¡Ya disponible! Investigación de Telegram 2025 — los principales insights del año 
Дата канальи — дата / ML / AI / корпжиза
Ir al canal en Telegram
Корпжиза аналитиков и DS. Если хотите анонимно поделиться историей на широкий круг -- го в личку @NikitaZelinskiy, аналогично по остальным вопросам
Mostrar más5 993
Suscriptores
-224 horas
+1237 días
+15530 días
Carga de datos en curso...
Canales Similares
Sin datos
¿Algún problema? Por favor, actualice la página o contacte a nuestro gerente de soporte.
Nube de Etiquetas
Menciones Entrantes y Salientes
---
---
---
---
---
---
Atraer Suscriptores
junio '26
junio '26
+193
en 6 canales
mayo '26
+108
en 3 canales
Get PRO
abril '26
+60
en 3 canales
Get PRO
marzo '26
+96
en 1 canales
Get PRO
febrero '26
+268
en 7 canales
Get PRO
enero '26
+163
en 5 canales
Get PRO
diciembre '25
+1 056
en 7 canales
Get PRO
noviembre '25
+735
en 11 canales
Get PRO
octubre '25
+170
en 6 canales
Get PRO
septiembre '25
+240
en 61 canales
Get PRO
agosto '25
+215
en 6 canales
Get PRO
julio '25
+1 412
en 30 canales
Get PRO
junio '25
+351
en 58 canales
Get PRO
mayo '25
+39
en 1 canales
Get PRO
abril '25
+84
en 2 canales
Get PRO
marzo '25
+2 102
en 3 canales
Get PRO
febrero '250
en 10 canales
Get PRO
enero '250
en 5 canales
Get PRO
diciembre '24
+159
en 7 canales
| Fecha | Crecimiento de Suscriptores | Menciones | Canales | |
| 27 junio | +2 | |||
| 26 junio | +1 | |||
| 25 junio | +22 | |||
| 24 junio | +8 | |||
| 23 junio | +27 | |||
| 22 junio | +57 | |||
| 21 junio | +6 | |||
| 20 junio | +12 | |||
| 19 junio | +9 | |||
| 18 junio | +2 | |||
| 17 junio | +4 | |||
| 16 junio | +4 | |||
| 15 junio | +2 | |||
| 14 junio | +1 | |||
| 13 junio | +4 | |||
| 12 junio | +11 | |||
| 11 junio | 0 | |||
| 10 junio | +2 | |||
| 09 junio | +2 | |||
| 08 junio | 0 | |||
| 07 junio | 0 | |||
| 06 junio | 0 | |||
| 05 junio | 0 | |||
| 04 junio | +3 | |||
| 03 junio | +7 | |||
| 02 junio | +2 | |||
| 01 junio | +5 |
Publicaciones del Canal
| 2 |  #кейсы #ML #корпжиза
Есть два типа ML-кейсов: в одних полностью автоматизируется принятие решений — например , выдача кредита, открытие расчетного счета, выявление дефектов и пр.
А в другом после работы моделей (а часто достаточно сложных систем из десятков моделей, эвристик и бизнес-правил) решение принимает все же человек — сотрудник или клиент — в целом не так важно.
Те, кто работает с рекомендациями и поиском отлично знают про разные biases — selection bias, position bias, popularity bias и прочее и прочее
Но есть еще один тип bias который не так популярен в публикациях на открытых датасетах — «уважаемый человек попросил». Самое близкое к этому по смыслу — промотируемые объявления / позиции (как раз надежда поэксплуатировать positional bias чтобы срубить еще денег) — все вы видели в публичных поисковиках или классифайдах на верхних позициях не самые релевантные, зато проплаченные объявления.
Сейчас расскажу как он возникает
Вызывает как-то шеф с задачей — давай сфокусируем продажников так чтобы продавали только те продукты, которые вот прям сейчас нужны клиентам и при этом принесут хорошую маржу. В постановке ничего удивительного — любой бизнесмен хочет чтобы и выручка и прибыль росли.
Как это реализовать?
Например, сделать в интерфейсе сотрудника окошко с самыми приоритетными задачами и объяснением почему они приоритетные и чего сам сотрудник с этого заработает.
