам пробиться через навязываемую чушь и понять истинную ценность предложения по машинному обучению (ML), которое вам пытаются продать. Читать дальше @data_analysis_ml
27 jun 2022, 03:18

​Dash – Аналитические веб-приложения для Python, R, Julia и Jupyter. Это наиболее скачиваемый и одновременно надежный фреймворк Python для создания веб-приложений для ML & data science. Построенный поверх Plotly.js, React и Flask, Dash связывает современные элементы пользовательского интерфейса, такие как выпадающие списки, ползунки и графики, непосредственно с вашим аналитическим кодом Python. ⤷ Документация ⤷ Примеры программ GitHub | #Python #R #Web #ML #Data #Science
26 jun 2022, 04:20

5️⃣ подходов к построению современной платформы данных https://telegra.ph/5-podhodov-k-postroeniyu-sovremennoj-platformy-dann
5️⃣ подходов к построению современной платформы данных https://telegra.ph/5-podhodov-k-postroeniyu-sovremennoj-platformy-dannyh-06-25 @data_analysis_ml
25 jun 2022, 05:20

📝 Добыча данных: анализ рыночной корзины с помощью алгоритма Apriori Алгоритм Apriori  —  один из самых популярных алгоритмов, используемых в обучении правилам ассоциаций на реляционных базах данных. Он определяет элементы в наборе данных и далее расширяет их на все большие и большие наборы элементов. Однако алгоритм Apriori расширяется только в том случае, если наборы элементов являются частыми, то есть если существует вероятность того, что набор элементов превышает определенный заранее установленный порог. Читать дальше @data_analysis_ml
24 jun 2022, 04:52

В Яндексе идёт набор на стажировку! Хотите поближе познакомиться с командами и выбрать для стажировки именно ту, в которой ва
В Яндексе идёт набор на стажировку! Хотите поближе познакомиться с командами и выбрать для стажировки именно ту, в которой вам будет интересно? 27 июня приглашаем на наше большое онлайн-мероприятие — Летний фестиваль вакансий ☀️ На фестивале выступят руководители команд из разных подразделений Яндекса, они расскажут о своих задачах и самых свежих стажёрских вакансиях по бэкенду, фронтенду, мобильной разработке, ML, аналитике и DevOps. Вы сможете задать им любые вопросы, а после — подать заявку на стажировку в той команде, которая вам понравилась. А ещё мы впервые покажем, как проходит секция на алгоритмы для стажёров! Регистрируйтесь, чтобы присоединиться: https://clck.ru/rcgeQ
24 jun 2022, 03:01

💬 Yandex: An Open-source Yet another Language Model 100B Яндекс выложил YaLM 100B, обучененный на 2 терабайтах текста: датас
💬 Yandex: An Open-source Yet another Language Model 100B Яндекс выложил YaLM 100B, обучененный на 2 терабайтах текста: датасет Pile и сайтах, включающих не только Wikipedia, новостные статьи и книги, но и Github и arxiv.org. Яндекс применил генеративные нейронные сети YaLM в недавнем обновлении поиска Y1. Сейчас модель уже помогаеь давать ответы в Яндекс поиске и Алисе. Это самая большая open source модель на данный момент. Github: https://github.com/yandex/YaLM-100B @data_analysis_ml
23 jun 2022, 04:21

Eportal – Симулятор эволюции с капелькой ИИ Когда начинается эволюция, вместе с ней начинаются великие битвы; объекты делают
Eportal – Симулятор эволюции с капелькой ИИ Когда начинается эволюция, вместе с ней начинаются великие битвы; объекты делают все возможное, чтобы заполнить как можно больше места для победы своего «вида»; некоторые из них становятся пассивными, едят растения и размножаются, некоторые из них становятся агрессивными, пытаясь атаковать объекты других видов В общем и целом, довольно интересный проект с которым можно поиграться, посмотреть исходный код #Python #AI #simulation @data_analysis_ml
22 jun 2022, 03:17

