fa
Feedback
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. Личный блог автора - @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 19 992 مشترک است و جایگاه 6 718 را در دسته فناوری و برنامه‌ها و رتبه 33 709 را در منطقه روسيا دارد.

📊 شاخص‌های مخاطب و پویایی

از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 19 992 مشترک جذب کرده است.

بر اساس آخرین داده‌ها در تاریخ 23 ژوئن, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -85 و در ۲۴ ساعت گذشته برابر 0 بوده و همچنان دسترسی گسترده‌ای حفظ شده است.

  • وضعیت تأیید: تأیید نشده
  • نرخ تعامل (ER): میانگین تعامل مخاطب 7.98% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 3.64% واکنش نسبت به کل مشترکان کسب می‌کند.
  • دسترسی پست‌ها: هر پست به طور میانگین 1 596 بازدید دریافت می‌کند. در اولین روز معمولاً 728 بازدید جمع‌آوری می‌شود.
  • واکنش‌ها و تعامل: مخاطبان به‌طور فعال حمایت می‌کنند؛ میانگین واکنش به هر پست 8 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. Личный блог автора - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD

به لطف به‌روزرسانی‌های پرتکرار (آخرین داده در تاریخ 24 ژوئن, 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.

19 992
مشترکین
اطلاعاتی وجود ندارد24 ساعت
-417 روز
-8530 روز
آرشیو پست ها
​​👤Как я писал трекинг парковочных мест В этой статье автор расскажет, как обучить модель определять парковочные места, и как это можно применять в реальной жизни, а также вы узнаете как сделать код, который считает свободные парковочные места. Читать...

​​👤Практический опыт проектирования систем графового анализа В этой статье автор расскажет, почему ни одна система не обладает достойным функционалом пользовательского графического интерфейса из коробки, и почему в части GUI-интерфейса администрирования встречаются вполне интересные и зрелые решения, закрывающие большинство требований, а также вы узнаете почему некоторые популярные системы имеют сильно урезанный функционал в так называемой бесплатной community edition. Читать...

​​😮Применение Python для сбора и предобработки данных цифрового следа В этой статье автор расскажет, как можно выполнить отправку HTTP‑запроса веб‑серверу поисковика с упоминанием интересующего объекта с помощью библиотеки «Requests«, и как можно выполнить получение ссылки на страницу в интернете про интересующий объект из ответа веб‑сервера с помощью «Beautiful Soup», а также вы узнаете как собирать цифровой след программными инструментами. Читать...

​​🧑🏼‍💻Разработчики — налево, методологи — направо: четыре шага к оптимизации работы BI-аналитиков В этой статье автор расскажет, почему сбор информации о клиентах, услугах, потреблении и оплатах производиться разными системами, и почему данные агрегируются в таблицах с разными структурами, не связанными общими признаками и логикой, а также вы узнаете зачем нужны разные роли аналитиков, которые могли бы работать параллельно и иметь возможность фокусироваться на определенных задачах. Читать...

​​😎Шесть шагов для создания более качественных моделей Computer Vision В этой статье автор расскажет, какие есть способы применения моделей компьютерного зрения в реальном мире, и чем модели компьютерного зрения отличаются от моделей машинного обучения, а также вы узнаете как применять модели компьютерного зрения в реальном времени. Читать...

​​😵Как мы распараллелили CatBoost на Spark В этой статье автор расскажет, как можно сконфигурировать оператор, а на HDFS положить необходимые jars, и как поставить локальный CatBoost из скачанных джарников, а также вы узнаете как полностью снять нагрузку с Kubernetes-кластера и ускорить вычисления. Читать...

​​😮Кластеризация текста в PySpark В этой статье автор расскажет, почему вручную невозможно обработать огромное количество текстовой информации и понять какие данные они могут содержать, и как в таком случае нам поможет кластеризация текста, которая позволит получить представление о данных, а также вы узнаете как CountVectorizer заменит текст на разреженный вектор. Читать...

​​📊Pyspark. Анализ больших данных, когда Pandas не достаточно В этой статье автор расскажет, почему Pandas - одна из наиболее используемых библиотек Python с открытым исходным кодом для работы со структурированными табличными данными для анализа, и как как PySpark может выручать в условиях нехватки мощностей для обработки данных, а также вы узнаете как Pyarrow может значительно ускорять работу pyspark. Читать...

​​🤪Знакомство с Fugue — уменьшаем шероховатости при работе с PySpark В этой статье автор расскажет, почему рано или поздно объем обрабатываемых данных превосходит возможности Pandas, и возникает необходимость в распределенных вычислениях, и какие могут быть проблемы, с которыми сталкиваются новички и даже опытные пользователи при использовании Spark, а также вы узнаете почему синтаксис и использование Spark и Pandas сильно отличаются. Читать...

​​👤Фундаментальные концепции переобучения и недообучения в машинном обучении В этой статье автор расскажет, почему одели машинного обучения никогда не могут делать идеальные прогнозы, и почему для каждого разделения перекрестной проверки процедура обучает модель на всех красных образцах и оценивает оценку модели на синих образцах, а также вы узнаете как можно получить информацию о времени для подгонки и прогнозирования на каждой итерации перекрестной проверки. Читать...