А приоритетность уж модели определят.
Осталось только согласовать с HR схему мотивации и провести обучение.
Идея вроде на поверхности, но результат показал только четвертый A/B (зато сразу рост конверсии с 3% до 12% и среднего чека в полтора раза).
А почему?
Ну потому как опытный менеджер шеф показал сие чудо другим топам.
И каждый уважаемый Сан Саныч попросил чтобы его задачи (по продуктам его бизнес-вертикали) — не важно насколько его продукт хорош или подходит этому конкретному клиенту — тоже попали в это приоритетное чудо-окошко. Когда компании, занимающейся выловом сельди в Атлантическом океане предлагают застраховать всю ее ресурсную базу (то есть всю селедку в океане) — такие рекомендации доверие у сотрудников не повышают.
Только после трех (!) прощальных пилотов удалось убедить шефа что так мы денег не заработаем и промо надо отдельным окошком (и отдельной строкой в мотивации продажников).
Интерфейс получился достаточно красивый чтобы наш департамент получил американскую Gold Stewie Award (там кстати есть ссылка на ролик с самим приложением сотрудника)
Только вот тайминг подвел — над чем громко посмеялся аж Financial Times
PS
Нужен ваш совет и вовлеченность
Задаюсь вопросом почему в linkedin посты заходят гораздо хуже чем здесь.
Проведем пару экспериментов — буду писать там и оставлять здесь ссылку, буду благодарен реакциям и набросам в комментах.
Или лучше другая англоязычная площадка? Substack? Medium?
Цель — интересно поделать ML-кейсов на широком рынке — обогатиться знаниями о повадках каналий в других странах (хотя несколько кейсов — Англии и Канады как минимум — в канале уже есть) | 1 321 |
| 3 |  брендированная панамка для х для реакций)
а вообще вся эта история мне напомнила один кейс | 1 397 |
| 4 | Тут ребята собрали подборку каналов про AI и IT — и мне она, честно, зашла.
Говорят, что прогоняли это всё через Claude: чистили каналы-пустышки, которые просто перепечатывают одни и те же новости, и оставляли авторов, у которых есть прикладной опыт — внедрение ИИ, автоматизация, вайб-кодинг, нейрогенерация и вот это всё.
Сама подборка выглядит весьма полезной. Тем паче туда включили и мой канал, что приятно 😇
В любом случае рекомендую посмотреть и подписаться на тех, кто вам ближе по темам. Думаю, каждый найдёт что-то полезное.
Подписка в 1 клик
https://t.me/addlist/wjXN1mA-D21jODIy | 1 491 |
| 5 |  #ML
Как и 60 лет назад, нейронки начали часто сравнивать с мозгом, а у мозга есть психологи (хотя и у нейронов уже появляются исследователи настроений). И как и в любой другой области знаний, у психологов есть свой собственный глоссарий, и я решил составить первый словарь по переводу с психологического на язык MLE.
