fa
Feedback

فریب کلاهبرداران را نخورید! تل‌متریو این کانال‌ها را شناسایی و برچسب‌گذاری می‌کند 👉 برای مشاهده برچسب، اشتراک تهیه کنید

Data Science | Machinelearning [ru]

Data Science | Machinelearning [ru]

رفتن به کانال در Telegram

Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM. MAX - https://max.ru/devsp Личный блог - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD

نمایش بیشتر

📈 تحلیل کانال تلگرام Data Science | Machinelearning [ru]

کانال Data Science | Machinelearning [ru] (@devsp) در بخش زبانی روسی بازیگری فعال است. در حال حاضر جامعه شامل 19 611 مشترک است و جایگاه 6 712 را در دسته فناوری و برنامه‌ها و رتبه 33 475 را در منطقه روسيا دارد.

📊 شاخص‌های مخاطب و پویایی

از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 19 611 مشترک جذب کرده است.

بر اساس آخرین داده‌ها در تاریخ 19 نوامبر, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -124 و در ۲۴ ساعت گذشته برابر -2 بوده و همچنان دسترسی گسترده‌ای حفظ شده است.

  • وضعیت تأیید: تأیید نشده
  • نرخ تعامل (ER): میانگین تعامل مخاطب 7.56% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 4.72% واکنش نسبت به کل مشترکان کسب می‌کند.
  • دسترسی پست‌ها: هر پست به طور میانگین 1 482 بازدید دریافت می‌کند. در اولین روز معمولاً 926 بازدید جمع‌آوری می‌شود.
  • واکنش‌ها و تعامل: مخاطبان به‌طور فعال حمایت می‌کنند؛ میانگین واکنش به هر پست 3 است.
  • علایق موضوعی: محتوا بر موضوعات کلیدی مانند llm, nvidia, контекст, openai, архитектура تمرکز دارد.

📝 توضیح و سیاست محتوایی

نویسنده این فضا را محل بیان دیدگاه‌های شخصی توصیف می‌کند:
“Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM. MAX - https://max.ru/devsp Личный блог - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD”

به لطف به‌روزرسانی‌های پرتکرار (آخرین داده در تاریخ 20 نوامبر, 2026)، کانال همواره به‌روز و دارای دسترسی بالاست. تحلیل‌ها نشان می‌دهد مخاطبان به‌طور فعال با محتوا تعامل دارند و آن را به نقطه اثرگذاری مهم در دسته فناوری و برنامه‌ها تبدیل کرده‌اند.

19 611
مشترکین
-224 ساعت
-317 روز
-12430 روز
آرشیو پست ها
Пишешь на Objective-C/Swift/Java/Kotlin? 15, 22 или 29 мая ты сможешь получить оффер в Яндекс за 1 день! Нужно: Зарегистрироваться на сайте Решить две задачи онлайн В любую субботу на выбор пройти две онлайн секции с кодом. Оффер в тот же вечер твой. Подавай заявку на One Day Offer и начинай проходить!
30 آوریل 2021, 08:01

​​Основы ИНС - Очень полезная статья для тех , кто ещё не знаком или мало знаком со сферой ИНС (искусственых нейронных сетей).
30 آوریل 2021, 05:00

Описание алгоритмов сортировки и сравнение их производительности [ Статья ]
29 آوریل 2021, 05:01

Технология FPGA для искусственного интеллекта. Трудно представить другую технологию, которая настолько разносторонняя как FPGA. FPGA — Field-Programmable Gate Array, то есть программируемая логическая матрица (ПЛМ), программируемая логическая интегральная схема (ПЛИС). Это технология, при которой создается микросхема с набором логических элементов, триггеров, иногда оперативной памяти и программируемых электрических связей между ними. При этом программирование FPGA оказывается похоже на разработку электрической схемы, а не программы. Пользуюсь данной технологией давно и попробую описать самые полезные с моей точки зрения применения по мере их усложнения. Cферы применения решений FPGA + AI и Преимущества FPGA для искусственного интеллекта. https://telegra.ph/Cfery-primeneniya-reshenij-FPGA--AI-03-09
28 آوریل 2021, 05:00

