Все в ШАД!
Все в ШАД! — канал той самой школы от ведущих экспертов IT-индустрии Обучаем ML и Data Science с 2007 года «Будет сложно, вам понравится» Сайт > shad.yandex.ru Яндекс Образование > education.yandex.ru Чат канала > https://t.me/+4OfZy2pl-T9hNzU6
Mostrar más📈 Análisis del canal de Telegram Все в ШАД!
El canal Все в ШАД! (@vse_v_shad) en el segmento lingüístico de Ruso es un actor destacado. Actualmente la comunidad reúne a 10 426 suscriptores, ocupando la posición 18 966 en la categoría Educación y el puesto 62 042 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 10 426 suscriptores.
Según los últimos datos del 30 julio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de 336, y en las últimas 24 horas de 3, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 54.37%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 24.64% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 5 669 visualizaciones. En el primer día suele acumular 2 569 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 79.
- Intereses temáticos: El contenido se centra en temas clave como шад, шада, yandex, собеседование, c++.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“Все в ШАД! — канал той самой школы от ведущих экспертов IT-индустрии
Обучаем ML и Data Science с 2007 года
«Будет сложно, вам понравится»
Сайт > shad.yandex.ru
Яндекс Образование > education.yandex.ru
Чат канала > https://t.me/+4OfZy2pl-T9hNzU6”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 31 julio, 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 Educación.
Именно таким получилось 19-летие ШАДа. За три дня мы успели исследовать Санкт-Петербург, обсудить будущее Школы и просто провести время вместе.➡️ День 1 Начали праздник со знакомства с Петербургом: посетили экскурсии, а вечером встретились на мюзикле. После программы многие продолжили общение уже в неформальной обстановке. ➡️ День 2 Провели день в ШАДе: обсуждали, какой Школа является сегодня и какой станет завтра, слушали лекции, делились опытом, играли, отмечали день рождения и просто много общались. ➡️ День 3 Встретил нас в Пискарёвском парке. Кто-то пробежал дистанцию, кто-то пришёл поддержать участников, а затем все собрались на пикнике, чтобы спокойно завершить этот насыщенный праздник. Спасибо каждому, кто приехал, выступал, модерировал, помогал с организацией, делился историями и просто был рядом. 19-летие стало хорошей подготовкой к юбилею. До встречи на 20-летии ШАДа 🎓
➡️ 14 августа — КАРЬЕРА Ярмарка вакансий: более 20 команд Яндекса, общение с нанимающими менеджерами и секретный хедлайнер ➡️ 21 августа — КОМЬЮНИТИ Нетворк со стажёрами и студентами Летних школ, музгруппы из Яндекса и секретный хедлайнер ➡️ 28 августа — ВПЕЧАТЛЕНИЯ Выпускной Летних школ, Летнего кампуса ML-Академии, день стажёра и секретный хедлайнер Каждый вечер — призы, общение и музыкальные хедлайнеры.Как попасть? Подай заявку, выбери в форме один или несколько ивентов — по итогам отбора получишь приглашение на один из них. Количество мест ограничено. Знакомься с Яндексом, находи новые знакомства и закрывай лето Y&&Y ярко. Регистрируйся по ссылке
Вы узнаете новое или углубите свои знания в следующих областях: — Что такое автономные ИИ-агенты и чем они отличаются от больших языковых моделей — Как защищать системы от взломов, утечек данных, ошибок конфигурации и других угроз — Какие принципы и подходы лежат в основе защиты агентных ИИ-систем — С какими проблемами сталкивались разработчики разных ИИ-моделейДля практических заданий пригодятся понимание жизненного цикла разработки ПО (SDL) и опыт вайб-кодинга: базовые навыки промпт-инжиниринга и умение запускать получившийся код. Формат: пять онлайн-занятий по вечерам с возможностью задать вопросы. Чтобы получить сертификат, нужно пройти отборочное тестирование и выполнить итоговую работу. Подать заявку можно до 27 июля включительно. Программа, спикеры и регистрация — на сайте: https://clck.ru/3UpBnS Ваш 🔼🔵🟦 #курсышад
AI Talent Hub — проектная магистратура ИТМО по искусственному интеллекту, которая сотрудничает с ШАДом.🎓 Таланты Хаба могут усиливать свой учебный трек курсами ШАДа по машинному обучению, компьютерному зрению и 3D CV, продуктовому ML, вычислениям на GPU и другим направлениям — а затем применять знания в реальных проектах в актуальных задачах AI/ML.