Меня осенило когда читал статью Kahneman-Tversky Optimisation — это же идея обесценивание в чистом виде)
Итак, первый в мире словарь Psychologist — Machine Learning Engineer:
Выборочное внимание (selective attention) — Attention // комментарии излишни, эту статью знают все
Выгорание — Vanishing Gradients // градиент ещё где-то есть, но до полезного обновления уже не доходит
Газлайтинг — Label Corruption Attack // истинные метки подменены, модель больше не доверяет собственному датасету
Гиперконтроль — Hard Attention // фокус в точку
Границы личности — Constrained Attention // у каждого входа есть предел влияния на твой hidden state
Диссоциация — Stop-Gradient Operation // событие вроде обрабатывается, но связь с чувством “это происходит со мной” разорвана
Защитная реакция — Robustness Patch Under Distribution Shift // не исправляет внутреннюю модель, но помогает не развалиться на новых входах
Избегание — Early Stopping // обучение прекращается ровно перед тем батчем, где могло стать полезно, но неприятно
Катастрофизация — Worst-Case Data Augmentation // из каждого обычного примера генерируем самый страшный out-of-distribution сценарий
Накопленная обида — Gradient Accumulation // градиенты копятся несколько шагов, а параметры не обновляются
Навязчивые мысли — Neural Text Degeneration // модель застревает в повторяющихся нежелательных продолжениях
Низкая самооценка (почти то же что и Синдром самозванца) — In-Distribution Underconfidence // даже на знакомых примерах модель отвечает “вероятно, я ошибаюсь”
Обесценивание — Kahneman-Tversky Optimisation // минимум наград за успехи, максимум штрафов за ошибки
Отрицание — Missing Data Imputation // значения нет, но система подставляет приемлемую замену и продолжает как ни в чём не бывало
Пассивная агрессия — Low-Rank Hostility Adapter // базовая модель вежливая, но маленькая LoRA добавляет токсичный стиль
Перфекционизм — Overfitting // модель не готова к деплою, пока loss не станет метафизически равен нулю
Потребность в одобрении — RLHF // модель учится через внешнюю человеческую оценку того, “хороший” ли был ответ
Прокрастинация — Learning Rate Warmup // Начнем с раскачки
Проекция — Transfer Learning (negative transfer) // модель переносит старое представление на новый домен, хотя там оно уже искажает реальность
Психологическая устойчивость — Robust Generalization Under Distribution Shift // мир вокруг меняется
Рационализация — Post-hoc Explainability // сначала модель выдала странный ответ, потом уверенно объяснила, что так и было задумано
Ревность — Triplet Loss // держи чужого подальше от семьи)
Руминация — Repetition Loops in Neural Text Generation // модель застревает в повторяющемся цикле и снова генерирует то же самое содержание
Самокритика — есть Self-critical Sequence Training и еще Adversarial Self-Supervised Contrastive Learning // Модель сравнивает сэмплированный ответ со своим же baseline-выводом
Самосаботаж — Reward Hacking // агент нашёл reward, но выбрал действие, которое ломает собственную функцию полезности
Созависимость — Co-adaptation // один feature detector становится полезным только в присутствии других и теряет самостоятельность
Травматический опыт — Outlier-weighed Layerwise Sampling for LLM Fine-tuning // один пример получил слишком большой вес и теперь портит всю функцию потерь
Тревожность — Noise Memorization // Система начинает видеть значимый сигнал в шуме и переобучается на случайные паттерны
Эмоциональное подавление — Gradient Clipping // слишком сильные эмоции обрезаются до допустимой нормы
Эмоциональные качели — Training Instability // обучение нестабильно: сигнал то исчезает, то взрывается.
Продолжение следует | 7 046 |
| 6 | #ML
Обожаю кликбейт в рисече:
Superintelligent Retrieval Agent: The Next Frontier of Agentic Retrieval
Источник
Настолько super-прорыв что авторам прямо в аннотации приходится оправдываться что это не обычный query expansion а немного докрученный:
SIRA does not merely ask what terms are relevant to the query; it asks which terms are
likely to separate the desired evidence from corpus-level confusers. On the corpus side, an LLM enriches each document offline with missing search vocabulary; on the query side, it predicts evidence vocabulary omitted by the query; and corpus statistics are used as tool calls to filter proposed terms that are absent, overly common, or unlikely to create retrieval margin. The final retrieval step is a single weighted BM25 call combining the original query with the validated expansion.
А мб и правда надо быть максимально нескромным чтобы заметили ? 🤔 | 2 235 |
| 7 | #southhub
Сегодня пил кофе с HR, они все спрашивали как сделать так чтобы данные опросов можно было использовать для аналитики. А я им на примере кликов и лонгкликов в рекламе объяснял логику выбора прокси-событий и и разницу между Вилларибо (опрашивали) и Виллабаджо (измеряли).
Если ту же логику применить к конференциям, то вместо опросов и отзывов можно посмотреть на факт: добраться до (и тем паче выбраться из) Сочи — это лютый кошмар. Тем не менее, сотни С-levels приехали на SouthHub — никто не жаловался, не отступил, не ныл — а ведь некоторые с детьми и потратили на дорогу в одну сторону больше суток.