Какая из следующих команд SQL используется для получения данных?
Anonymous voting
27 آوریل 2021, 03:00

Бесплатный вебинар «Как запустить проект в Kubernetes за 60 минут» от Mail․ru Cloud Solutions Kubernetes — сложная для внедре
Бесплатный вебинар «Как запустить проект в Kubernetes за 60 минут» от Mail․ru Cloud Solutions Kubernetes — сложная для внедрения технология, если запускать ее самостоятельно, преодолевая все подводные камни и неочевидные препятствия. Специалисты MCS помогут вам подготовиться к возможным трудностям. На вебинаре от Mail․ru Cloud Solutions 29 апреля вы узнаете, как быстро задеплоить проект в Kubernetes за 60 минут, как справиться со всеми сложностями и настроить автоматизированный конвейер разработки приложения. По итогам вебинара вы получите готовый репозиторий в GitHub и сможете самостоятельно повторить все действия, которые будут продемонстрированы спикером в рамках вебинара. Мероприятие пройдет в четверг, 29 апреля, онлайн. Начало в 17:00 по Москве. Регистрация обязательна: https://vk.cc/c1ek4U
26 آوریل 2021, 10:30

Какой из этих языков используется в DataScience
Anonymous voting
26 آوریل 2021, 03:00

​Интересуетесь искусственным интеллектом? 🤖 Тогда 29 апреля присоединяйтесь к онлайн-лекции от Лектория Skillbox об искусственном интеллекте и проблемах, к которым он может привести. Регистрация по ссылке: https://clc.am/ERZokA Вы рассмотрите: ✅ последние достижения в области ИИ и машинного обучения; ✅ страхи, связанные с появлением сверхинтеллекта; ✅ проблему «цифрового тайного суда»; ✅ реальность угрозы ИИ для человечества; ✅ связь искусственного интеллекта и социальных проблем. 🔥 Лекцию проведет Сергей Марков — руководитель Управления экспериментальных систем машинного обучения департамента SberDevices в Сбербанке, основатель научно-популярного портала 22century.ru.
25 آوریل 2021, 10:34

Создаем несложный шахматный ИИ: 5 простых этапов [ Статья ]
25 آوریل 2021, 05:44

​​Диаграммы рассеяния Диаграмма рассеяния лучше всего подходит для визуализации связи между двумя спаренными множествами данных. Например, на рис. 3.7 показана связь между числом друзей пользователя и числом минут, которые они проводят на веб-сайте каждый день: friends = [ 70, 65, 72, 63, 71, 64, 60, 64, 67) minutes = [175, 170, 205, 120, 220, 130, 105, 145, 190) labels = ['а', ·ь·, 'с', 'd', 'е', 'f'' 'g'' 'h', 'i'] # Друзья # Минуты # Метки plt.scatter(friends, minutes) # Назначить метку для каждой точки for label, friend_count, minute_count in zip(labels, friends, minutes): plt.annotate(label, xy=(friend_count, minute_count), # Задать метку xytext=(5, -5), # и немного сместить ее textcoords='offset points') plt.title("Чиcлo минут против числа друзей") pl t. xlabel ( "Число друзей") plt.ylabel("Чиcлo минут, проводимых на сайте ежедневно") plt.show ()
24 آوریل 2021, 05:00

Как улучшить свои навыки в веб-разработке, фронтенде и вёрстке? Просто подписаться на канал «Просто: разработка» и читать цен
Как улучшить свои навыки в веб-разработке, фронтенде и вёрстке? Просто подписаться на канал «Просто: разработка» и читать ценные статьи, а также авторские наработки от веб-разработчика с десятилетним опытом. YouTube-канал с уроками, а также чат на тысячу человек — прилагаются. Подписаться тут: t.me/prostorazrabotka
23 آوریل 2021, 06:00