Как работает эта связка, показываем на примере проектов Хаба, в оценке которых в этом году принял непосредственное участие Лёша Толстиков👆Если хочется создавать такие же проекты — необязательно ждать ➡️ Прими участие в конкурсе ML-проектов: подай свой AI-проект, защити его на питчинге и получи возможность поступить в Хаб без экзаменов. ⚡ Подай заявку на JMLC до 20 июля #AITalentHub #ITMO #NapoleonIT #друзьяшад На связи 🥳
Самое ценное для меня — не сам факт успеха, а преемственность: когда люди, которым когда-то дали знания и направление, потом сами начинают вкладываться в другихПоздравляем Валю и рекомендуем прочитать полное интервью. В нём — про образование, науку, карьеру, ошибки, людей и то, как помогать другим находить свой путь 🎉 Ваш ШАД 🎓 #командашад
🗓 Приглашаем 16 июля в 17:30 на открытый митап на площадке московского ШАД (Москва, БЦ «Мамонтов», 1 этаж, ШАД)Исследователи Yandex Research, ШАД и ФКН НИУ ВШЭ вернутся из Сеула и поделятся главными идеями, трендами и работами, которые действительно стоит прочитать. Не просто перескажем лучшие статьи, а обсудим, что изменилось в ML за последний год и на какие направления стоит обратить внимание. 💡 О чём поговорим?
🎙 Дмитрий Феоктистов (выпускник ШАД 2025) — Optimization Расскажет о самых интересных работах по оптимизации: новых оптимизаторах, подходах к обучению моделей и результатах, которые могут повлиять на развитие современных ML-систем. 🎙 Егор Петров (исследователь Yandex Research) — Efficient Large-Scale Model Training Обзор ключевых работ по эффективному обучению больших моделей: pretraining, post-training, parallelism, оптимизация, а также подходы для работы с длинным контекстом. 🎙 Дмитрий Еремеев и Глеб Баженов (выпускники ШАД 2026) — Graph Machine Learning Совместный обзор главных результатов по Graph ML: Graph Foundation Models, Prior-Data Fitted Networks и Relational Deep Learning. 🎤 Модератор: Екатерина Мамонтова, ML Brand Lead и преподаватель НИУ ФКН ВШЭ⚡️ Регистрация по ссылке, количество мест ограничено. До встречи! Ваш 🔼🔵🟦 #встречишад
Авторы работы преподают или читают лекции в ШАДе: Олег Платонов, Глеб Баженов и Людмила Прохоренкова ведут курс «Графы в машинном обучении», Дмитрий Еремеев также выступал на этом курсе с приглашённой лекцией, а Артём Бабенко читает отдельные лекции на курсах ШАДа.В работе исследователи представили графовую foundation model, развивающую подход Prior-Data Fitted Networks. Модель предобучается на миллионах специально сгенерированных синтетических графов, а затем может эффективно решать задачи на реальных данных — как в режиме in-context learning, так и после дообучения. На широком наборе реальных графовых датасетов GraphPFN обходит все остальные протестированные модели. Людмила Прохоренкова также приняла участие в панельной дискуссии вместе с исследователями из RWTH Aachen, Georgia Tech и ASU. Поздравляем авторов! Ваш ШАД 🎓 #наукашад
Работа выполнена исследователями Yandex Research. Среди авторов — Дмитрий Еремеев, Олег Платонов и Глеб Баженов (выпускники ШАДа), а также Артём Бабенко (выпускник ШАДа-2011 и сейчас руководитель Yandex Research) и Людмила Прохоренкова (преподаватель ШАДа).2️⃣ Unveiling the Role of Data Uncertainty in Tabular Deep Learning
