Анализ данных (Data analysis)
Ir al canal en Telegram
Data science, наука о данных. @haarrp - админ РКН: clck.ru/3FmyAp
Mostrar más
Red:📈 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 51 933 suscriptores, ocupando la posición 2 566 en la categoría Tecnologías y Aplicaciones y el puesto 11 806 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 51 933 suscriptores.
Según los últimos datos del 30 octubre, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de 1 286, y en las últimas 24 horas de 42, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 8.88%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 7.05% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 4 610 visualizaciones. En el primer día suele acumular 3 664 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 204.
- 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 31 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.
51 933
Suscriptores
+4224 horas
+2087 días
+1 28630 días
Archivo de publicaciones
🎧 Fish Audio S2 Pro - мощная open-source модель для синтеза речи.
Это 4B + 400M параметровая TTS-модель с необычной архитектурой Dual-AR, обученная на 10+ миллионах часов аудио и поддерживающая 80+ языков.
Что делает её интересной.
🏗 Dual-AR архитектура
Модель разделена на две части:
• 4B Slow AR отвечает за семантику и структуру речи
• 400M Fast AR генерирует 9 residual codebooks для акустики
Такой подход позволяет сохранить высокое качество звука без сильной нагрузки на инференс.
🎭 Свободное управление эмоциями и интонацией
Можно прямо в тексте задавать стиль речи:
[whisper]
[laughing]
[professional broadcast tone]
Поддерживается 15 000+ тегов, которые работают на уровне отдельных слов.
🌐 80+ языков
Основные языки высокого качества:
• английский
• китайский
• японский
⚡ Оптимизация для LLM-инфраструктуры
Модель нативно работает со стеком SGLang, поэтому поддерживает:
• continuous batching
• paged KV cache
• RadixAttention prefix caching
📊 Производительность
• RTF: 0.195 на Nvidia H200
• ~100 мс до первого аудио
• более 3000 акустических токенов/сек
Также разработчики выложили:
• веса модели
• код для fine-tuning
• движок для streaming inference
Модель: https://modelscope.ai/models/fishaudio/s2-pro
GitHub: https://github.com/fishaudio/fish-speech
#ai #tts #opensourсe
🎯Полезные Мл-ресурсы 🚀 Max
@data_analysis_ml
Gemma 4 от @GoogleDeepMind дебютировала на 3 и 6 местах в open source leaderboard, став моделью №1 среди open source моделей из США.
При этом по числу параметров Gemma 4 (31B) в 24 раза меньше, чем GLM-5, и в 34 раза меньше, чем Kimi-K2.5-Thinking — при сопоставимой производительности и значительно меньших ресурсах.
Как превратить данные из 1С в реальные бизнес-инсайты за считанные дни
7 апреля в 12:00 Yandex DataLens и BI.Qube покажут, как выжать максимум из ваших данных без сложной разработки.
На реальном кейсе разберём, как работать с 290 млн чеков из 1С: связывать их со справочниками, обновлять и превращать в понятную аналитику. И главное - как получать ответы на вопросы бизнеса через Нейроаналитика, который работает как ИИ-агент.
Покажем весь путь без воды: от старта за 1 день до первых результатов уже через 1–2 месяца, с возможностью спокойно масштабировать аналитику дальше.
Подойдёт тем, кто хочет быстро выстроить связку 1С → BI и начать принимать решения на основе данных, а не догадок.
✔️ Вышел Cursor 3 - и это уже не просто AI-IDE, а полноценный центр управления ИИ-агентами
Cursor окончательно сменил роль: теперь это не инструмент для кодинга, а оркестратор агентов.
Что поменялось по факту:
• запускаешь сколько угодно агентов - локально, по SSH или в облаке
• работаешь сразу с несколькими репозиториями и окружениями
• облачные агенты сами делают демки и скриншоты своих действий
• при этом редактор никуда не делся - можно кодить вручную, когда нужно
https://cursor.com/blog/cursor-3
🚀 Google DeepMind представила Gemma 4
Новое семейство открытых моделей, которые можно запускать на собственном железе.
Четыре размера:
31B Dense & 26B MoE - топовые результаты для сложных локальных задач: кастомные ассистенты, анализ научных данных
E4B & E2B (Edge) — для мобильных устройств, поддержка текста, зрения и аудио в реальном времени
Ключевые особенности:
Заточены под продвинутый reasoning и агентные задачи (автономные агенты, планирование, многошаговые workflows)
По Arena Elo Score: Gemma 4 31B (1452) и 26B (1441) обгоняют Qwen 3.5 (1450), Kimi k2.5 (1454) и DeepSeek v3.2 (1425)
Где попробовать: Google AI Studio, Hugging Face, Kaggle, Ollama
Почему это важно: Apache 2.0 + open weights = можно файн-тюнить и деплоить без ограничений и зависимости от API. Именно это отделяет настоящий open-source релиз от «контролируемого» research drop'а.
https://blog.google/innovation-and-ai/technology/developers-tools/gemma-4/
Лицензия Apache 2.0 - полностью коммерчески свободная.