🔊 Анализ аудиоданных с помощью глубокого обучения и Python Аудиоанализ — область, включающая автоматическое распознавание речи (ASR), цифровую обработку сигналов, а также классификацию, тегирование и генерацию музыки — представляет собой развивающийся поддомен приложений глубокого обучения. Некоторые из самых популярных и распространенных систем машинного обучения, такие как виртуальные помощники Alexa, Siri и Google Home, — это продукты, созданные на основе моделей, извлекающих информацию из аудиосигналов. Читать дальше 25 наборов аудиоданных для исследований Статья Анализ аудио. Идентификация голоса @data_analysis_ml
21 jun 2022, 07:18

⚡️ Тест для продвинутого уровня по Machine Learning Ответьте на 10 вопросов и проверьте, насколько вы готовы к обучению на углубленном курсе - «Machine Learning. Advanced» от OTUS и его партнера — Сбера. 📌 РЕЗУЛЬТАТ ПРОХОЖДЕНИЯ КУРСА: Вы освоите продвинутые приемы машинного обучения, которые позволят вам уверенно себя чувствовать на ведущих Middle/ Senior позициях и справляться даже с нестандартными задачами. 💻 Двухдневный интенсив — Рекомендовать или не рекомендовать, пуcть решает ML!, 11 июля в 18:00 https://otus.pw/ClrA8/ Время прохождения теста ограниченно 20 минут 👉 ПРОЙТИ ТЕСТ https://otus.pw/qLya/
21 jun 2022, 05:00

Plotly — потрясающая интерактивная библиотека визуализации, но она может работать довольно медленно, когда визуализируется множество точек данных (более 100 000 точек). Библиотека Plotly Resampler решает эту проблему, уменьшая (агрегируя) данные, а затем отображает агрегированные точки. Библиотека, позволяюяет динамически перерисовывать графики в колабах. Github: https://github.com/predict-idlab/plotly-resampler Демо: https://github.com/predict-idlab/plotly-resampler/blob/main/examples/basic_example.ipynb @data_analysis_ml
21 jun 2022, 04:29

Двухэтапный кластерный анализ Процедура Двухэтапный кластерный анализ представляет собой средство разведочного анализа для выявления естественного разбиения набора данных на группы (или кластеры), которое без ее применения трудно обнаружить. Алгоритм, используемый этой процедурой, имеет несколько привлекательных особенностей, которые отличают его от традиционных методов кластерного анализа: Работа с категориальными и непрерывными переменными. Предполагая независимость переменных, можно считать, что категориальные и непрерывные переменные имеют совместное полиномиально-нормальное распределение. Автоматический выбор числа кластеров. Сравнивая значения критерия отбора модели для различных кластерных решений, процедура может автоматически определить оптимальное число кластеров. Масштабируемость. Формируя дерево свойств кластеров (СК), которое является компактным представлением информации о наблюдениях, двухэтапный алгоритм позволяет анализировать большие файлы данных. Пример. Компании производства потребительских товаров и розничной торговли регулярно применяют методы кластерного анализа к данным, описывающим покупательские привычки их клиентов, а также их пол, возраст, уровень доходов и т.д. Эти компании настраивают стратегии маркетинга и развития производства на каждую из групп потребителей, чтобы увеличить продажи и повысить приверженность потребителей маркам товаров. Двухэтапный кластерный анализ Параметры процедуры Двухэтапный кластерный анализ Вывод процедуры Двухэтапный кластерный анализ Средство просмотра кластеров 10 алгоритмов кластеризации на Python @data_analysis_ml
20 jun 2022, 06:18

