Математика Дата саентиста
Ir al canal en Telegram
@workakkk - админ @data_analysis_ml - ds https://gosuslugi.ru/snet/67b55bb01a1c5a6fb6ecc946
Mostrar más
📈 Análisis del canal de Telegram Математика Дата саентиста
El canal Математика Дата саентиста (@data_math) en el segmento lingüístico de Ruso es un actor destacado. Actualmente la comunidad reúne a 14 420 suscriptores, ocupando la posición 8 868 en la categoría Tecnologías y Aplicaciones y el puesto 45 014 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 14 420 suscriptores.
Según los últimos datos del 12 noviembre, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de 167, y en las últimas 24 horas de -1, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 13.05%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 6.34% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 1 882 visualizaciones. En el primer día suele acumular 914 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 18.
- Intereses temáticos: El contenido se centra en temas clave como llm, программирование, параметр, визуализация, stepik.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“@workakkk - админ
@data_analysis_ml - ds
https://gosuslugi.ru/snet/67b55bb01a1c5a6fb6ecc946”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 13 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.
14 420
Suscriptores
-124 horas
+97 días
+16730 días
Archivo de publicaciones
+9
⚡️ 10 способов изображения первых 5000 знаков числа Пи (Ken Flerlage)
Готовы узнать, что такое RAG и как применять его в NLP?
⚡Ждем вас на открытом вебинаре «RAG — генерация на основе базы знаний» 19 августа в 20:00 мск, где вы узнаете:
- что такое RAG и зачем это нужно в NLP-сервисах;
- в каких областях применяется эта технология;
- типы RAG и методы оценки качества RAG-сервиса;
- практический пример на задаче Question Answering (QA).
Спикер Андрей Коняев — Consultant GenAI Machine Learning Engineering (Professional Research & Development Engineer I) в T-Systems International.
👉Пройти тест для регистрации https://otus.pw/K6Ep/?erid=LjN8KUB9i
Вебинар приурочен к старту курса Natural Language Processing (NLP), обучение на котором позволяет освоить различные языковые модели и создать собственный телеграм-бот.На курсе изучаются современные подходы и модели, которые на данный момент являются стандартом в области, но еще не успели войти в большинство программ, так как были предложены совсем
+2
⚡️ Крутейший сервис, который поможет понять, как устроены нейросети —
Нашёл отличную вещь, которая поможет разобраться в устройстве нейросетей — Interactive Tools.
Это библиотека интерактивных визуализаций, демонстрирующих, как работают такие нейросети, как ChatGPT, Midjourney и другие.
Например, Transformer Explainer наглядно объясняет, как ChatGPT выбирает следующее слово в тексте (подсказка: это как T9, но на максималках) и почему иногда выдаётся не самое вероятное слово.
📌 Interactive Tools
@data_math
🛢 В мире, где данные — новая нефть, растёт спрос на дата-инженеров. Ведь именно они знают, как такую нефть добывать, обрабатывать и хранить. И пока компании осознают потребность в этих специалистах, конкуренция на рынке низкая, а зарплаты — высокие.
Освоить ключевые компетенции дата-инженера поможет онлайн-магистратура Нетологии и НИУ ВШЭ «Инженерия данных». За 2 года вы на практике изучите Python, Java, Scala, Kotlin и SQL, научитесь проектировать пайплайны и обрабатывать данные, работать с системами хранения данных и базами данных в облаке. Программа даёт широкий простор для переквалификации, поэтому после учёбы сможете перейти в MLOps, DevOps или менеджмент.
Онлайн-формат позволяет учиться без отрыва от привычной жизни и совмещать занятия с работой. При этом у вас будет отсрочка от армии, льготы на проезд и все остальные бонусы очного обучения.
Станьте магистром программной инженерии с дипломом одного из лучших вузов страны и получите веское преимущество при приёме на работу: ссылка
Реклама. ООО "Нетология". ИНН 7726464125 Erid:LjN8KGQzV
Математика
1. Самые большие числа
2. Сделал генетический алгоритм | симуляция ЭВОЛЮЦИИ
3. ИИ учится ходить
4. Симуляция естественного отбора
5. Что будет, если взять корень из отрицательного числа? | Фракталы
6. Пишем свой движок 3D-графики
7. Сделал симуляцию черной дыры в 3D
8. Что больше бесконечности?
9. Как выглядит самая сложная задача математики? Фрактал Коллатца
#video #math
https://www.youtube.com/watch?v=qsbQki6Ikfo&list=PLyc_E1fmJGpIqWsdgX-j5RxIX1M225UlD&ab_channel=Onigiri
@data_math
♟️Шахматные задачи на Python
Шахматные задачи — это хороший способ потренировать алгоритмическое мышление. В новой статье на «Хабре» от авторов курса «Поколение Python» рассматриваются различные способы решения таких задач.