#Gemma
ИИ всё активнее становится «вторым аналитиком» в BI. По свежей статистике, каждый 5-й корпоративный пользователь уже обращается к ИИ-агенту Нейроаналитику, чтобы быстрее попасть на бизнес-инсайты.
Какие задачи чаще всего отдают ИИ:
73% — просят написать формулы
50% — объяснить графики
Кто внедряет активнее всего (топ‑5 отраслей): ИТ (40%) , ритейл (25%) , финтех (10%) , логистика (5%) , здравоохранение (4%) .
Главное использование — скорость: ИИ за минуту делает десять срезов и обнаруживает нарушения. В ритейле задержка в поисках падения на 5 дней может стоить 15–20 миллионов , а с ИИ это вкладывается на пару часов.
Источник: https://ko.ru/news/kazhdyy-pyatyy-korporativnyy-polzovatel-prosit-ii-agenta-nayti-biznes-insayty/?ysclid=mneiwo7f1j748287914
🚀 Qwen3.6-Plus- новый мультимодальный агент от Alibaba
Ключевые особенности:
💻 Agentic Coding - умнее и быстрее в написании кода
👁️ Улучшенное мультимодальное зрение - точнее воспринимает и анализирует визуальный контент
🏆 Топовые общие способности - сохраняет лидерские позиции
📄 Контекстное окно 1M токенов - доступно через API по умолчанию
Модель создана на основе обратной связи от сообщества Qwen3.5. Доступна уже сейчас через chat.qwen.ai и API. Обещают открыть исходный код других моделей серии Qwen3.6.
Chat: https://chat.qwen.ai
API: https://modelstudio.console.alibabacloud.com/ap-southeast-1?tab=doc#/doc/?type=model&url=2840914_2&modelId=qwen3.6-plus
Blog: https://qwen.ai/blog?id=qwen3.6
#Qwen #AI #AgenticCoding #VibeCoding #Agents
Пока все обсуждают искусственный интеллект сам по себе, промышленность тихо движется в сторону связки ИИ + роботы.
В «Норникеле» рассказывают, что машинное обучение у них уже несколько лет работает в реальном производстве и приносит около 10 млрд рублей в год — за счёт более точных прогнозов, оптимизации процессов и дополнительного извлечения металлов.
Но, по их мнению, самое интересное впереди. Следующий этап — роботизация. Рудники на глубине до двух километров, риски, сложные условия, и там алгоритмы и роботы часто справляются точнее, чем человек.
В итоге ставка делается не на ИИ, а на вполне практичную вещь — автоматизированные производства, где решения принимают алгоритмы, а делают роботы. И похоже, именно туда и будет двигаться промышленность ближайшие годы.
⚡️ Code 2.1.90 - добавили новую команду /powerup.
Запускаешь её - и прямо внутри инструмента получаешь интерактивные уроки по работе с Claude Code.
Выглядит полезно: можно учиться прямо в терминале, без переключений и гайдов на стороне.
Интересно, как это реализуют в VSCode и в десктопной версии Claude Code.
Пойду дальше копаться в новом релизе 👀
Релиз: https://x.com/ClaudeCodeLog/status/2039493041979847023
🐍 полезные ресурсы 🚀Max
@data_analysis_ml
Не успели мы порадоваться, что человечество,rак пришла более приземленная нововть(
На корабле Orion новейшая система вышла из строя сразу после старта, проблему подтвердили в NASA, при этом экипажу предстоит провести в космосе около 10 дней.
Надеемся, на станции найдутся альтернативные решения )
⚡️ GLM-5V-Turbo — модель, которая СМОТРИТ на экран и сразу ПИШЕТ код
Главное:
• Нативный мультимодальный кодинг
Понимает изображения, видео, макеты, интерфейсы и документы без костылей
• Видит → генерирует код
Распознаёт дизайн, скриншоты и UI и превращает их в готовый, запускаемый код
• Сильный баланс: визуал + программирование
Топовые результаты в:
- генерации кода по макетам
- мультимодальном поиске и QA
- работе с GUI-агентами
• Не проседает в обычном кодинге
Стабильно проходит бенчмарки Backend, Frontend и Repo Exploration
Визуал не ломает текстовую логику
• Оптимизирован под агентов
Работает в связке с Claude Code и OpenClaw
Подходит для полного цикла задач: от восприятия до действия
Почему он сильный:
• Глубокая связка текста и зрения с самого обучения
• RL-тренировка сразу на 30+ типах задач
• Специальные Agent-данные (меньше галлюцинаций)
• Поддержка мультимодальных инструментов: поиск, браузинг, работа с интерфейсами
Попробовать: http://chat.z.ai
API: http://docs.z.ai/guides/vlm/glm-5v-turbo
Coding Plan trial applications: http://docs.google.com/forms/d/e/1FAIpQLSdEg9C_7FRQWRbnJt--BJXSoacQZbbnB1A4hXGjWP59_1Pugg/viewform?usp=publish-editor
🐍 полезные ресурсы 🚀Max
@data_analysis_ml
Repost from Machinelearning
+1🌟 Holo3: SOTA-агентная модель для управления десктопными приложениями.