🔎 Разведочный анализ данных на Python Получение хорошего представления о новом наборе данных не всегда бывает легким и зачастую требует времени. Тем не менее, хороший и широкий исследовательский анализ данных (EDA) может очень помочь понять ваш набор данных, понять, как вседыные взаимосвязаны и что необходимо сделать для правильной обработки вашего датасета. В этой статье мы коснемся нескольких полезных алгоритмов EDA. На самом деле, часто необходимо потратить достаточно времени на правильный EDA, чтобы полностью понять ваш набор данных и это является ключевой частью любого хорошего проекта по науке о данных. Как правило, вы, вероятно, потратите 80% своего времени на подготовку и исследование данных и только 20% на реальное моделирование машинного обучения. А тепеь давайте погрузимся прямо в анализ данных! Статья Git @data_analysis_ml
19 jun 2022, 05:58

📊 Коллекция продвинутой визуализации в Matplotlib и Seaborn с примерами В этой статье не будет базовых приемов визуализации
📊 Коллекция продвинутой визуализации в Matplotlib и Seaborn с примерами В этой статье не будет базовых приемов визуализации – все примеры, приведенные в этой статье, будут продвинутыми. Если вам нужно освежить базовые приемы, пожалуйста, обратитесь к статье «Ваша повседневная шпаргалка по Matplotlib». Напоминаю: если вы используете эту статью для обучения, загрузите набор данных и выполняйте все примеры вслед за мной. Это единственный способ чему-нибудь научиться. Также найдите какой-нибудь другой набор данных и попробуйте применить аналогичные методы визуализации на нем. Вот ссылка на набор данных, который я буду использовать в этой статье. Мы начнем с немного проблематичных диаграмм для нескольких переменных и будем двигаться к более ясным, но и более сложным решениям. Читать дальше
18 jun 2022, 02:50

🟢 Создание полярной диаграммы JS за 4 шага Полярные диаграммы часто выглядят впечатляюще, что заставляет некоторых людей думать, что их создание - сложный процесс, требующий большого количества навыков и опыта. Что ж, я собираюсь развенчать этот миф прямо сейчас! Позвольте мне показать вам, как легко визуализировать данные в красивой интерактивной полярной диаграмме JavaScript. По сути, полярная диаграмма - это разновидность кругового графика, нарисованного с полярными координатами. Она также может хорошо работать для визуализации некоторых видов категориальных данных для сравнений, и это именно тот случай, который я хочу сейчас продемонстрировать. В этом уроке я построю столбчатую полярную диаграмму с полосами, растущими из центра диаграммы, чтобы представить значения с их длиной. Общество визуализации данных (DVS) проводит ежегодный опрос специалистов по обработке данных о состоянии отрасли, и я подумал, что это может стать отличной возможностью поиграть с некоторыми из его последних данных. В частности, я хотел посмотреть на наиболее популярные технологии, используемые для визуализации данных на основе ответов. Итак, здесь я создам полярную диаграмму JS, на которой будут показаны 15 лучших из них, составив классный иллюстративный пример из реального мира.  Читать дальше @data_analysis_ml
17 jun 2022, 13:10

📊 Фреймворк для Анализа Временных Рядов на Python Простой в использовании и универсальный фреймворк для анализа временных ря
📊 Фреймворк для Анализа Временных Рядов на Python Простой в использовании и универсальный фреймворк для анализа временных рядов Статья: https://denshub.com/ru/kats-for-time-series-analysis/ Официальная страница: https://facebookresearch.github.io/Kats/ Kats Python package: https://pypi.org/project/kats/0.1.0/ Репозиторий исходной кода: https://github.com/facebookresearch/kats @data_analysis_ml
17 jun 2022, 04:52

Big Data Science [RU] — канал для профессионалов и любителей Data Science. 🔥Лови свежие новости современной науки о данных и интерактивные тесты каждые 2 дня. 🏂Узнавай первым о полезных библиотеках, фреймворках, подходах и других лайфхаках, которые помогут анализировать данные еще быстрее и качественнее. 👀Смотри ежемесячный дайджест конференций, митапов, хакатонов и других интересных DS-событий. Актуальный, релевантный и практичный контент. Без лишней рекламы и инфоцыганства. https://t.me/bdscience_ru
17 jun 2022, 03:06