Поэтому абсолютно ожидаемо что на самой конфе я встретил открытых и дружелюбных людей со всей страны, у которых (что большая редкость для конференций) действительно позиция совпадала с опытом и знаниями настолько что хотелось слушать не отрываясь (искренне прошу прощения тех кого по три часа не отпускал задавая миллионы вопросов - но было дико интересно).
Отдельное спасибо VK за рыбалку на херабуну, Авито за полосатика, X5 за бомбовые коктейли, Альфе за глинтвейн когда я замерзал, Магниту за бургеры в 12 ночи, и само собой МТС и оргам конфы — за все) Невероятно душевно, не знал что так бывает в таком масштабе и с такой концентрацией корпоратов) | 2 447 |
| 8 |  Давно тут рыбы не было. Как связаны VK и золотая форель? | 2 603 |
| 9 |  Необычная реклама сегожня попалась, однако мысли писать докторскую точно не было, хотя один коллега на SH признался что он доктор.
Ну и какой же у докторанта научный руководитель? Научный консультант скорее 🤔 | 2 652 |
| 10 | 🕒 Синдром «Серебряной пули»
История про «эффективного менеджера» направления CVM (customer value management)
Задача ребят — продавать доп. услуги клиентам и повышать конверсию.
Вводные от заказчика прекрасны:
«Мы тут ходили к другой команде, они нам собрали фичу — "лучшее время отправки SMS". Мы полгода крутили пилот, получили нулевой результат. Хотим, чтобы вы сделали то же самое, но лучше».
Начинаем копать от бизнес-задачи. Выясняется: конверсия низкая. Почему? Ну, логично же: мы просто отправляем SMS не в то время! 🤡
Дальше — диалог, достойный войти в учебники по «продукт-менеджменту»:
— Вы же уже проверили гипотезу на пилоте, результат нулевой. Зачем развивать безнадежную идею?
— Мы в это верим.
— Мы работали со многими крупными компаниями, решали эту задачу. Вы первые, кто просит именно эту фичу.
— Мы переиграем рынок.
— Ок, если я получу ваш пуш в 10:00 вместо 12:00, реально есть вера, что конверсия взлетит?
— Разве это не очевидно?
Тут мы немного выпали в осадок, но решили узнать, как устроена сегментация и выборка клиентов.
— А как вы понимаете, кому слать? Есть функция ранжирования (uplift-модели, скоринг)?
— Не понял вопрос.
— Ну как вы понимаете, кто сконвертится лучше или хуже?
— А-а-а, никак. Просто случайно выбираем из сегмента. Они же ВСЕ заинтересованы в продукте!
— То есть ваш сегмент — это просто жесткие бизнес-правила (условия типа ЕСЛИ/ИЛИ)?
— Если упрощенно, то да. Мы строим гипотезы и тестируем их через А/Б!
То есть ребята делают А/Б тест на абсолютно случайной выборке внутри кастомного сегмента, не умеют в предсказание оттока/конверсии, но верят в тайминг.
Пытаемся нащупать омниканальность. У них есть SMS, пуши и звонки.
— А не пробовали выстроить каскадную стратегию? Например: сначала SMS, через день — звонок?
— Ну и чем это кончится?
— Оптимизацией стратегии...
*(Повисла неловкая пауза)*
— У нас либо звонки, либо SMS! ❌
Итог: Мы рассказали, как строим нормальный ML-пайплайн для CVM у других заказчиков (с моделированием, склонностью к покупке и оптимизацией стратегии). Продукту не зашло. Ведь у нас нет самого главного — алгоритма, который высчитывает идеальную секунду для отправки SMS человеку, которому это предложение вообще не всралось.
Как называется эта болезнь?
В медицине не знаем, но в ИТ это «карго-культ фичи». Когда команда игнорирует базовую математику, отсутствие нормальной сегментации и кривую коммуникацию, но свято верит, что одна «модная» фича переиграет рынок.