🔗 Ссылка на статью
Repost from Machinelearning
+5
⚡️Qwen выпустили Qwen2-Math, размером 1.5B, 7B и 72B.
> 84 (72B), 75 (7B), 69,4 (1,5B) баллов на MATH
> > 72B SoTA на MMLU STEM
> Лицензия Apache 2.0 для версии 1.5B и 7B, 72B выпущена под лицензией Qianwen
> Основана на той же архитектуре, что и Qwen 2
Флагманская модель Qwen2-Math-72B-Instruct превосходит проприетарные модели, включая GPT-4o и Claude 3.5, в выполнении задач, связанных с математикой 🔥
> Интеграция с Transformers! 🤗
▪Hf
▪Github
▪Tech report
▪Scope
@ai_machinelearning_big_data
#opensource #Qwen #math
Хотите классный пак айтишника: модный свитшот, шахматы, кубик Рубика, книгу Якова Перельмана «Занимательная математика» и другой мерч ? Тогда быстрее участвуйте в розыгрыше IT-компании «Криптонит»!
Условия очень простые. Надо всего лишь:
▪️Подписаться на канал «Криптонит. Разработка, наука, шифрование» (и не отписываться)
▪️Нажать внизу на кнопку «Участвовать» в посте с конкурсом: он в закреплённых сообщениях.
🔥И всё! Двух победителей бот выберет случайным образом 16 августа. Не упустите шанс получить приятные призы!
Реклама АО НПК «Криптонит» ИНН 9701115253 erid: 2VtzqvamJw6
Семь лучших сайтов для самообразования, которые научат вас лучше, чем «вышка»:
Academic Earth — огромная библиотека бесплатных курсов обо всем на свете от ведущих специалистов мира. От обучения химии и информатике до бизнеса и психологии;
Classcentral — самый удобный поисковик по бесплатным курсам на любую тему;
Edx — тут собраны обучающие курсы от самых топовых ВУЗов мира, таких как Гарвард, Стэнфорд и Массачусетский технологический институт. Разумеется, бесплатно;
Google Garage Courses — библиотека бесплатных курсов от Google с возможностью получить карьерный сертификат от технологического гиганта;
Khanacademy — лучший сайт для углубленного изучения математики и других прикладных наук;
Udemy — для тех, кто планирует работать в «диджитале»: отличные курсы по программированию, дизайну, веб-разработке, графике и т.д.;
Treehouse — мастхэв для будущих программистов. Простые и понятные курсы по Python, Data Science, React и другим темам.
@exploitex
Как обучить нейросеть в облаке? Коллеги из immers.cloud подогнали железо для этих задач.
- В наличии видеокарты для обучения нейросетей: Tesla V100 32 GB, Tesla A100 80 GB, Tesla H100 80 GB
- А также для инференса: Tesla T4 16 GB, Tesla A10 24 GB, RTX 3090 10 GB и RTX 4090 24 GB, Tesla A2 16 GB
🌳 Мгновенное масштабирование под растущие нагрузки. Оплата за фактически использованные ресурсы
🌳 Возможность выбрать сервер как готовой, так и произвольной конфигурации с нужной видеокартой
💰 Платформа предлагает самые выгодные тарифы на рынке, включая посекундную тарификацию и скидки до 50% на долгосрочную аренду. Кроме того, у нас есть бесплатное хранилище S3
⚡️ Арендуя видеокарты через immers.cloud, вы сможете значительно ускорить время обучения нейронных сетей и обеспечить их бесперебойную работу, благодаря высокой производительности и эффективности этих GPU.
🎁 Для наших подписчиков действует бонус: +20% бонус к пополнению баланса.
Реклама. ООО «ДТЛ». ИНН 9717073792. erid: LjN8JxL2k
🚀 Easings
Полезный справочник по easing-функциям с примерами
Суть таких функций в том, чтобы задать скорость изменения параметра во времени
С этим инструментом вы сможете выбрать подходящую именно вам функцию смягчения, а также посмотреть, как она устроена с точки зрения CSS и даже математики
#web #css #open_source
@data_math
🎓 Архив слитых курсов прямо в телеграм!
Вот огромная база материалов, которая пополняется каждый день!
>Python (96гб видео)
>С++(51 курсов)
>Java (23гб видео)
>Базы данных (50гб курсов)
>C# (45гб курсов)
>Английский (101гб курсов)
>PHP (43гб видео)
>Мобильная разработка (22гб курсов)
>Go ( 132гб видео)
>Rust (35 гб видео)
>SQL (43гб видео)
>MySQL (31гб видео)
>Другое (1679 гб видео)
⛓ Огромный кладезь топовых материалов более 20198Гб: Курсов, свежих книг, шпаргалок, гайдов , лекций, — всё в одном месте: @datacours
🔝 Крутая платформы где можно попрактиковаться в решении задач:
Шикарный вариант, чтобы порешать задачи.