Собеседование по Data Science: чего от вас ждут [ Статья ]
23 آوریل 2021, 02:01

​​Тонкая настройка предварительно обученных трансформаторов в RNN Microsoft + Deepmind + ... Трансформеры - это текущая СОТА в языковом моделировании. Но они сопряжены со значительными вычислительными затратами, поскольку механизм внимания квадратично масштабируется по длине последовательности. Потребление памяти также линейно растет с увеличением длины последовательности. Это узкое место ограничивает использование крупномасштабных предварительно обученных моделей генерации, таких как GPT-3 или преобразователи изображений. Недавно было предложено несколько эффективных вариантов трансформатора. Например, рекуррентный вариант линейной сложности (https://arxiv.org/abs/2006.16236) оказался хорошо подходящим для генерации авторегрессии. Он аппроксимирует внимание softmax с помощью рандомизированных или эвристических карт характеристик, но может быть трудно обучить или получить неоптимальную точность. Эта работа преобразует предварительно обученный преобразователь в его эффективный рекуррентный аналог линейной сложности с изученной картой функций для повышения эффективности при сохранении точности. Для этого они заменяют softmax Внимание в готовом предварительно обученном трансформаторе на его рекуррентную альтернативу линейной сложности, а затем тонкую настройку. ➕ Плюсы: + Процесс точной настройки требует гораздо меньше времени графического процессора, чем обучение повторяющихся вариантов с нуля + Преобразование большого стандартного трансформатора в облегченную модель вывода без повторения всей процедуры обучения очень удобно во многих последующих приложениях.
22 آوریل 2021, 12:30

​На Открытом Уроке мы подробно разберем, что же такое платформы Оркестрации, какие решения есть сегодня на рынке и даже углубимся в практический пример использования одной из самых распространенных платформ на сегодня: Apache Airflow. Демо-занятие является частью онлайн-курса «Экосистема Hadoop, Spark, Hive». Для вас это возможность попробовать курс, познакомиться с преподавателем и получить ценные навыки. Для регистрации пройдите вступительный тест https://otus.pw/eEGc/
22 آوریل 2021, 07:30

​​Чем искусственный интеллект отличается от машинного обучения? *AI* Искусственный интеллект нацелен на создание художественной компьютерной системы, подобной людям, для решения сложных проблем. *ML* позволяет машинам учиться на данных, чтобы они могли выдавать точный результат *AI* В зависимости от возможностей ИИ можно разделить на 3 типа. Слабый ИИ, Общий ИИ и сильный ИИ. *ML* ML делится на 3 типа: обучение с учителем, обучение без учителя и обучение с подкреплением. *AI* Системы искусственного интеллекта заинтересованы в максимальном увеличении шкалы успеха. *ML* Машинное обучение в основном связано с точностью и закономерностями. *AI* ИИ позволяет машине имитировать поведение человека. *ML* Машинное обучение - это разновидность искусственного интеллекта *AI* В основном имеет дело со структурированными полуструктурированными и неструктурированными данными. *ML* ML работает со структурированными и полуструктурированными данными. *AI* Применение ИИ - это Siri, поддержка клиентов с помощью кэтботов, интеллектуальных гуманоидных роботов и т. Д. *ML* Применением машинного обучения являются системы рекомендаций, алгоритмы поиска, предложения автоматической пометки друзей в Facebook и т. Д.
22 آوریل 2021, 02:01

​Научитесь с помощью компьютерного зрения решать реальные задачи бизнеса! Если вы Data Scientist с опытом и хотите освоить новые технологии, ждем вас на онлайн-курсе «Computer Vision». 📍Справитесь ли вы с уровнем курса? Покажет вступительный тест. Пройдите тестирование, чтобы: ● оценить свои навыки ● занять место на курсе по специальной цене ● получить доступ к демо-урокам курса 👉🏻Пройти тестирование: https://otus.pw/Ii51/
21 آوریل 2021, 12:00

Комплексная нейронная сеть на основе ряда Фурье от функции многих переменных [ Статья ]
21 آوریل 2021, 02:01

Как дата-саентисты помогают по-новому взглянуть на футбол, а нейросети пишут гороскопы и вызывают налоговые скандалы — читайте в апрельском Data Science-дайджесте от Нетологии. https://netology.ru/blog/04-2021-data-science-daijest
20 آوریل 2021, 08:33

Подготовка данных в Data Science-проекте: рецепты для молодых хозяек / Статья /
20 آوریل 2021, 02:53

​​Гистограммы. Что это? Как построить? Как представить данные? Как провести анализ? / Статья /
19 آوریل 2021, 05:00