Сталкивались с такими «верующими» заказчиками? Какую самую дикую фичу у вас просили завернуть в ML? 👇 | 2 446 |
| 11 | Влад поделился историей в духе канала , не могу пройти мимо ) | 2 017 |
| 12 |  Тренировки по ML
➖➖➖➖➖➖
6️⃣ июня состоится семнадцатая встреча в рамках тренировок по машинному обучению ❤️
Что будет на встрече:
⚪️Orbit Wars как первое RL соревнование на Kaggle в эпоху coding agents
📢 Спикер: Дмитрий Руденко, Kaggle Competition Master, самый активный участник соревновательного сообщества. Автор @pseudolabeling
📆 Когда: 6 июня в 18:10
🗺️ Где: онлайн ❤️ ссылка на подключение
Подробнее про челленджи 🐭
По организационным вопросам вы можете обращаться к Марии ↩️
#анонсы #студенты #ии | 2 747 |
| 13 | подключайтесь! | 2 666 |
| 14 |  #кейсы
Про независимые измерения качества таргетирования рекламы
Представьте что вы рекламное агентство, ваши клиенты-рекламодатели заказывают рекламные кампании (РК) на сотни тысяч и миллионы человек, все прекрасно.
Однако, оказывается, что их чудесные оловянные втулки для перьевых ручек продаются примерно никак.
И в низких CTR рекламных кампаний виноваты именно ваши DS, которые, неучи такие, плохо попадают в аудиторию - мальчиков и девочек, взрослых и детей и пр. Делал как-то сореву по такой задаче
Как клиенту обосновать свою позицию?
На его счастье есть «независимый измеритель качества таргетирования рекламы» (точность работы такого измерения приложен картинкой к посту):
20 тысячам добровольцев устанавливается мобильное приложение (с этого момента их зовут пантеистами — от survey panel), а затем результаты показа вашей рекламной кампании им экстраполируются (с магическим перевзвешиванием! — каждый панелист представляет собой какую-то группу населения) на миллионные аудитории РК.
Но не будем, как часто бывает в канале, токсично обсуждать недостатки подхода (а некоторые ML-команды тратят годы на то чтобы улучшить «попадание» в этот генератор псевдослучайных чисел).
Давайте о достоинствах, тут понадобится немного фантазии
Если бы у вас был каким-то волшебным образом добыт список из этих 20 тыс панелистов то достаточно было бы заказать колл-центру обзвон их обзвон с одним-единственным вопросом : датой рождения (пол по голосу относительно надежно определяется).
Ура! — точность таргетирования при следующей тестовой РК достигает 95%+ согласно «независимому измерителю» достигнута, вопросы клиентов снялись.
Да, список панелистов постеgпенно расширяется / измеряется, но и способы его добычи не стоят на месте )
PS: в рекламном мире много забавных терминов — МММ, возвратные комиссии, подмешивание панелистов, мы настолько окружены рекламой что любому нелишне подразобраться в этом мире | 2 958 |
| 15 | Clickhouse для программистов, аналитиков и инженеров данных
Перестаньте ждать, пока считается аналитика. Научитесь использовать ClickHouse — СУБД, которая превращает минутные аналитические запросы в ответы за доли секунды. С первого дня — доступ к инфраструктуре для практики.
🌐 Чему вы научитесь:
🤩 Архитектура одиночных и кластерных инсталляций ClickHouse: как устроена система изнутри и как масштабировать её под реальные нагрузки
🤩 Хранение данных: движки MergeTree, партиционирование и сжатие — как держать терабайты аналитических данных при минимальных затратах на инфраструктуру.
🤩 Обработка миллиардов строк за секунды: построение эффективных запросов, агрегаций и материализованных представлений.
🤩 ClickHouse в продакшене: использование в приложениях, продуктовой аналитике и типичные грабли, на которые наступают почти все
🤩 Живая практика без отрыва от работы: не более 2-3 часов в неделю, разбор задач с экспертом в групповом чате.
🥸 Кто мы: R&D-центр Devhands. Автор курса — Алексей Белозерский, Chief Data Officer в inSales (СБЕР 2В), ex: VK Tech, М.Видео, Эльдорадо
🗓 Старт курса: 11 июня, 6 недель обучения.
Изучить программу и записаться можно здесь.
Ждем вас!