​​🤖Сassandra для бедных — пускаем в ход HDD В этой статье автор расскажет, почему Cost reduction - очень популярное направление, особенно в дни кризиса IT, и зачем в таблицах, где скорость чтения критична использовать resource intensive Leveled сompaction strategy, а также вы узнаете как можно отказаться от Cassandra на SSD. Читать...

​​Стань лучшим на онлайн-хакатоне PROFBUH HACKATHON | JUNE 🏆 Открыта регистрация на онлайн-хакатон от компании Профбух и Акселератора Возможностей! Кейс: 🔹Автоматическое создание текстовых публикаций на основе записанного видео. Даты хакатона:  23 – 25 июня 2023 года Дедлайн регистрации:  19 июня 23:59 Регистрация и подробности - https://clck.ru/34Wuss   Кому подходит хакатон?  🔸Студентам, разработчикам, дизайнерам, продакт-менеджерам и аналитикам. Что нужно будет сделать? 🔸Разработать web-систему для автоматического создания уникальных статей на основе видео из YouTube.  Что тебя ждёт? 🔹2 дня в онлайн-формате 🔹встречи с экспертами, мастер-классы и питчи 🔹крутой командный проект и интересный кейс в резюме 🔹призовой фонд – 300.000₽ Регистрируйся, решай кейс и выигрывай призы!🏆

​​🎃Компьютерное зрение: загрузка и подготовка данных Fashion MNIST В этой статье автор расскажет, как использовать Keras и строить нейронные сети для решения простых задач, а также вы узнаете как можно использовать TensorFlow для построения нейронных сетей. Читать...

​​📊Что нам стоит диаграмму в Python построить: 5 вариантов привлекающей внимание визуализации данных и кое-что ещё В этой статье автор расскажет, как диаграммы помогают визуализировать простые, и самые сложные наборы данных, и почему древовидную диаграмму несложно делать посредством Plotly, а также вы узнаете почему для создания интерактивной диаграммы лучше использовать библиотеку Plotly, и как она упрощает процесс добавления интерактивности. Читать...

DataScienceBooks - книги по Data Science в формате pdf и epub. Все книги 2017+ годов. Книги скачиваются в 2 клика. Переходите
DataScienceBooks - книги по Data Science в формате pdf и epub.  Все книги 2017+ годов. Книги скачиваются в 2 клика.  Переходите, подписывайтесь и скачивайте: @dsbooksru

​​😎Заповеди начинающего Data Scientist В этой статье автор расскажет, почему никогда нельзя обучать модель на тесте, и как строчка X_test_scaled = scaler.fit_trasnform(X_test) может полностью испортить ваш эксперимент, а также вы узнаете что делать если в коде есть какая-то случайность (случайное разбиение на train и test, случайная инициализация и т. д.). Читать...

​​🫠Выжить без cookies: как мы объединили CDP и сквозную аналитику для компании-автопроизводителя В этой статье автор расскажет, зачем все известные нам браузеры отказываются от сбора сторонних cookies, и почему один из лучших способов адаптации к новой cookieless‑реальности — это сбор и анализ своих собственных данных, а также вы узнаете почему большинство экспертов сходятся на мнении, что нужно сконцентрироваться на сборе собственных данных. Читать...

​​👤Зачем мы моделируем импульсные нейронные сети и с помощью чего это делаем В этой статье автор расскажет, почему обычно нейросети получают на вход огромное количество данных, и почему получаемый сетью поток данных должен быть структурирован, а также вы узнаете почему эффективность реализации ИНС в специализированном нейрочипе зависит прежде всего от нахождения удачных компромиссов между функциональными возможностями нейрона. Читать...

​​😶‍🌫️Что такое Self-Service BI и зачем он нужен В этой статье автор расскажет, как наделить пользователей возможностью самостоятельно исследовать и использовать данные для принятия осознанных управленческих решений, и как повысить культуру и навыки работы с данными, а также вы узнаете какие есть основные подходы к построению Business Intelligence, и почему важен процесс Self-Service. Читать...

​​Сейчас все больше говорят о том, что искусственный интеллект заберет работу у IT-специалистов. Чтобы оставаться востребованным и быть в контексте новых технологий, достаточно понимать, как они работают. 💸 Специалисты по ИИ в среднем получают: В России — ₽200 000 в месяц За рубежом — $125 000 в год, согласно Datamation.  Начните изучать искусственный интеллект с программирования на Python, поскольку большая часть библиотек машинного обучения и анализа данных используется именно в этом языке. 🔥 Международная школа анализа данных и разработки Mathshub проведет бесплатный живой интенсив по основам Python для искусственного интеллекта. Вас ждут живые лекции, сессии парного программирования, а также сертификаты при успешном прохождении обучения. Интенсив продлится 3 недели, за это время вы: ➡️ Научитесь ориентироваться в основах Python: синтаксис, типы данных, условные операторы, циклы, функции, библиотеки ➡️ Погрузитесь в основы машинного обучения ➡️ Узнаете, как работают нейросети Подробнее с программой обучения можно ознакомиться ➡️ тут  Для кого интенсив?  • Новичков, желающих начать программировать на Python • Тех, кто в дальнейшем нацелен освоить анализ данных и машинное обучение • Тех, кто хочет стать востребованным специалистом, создающим ИИ ➡️ Регистрируйтесь по ссылке, старт уже в понедельник 29 мая