Парижский стартап H Company выпустил семейство мультимодальных моделей Holo3, предназначенных для управления графическими интерфейсами.
H Company (ранее Holistic AI) публично вышла на рынок в начале 2024 года. Основатели: Шарль Кантор, бывший исследователь Стэнфорда, и Лоран Сифр, ветеран Google DeepMind и один из ключевых участников проекта AlphaGo. Посевной раунд составил $220 млн - один из крупнейших в истории европейского венчура. Среди инвесторов: Эрик Шмидт, Юрий Мильнер, Бернар Арно, Ксавье Ньель, а также Amazon, Samsung и UiPath.🟡Обе модели семейства на архитектуре Mixture-of-Experts Старшая Holo3-122B-A10B доступна только на платформе H Company по цене 40 центов за миллион входящих и 3 доллара за миллион выходных токенов. Младшая версия Holo3-35B-A3B выложена на Hugging Face под лицензией Apache 2.0 и также доступна бесплатно через Inference API с ограничением в 10 PRM. В платном режиме - 0,25/1.8 доллара за миллион входных/выходных токенов. 🟡Holo3 учили по замкнутому циклу из 3 стадий Сначала по заданным сценариям генерируются синтетические примеры навигации по интерфейсам. Затем данные расширяются за пределы исходных условий, чтобы модель учитывала нестандартные ситуации. На финальном этапе все примеры проходят курируемый отбор и обучение с подкреплением. Для тренировки H Company построила генератор синтетических корпоративных сред, в котором агенты создают веб-приложения по спецификациям сценариев, формируя верифицируемые задачи разной сложности. На базе этих сред разработан H Corporate Benchmarks - набор из 486 многошаговых задач в 4 категориях: электронная коммерция, бизнес-ПО, инструменты совместной работы и межприложенческие сценарии. Последние требуют координации между несколькими системами одновременно (скажем, извлечь цены из PDF, сопоставить их с бюджетами сотрудников и автоматически разослать персонализированные письма с одобрением или отказом). 🟡Тесты Флагманская Holo3-122B-A10B набрала 78,85% на бенчмарке OSWorld-Verified - это лучший результат на ведущем тесте взаимодействия с рабочим столом. 📌Лицензирование: Apache 2.0 License. 🟡Статья 🟡Модель @ai_machinelearning_big_data #AI #ML #MMLM #Holo3 #HCompany
🖥 Liquid AI выпустила LFM2.5-350M - агентную модель весом меньше 500 МБ
350M параметров, обучена на 28T токенов с RL: и это уже другой уровень по сравнению с предыдущим поколением.
Что умеет:
→ извлечение данных и вызов инструментов там, где модели такого размера обычно пасуют
→ агентные цепочки (agentic loops) на слабом железе
→ работает на CPU, GPU и мобильных устройствах
Кейсы: локальная обработка документов, лёгкие агентные воркфлоу, edge-деплой без облака.
• Blog: http://liquid.ai/blog/lfm2-5-350m-no-size-left-behind
• Веса: https://huggingface.co/LiquidAI/LFM2.5-350M
• Docs: http://docs.liquid.ai
• Playground: http://playground.liquid.ai
🐍 полезные ресурсы 🚀Max
@data_analysis_ml
Когда ты ещё сам в пренатальной бете, но уже настраиваешь агента.
Ant Group выложила новый крупномасштабный RGB-D датасет: LingBot-Depth 🤖 на Hugging Face.
Внутри:
✨ более 3 млн примеров / 2.7 ТБ данных
✨ реальные данные + симуляции + VLA-роботика
✨ сырые данные с depth-сенсоров + ground truth
https://huggingface.co/datasets/robbyant/mdm_depth
Repost from МосХаб.Сколково
МосХаб.Сколково — точка сборки ИТ-сообщества и единая среда для открытого диалога между лидерами ИТ-индустрии, бизнесом, обществом, молодыми специалистами и городом.
На базе МосХаб.Сколково проходят конференции, круглые столы, митапы и образовательные программы. Каждое событие направлено на практический результат для участников, профессионального сообщества и города.
В этом канале мы будем рассказывать о событиях, проектах и технологических решениях, которые появляются на площадке МосХаб.Сколково.
Наш адрес: Москва, инновационный центр «Сколково», ул. Николы Тесла, 1, стр. 1, Кластер видеоигр и анимации.
🧩 Collaborator: удобная среда для разработки с агентами
Collaborator — это приложение для macOS, которое объединяет терминалы, файлы и код на одном бесконечном холсте. Упрощает работу, устраняя необходимость в переключении между вкладками. Приложение активно разрабатывается и предназначено для локального использования.
🚀 Основные моменты:
- Интуитивно понятный интерфейс с многофункциональным холстом
- Поддержка нескольких рабочих пространств
- Интерактивные терминалы и редакторы кода
- Локальное хранение данных без необходимости в учетных записях
📌 GitHub: https://github.com/collaborator-ai/collab-public