- линейная алгебра
- ML/DL
- статистика и теория вероятности
Теория дело хорошее, но без практики никуда.
@data_math
Открыта регистрация на онлайн-трансляцию лекций Летней школы машинного обучения Сколтеха.
SMILES-2024 — 12-дневный интенсивный курс для молодых специалистов, посвященный современным статистическим методам машинного обучения. Темы этого года: большие языковые модели, мультимодальные подходы, мультиагентные системы, генеративные подходы, методы самообучения.
Генеральный партнер школы — Лаборатория искусственного интеллекта и Центр робототехники Сбербанка, золотой партнер — Альфа-Банк. Информационную поддержку оказывает Национальный проект «Цифровая экономика».
Подробности и регистрация — здесь.
Реклама. СКОЛКОВСКИЙ ИНСТИТУТ НАУКИ И ТЕХНОЛОГИЙ, СКОЛТЕХ. ИНН 5032998454.
✨Наборы данных NuminaMath: крупнейшая коллекция из ~ 1 млн пар задач и решений для математических соревнований, варьирующихся по сложности от юношеских олимпиад до университетских экзаменов.
➡️ Цепочка рассуждений (CoT): 860 тысяч пар задач и решений, созданных с помощью CoT.
🛠️ Инструментально-интегрированные рассуждения (TIR): 73 тысячи синтетических решений, полученных на основе GPT-4, с обратной связью по выполнению кода для разбивки сложных задач на более простые подзадачи, которые могут быть решены с помощью Python.
Модели, обученные на NuminaMath, демонстрируют лучшие в своем классе показатели среди моделей с открытым весом и приближаются или превосходят собственные модели по показателям математических соревнований 🔥
🤗 Hub: https://huggingface.co/collections/AI-MO/numinamath-6697df380293bcfdbc1d978c
@bigdatai
+3
📌Подборка полезных ресурсов для изучения ML и для подготовки к собеседованию
Здесь приводится много ссылок на ресурсы, которые объясняют основы Computer Science, матанализ и линейную алгебру, теорию вероятностей и статистику.
Плюс затрагиваются такие темы как:
— классическое ML
— байесовское ML
— Deep Learning
— NLP
— Reinforcement Learning
— применение ML, в частности в биологии и медицине
Почти все практические примеры связаны с Python и R
🟡 ML resources
@data_math
Привет! Присматриваетесь в сторону Data Science и ML? У нас есть крутая новость!
23 июля в 18:00 по Москве мы проведем открытый урок о том, как математика и Python могут сделать вашу работу еще эффективнее с помощью машинного обучения.
📌 Что будет на уроке?
- Почему математика и Python важны для ML? Как эти инструменты помогут вам в повседневной работе.
- Линейная алгебра с примерами: Основные понятия, операции и их применение в ML. Как работать с данными и их представлением.
- Статистика и теорвер: Вероятностные модели и их значение в анализе данных. Примеры прогнозирования и анализа.
- Основы Python: Синтаксис, типы данных, основные конструкции. Почему Python стал стандартом для анализа данных и ML.
- Библиотеки для машинного обучения: Как они ускоряют разработку и стандартизируют подходы. Примеры использования.
- Решение реальной задачи на Python с использованием популярных библиотек.
- Сессия вопрос-ответ
🦾 Регистрация на урок
Реклама. ООО «ИНЖЕНЕРКАТЕХ» ИНН 9715483673 erid:2Vtzqv8AFWr
Вероятность и статистика
1. Переменные и метрики
2. Генераторы и Монте-Карло
3. ЗБЧ и ЦПТ
4. Монте-Карло: практика
5. Проверка гипотез и p-value
6. А/Б тесты: пропорции
7. А/Б тесты: непрерывные переменные
8. Множественная проверка гипотез
9. Ревью курса + вопросы и ответы
#video #math
https://www.youtube.com/watch?v=S3WAjnBC6CI&list=PLQJ7ptkRY-xbHLLI66KdscKp_FJt0FsIi
Python для работы с данными
1. Способы самопроверки при анализе данных
2. Как автоматизировать скучную работу в Pandas ?
3, Какая роль у аналитика в команде?
4. Как сделать предподготовку данных? Реальные примеры
5. Как использовать метод apply для трансформации колонок?
6. Lambda функции для быстрых вычислений
7. Приступаем к аналитике
8. Объединение данных, метод merge
9. От данных к метрикам
10. Визуализация как метод исследования данных
#video #python
https://www.youtube.com/watch?v=Eb7Q_qCAqM4&list=PLBRXq5LaddfxQFjzuq5QC05q1ZheGMQo1&ab_channel=karpov.courses