Реклама. ИП Рыбак А.А. ИНН 771407709607 Erid: 2VtzqxNnFKA | 3 182 |
| 16 | Еду на SouthHub 10 июня (как и другие 500 c-levels), нет времени на раздумья и изучение программы — регистрируйтесь, приезжайте — пообщаемся, потусим, сходим в горы немножко
Вся инфа, тут
канал: https://t.me/sthhb
сайт: https://southhub.ru/southub/
Советую полистать, тк каждая компания-участник предлагает свой шатер с активностями (кому-то ближе гвоздестояние, а я вот спиннинги возьму) — несложно найти дело по душе в компании коллег не с улицы | 3 512 |
| 17 | Не фанат выставок и «культурного» досуга, но на эту стену залипал долго и с удовольствием | 3 507 |
| 18 | #корпшиза
Про синьоров и вилки
На скрине две свежие вакансии в одну команду
Одна Junior — с верхней вилкой 360 (+20% премии)
Другая Senior — с нижней границей 300
По реакциям в том канале вижу что многие восприняли это негативно
Сейчас объясню почему для меня это выглядит как позитив
Дисклеймер: не знаю точно как устроено в конкретной компании на экране
Зато расскажу почему такое возможно, откуда берутся все эти Junior, Senior и какие выводы можно сделать
Итак, почему и откуда берутся все эти лычки
1. Хотят финансисты — удобнее и точнее бюджетировать и планировать когда не просто DS с вилкой от 150 и до миллиона, а что-то более гранулярное (пусть и с пересекающимися вилками)
2. Сотрудники (!) думают что карьерный рост можно превратить в сдачу экзаменов на квалификацию. Знания и навыки — необходимый (часто), но недостаточный пререквизит для роста. Используют лычки как трекинг что все движется в верном направлении.
3. HR — пытаются тоже как-то в этом всем поучаствовать, надеясь формализовать плохо формализуемое и воспрепятствовать (зачем?) тем НМ (нанимающим менеджерам) которые садят хорошего джуна на ставку синьора потому что проект горит и работать кому-то надо
По факту варианта 2:
— все либо переругаются, сломаются процессы найма, повышений и ротации
— либо придут к компромиссам: признают что синьор в прайсинге может быть джуном в S2T или в RecSys (и наоборот), что вилка в моменте может зависеть от срочности и критичности задачи, от локальных колебаний рынка, от выстроенного процесса работы с будущими коллегами со школы, университета и тд.
И раз вилки так сильно пересекаются — значит, в компании вариант 2 и люди как-то смогли между собой договориться, что очень здорово.
Какие выводы можно сделать?
— в резюме все эти «Middle», «Senior» и пр можно смело опустить — пишите просто DS или MLE — информативность лычек по сути никакая. О вас сделают вывод по масштабу задач, которыми вы занимались.
Более того, регулярно в резюме / линкедине, а теперь часто и в паблике (по недосмотру PR-отделов) можно увидеть «CTO», «Head of AI», «CDS», «CDO» и прочих людей, вписывающих громкие должности — а по факту руководящих группой 2-20 чел в каком-то кусочке компании. Спросите у такого через сколько уровней он от CEO и все быстро станет ясно
Я бы назвал это кризисом доверия, и он начался задолго до «волков».
HR-инфоцыгане и кадровые агентства советовали и советуют своим клиентам «позиционироваться» — то есть врать — в духе «если вы техлид команды, напишите что вы CTO» и пр.
Поэтому не переживайте так за лычки — они не очень сильно связаны с уровнем дохода и вашим восприятием на рынке — переживайте за задачи — чтобы они были классные, интересные, масштабные. И это обязательно конвертируется в тч в карьерный рост и доход.
PS А вообще, опытным и рукастым DS везде рады — прямо сейчас несколько знакомых из разных компаний (мы, Авито, ДЗО Сбера, Т1 и пр) активно ищет себе синьорных DS или хотя бы middle+ — если актуально, пишите в личку вместе с CV | 4 868 |
| 19 |  Tesseract живее всех живых, vllm-ocr видимо еще не прижились | 2 655 |
| 20 |  Друзья просят помощи — вдруг кто-то едет в июне на CVPR и согласится постер с собой взять ? А то у парней публикация сгорит по правилам конфы (( Пишите в личку | 3 288 |