Работу представят исследователи Yandex Research: Николай Карташев, Иван Рубачёв (выпускник ШАДа) и Артём Бабенко.3️⃣ Relevance-Based Embeddings: Lightweight Candidate Retrieval via Heavy-Ranker Calls
Авторы — исследователи Яндекса Кирилл Шевкунов и Людмила Прохоренкова. Кирилл — выпускник ШАДа.4️⃣ Inverse Entropic Optimal Transport Solves Semi-supervised Learning via Data Likelihood Maximization
Среди авторов — Никита Стародубцев и Дмитрий Баранчук (преподаватели курса «Генеративные модели в компьютерном зрении» и интенсива CV Week).5️⃣ One-Step Gradient Delay Is Not a Barrier for Large-Scale Asynchronous Pipeline Parallel LLM Pretraining
Авторы — исследователи Yandex Research Филипп Змушко и Егор Петров. Филипп — выпускник ШАДа-2025 и совместной магистратуры МФТИ кафедры Анализа данных, а также ассистент на курсах NLP и «Эффективные системы глубинного обучения». Работа выполнена совместно с инженерами Яндекса и коллегами из BRAIn Lab и MBZUAI.6️⃣ SoftSign: Smooth Sign in Your Optimizer for Better Parameter Heterogeneity Handling
Работу представит Дмитрий Феоктистов, выпускник ШАДа и исследователь Yandex Research.7️⃣ Guided Star-Shaped Masked Diffusion
Среди авторов — выпускник ШАДа Вячеслав Мещанинов.Воркшопы На воркшопе Graph Foundation Models представят сразу несколько работ с участием выпускников ШАДа: 1️⃣ GraphPFN: A Prior-Data Fitted Graph Foundation Model
Авторы — Дмитрий Еремеев, Олег Платонов, Глеб Баженов, Артём Бабенко, Людмила Прохоренкова. Работу представят в формате oral-презентации.2️⃣ Turning Tabular Foundation Models into Graph Foundation Models
Авторы работы — Дмитрий Еремеев, Глеб Баженов, Олег Платонов, Артём Бабенко, Людмила Прохоренкова.3️⃣ A Fair Evaluation of Graph Foundation Models for Node Property Prediction
Работа Олега Платонова, Глеба Баженова, Дмитрия Еремеева и Людмилы Прохоренковой.4️⃣ Статья Registers Matter for Pixel-Space Diffusion Transformers принята сразу на два воркшопа — FoGen и SPIGM.
Среди авторов — преподаватели ШАДа Никита Стародубцев и Дмитрий Баранчук, а также Илья Дробышевский (ассистент на курсе «Эффективные системы глубинного обучения»).5️⃣ Статью Hidden Positives: Why Code Retrieval Benchmarks Underestimate Model Quality представят на воркшопе Deep Learning for Code.
Мария Иванова, выпускница ШАДа — одна из авторов работы.6️⃣ Статью SciKernelBench: Evaluating LLM Kernels for Higher-Order Autodiff and Scientific Residuals представят на воркшопе AI4Physics.
Среди авторов — Мария Иванова. Работа выполнена по результатам проекта на курсе Егора Шевцова «Эффективные модели ML и архитектуры нейросетей».Поздравляем авторов и желаем продуктивной конференции! Ваш ШАД 🎓 #наукашад
⚪️ Потому что здесь всегда есть те, с кем можно обсудить новые идеи и сложные задачи ⚪️ Потому что обучение не заканчивается, и ШАД помогает оставаться в среде, где всегда можно узнать что-то новое ⚪️ Потому что здесь формируются крепкие профессиональные связи, которые сохраняются на долгие годыВыпускники продолжают участвовать в жизни ШАДа: 🔵проводят занятия 🔵становятся менторами 🔵помогают абитуриентам 🔵проверяют экзамены и домашние задания 🔵участвуют в мероприятиях и делятся своей экспертизой В этом и есть одна из отличительных черт ШАДа: это не место, из которого уходят после получения диплома, а сообщество, частью которого продолжают оставаться 💙 Ваш ШАД 🎓
