اکنون در دسترس! پژوهش تلگرام ۲۰۲۵ — مهمترین بینشهای سال 
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 19 994 مشترک است و جایگاه 6 722 را در دسته فناوری و برنامهها و رتبه 33 703 را در منطقه روسيا دارد.
📊 شاخصهای مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 19 994 مشترک جذب کرده است.
بر اساس آخرین دادهها در تاریخ 21 ژوئن, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -75 و در ۲۴ ساعت گذشته برابر -3 بوده و همچنان دسترسی گستردهای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 8.29% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 3.70% واکنش نسبت به کل مشترکان کسب میکند.
- دسترسی پستها: هر پست به طور میانگین 1 658 بازدید دریافت میکند. در اولین روز معمولاً 740 بازدید جمعآوری میشود.
- واکنشها و تعامل: مخاطبان بهطور فعال حمایت میکنند؛ میانگین واکنش به هر پست 7 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 22 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.
19 994
مشترکین
-324 ساعت
-367 روز
-7530 روز
آرشیو پست ها
Мешают ли дата-сайентистам галлюцинации, и где они с ними сталкиваются
В предновогоднем эпизоде подкаста «Деньги любят техно» команда дата-сайентистов из ВТБ подвела итоги уходящего года в темах развития нейросетей, машинного обучения, инструментов на базе ИИ. Вспомнили главные достижения и фейлы технологических компаний, занимающихся генеративным ИИ, рассказали о своём взаимодействии с нейросетями, пообщались с одной из них и попытались выяснить, когда она со своими «коллегами» захватит мир.
Получился живой и весёлый разговор, слушать можно на любой удобной подкаст-платформе.
💎 Как быстро и эффективно собирать данные с разных сайтов?
Расскажет Мария Тихонова – Senior Data Scientist в SberDevices и преподаватель ВШЭ. Встречаемся на бесплатном уроке «Парсинг данных: собираем датасет своими руками», где мы поговорим об общих принципах сбора данных и изучим основные инструменты парсинга в Python.
💻 Вебинар идеально подойдет:
— тем, кто знает основы Python и хочет углубиться в ML и NLP;
— начинающим DS специалистам;
— тем, кто уже изучил основы ML и хочет понять более глубокие аспекты.
🗣 Занятие пройдёт 25 декабря в 20:30 мск и будет приурочено к старту курса «Natural Language Processing». После урока вы сможете продолжить обучение в рассрочку.
📍 Для бесплатного участия и получения записи пройдите короткое тестирование прямо сейчас: https://clck.ru/37CyJ3
Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru
Спрос на ML-специалистов растет: как ШАД от Яндекса готовит профессионалов
В интервью “Коммерсанту” глава Школы анализа данных (ШАД) Алексей Толстиков рассказывает о подготовке специалистов по машинному обучению, объясняет, почему конкурс на поступление такой высокий и расписывает типичный карьерный трек ШАДовца с перспективой руководить командой в несколько десятков человек уже через три-пять лет после выпуска.
Читать
Подкаст для начинающих и продвинутых специалистов в MLOps
О чём:
• Какие критерии выбора применять при выборе инструментов MLOps для больших задач
• С чего начать, на какие платформы обратить внимание
• Как выбрать подходящие под вашу задачу Open-Source-инструменты
• Облако или InHouse
Участники:
• Юрий Карев, руководитель управления процессов и стандартов моделирования и машинного обучения ВТБ
• Алексей Незнанов, к.т.н, старший научный сотрудник международной лаборатории интеллектуальных систем и структурного анализа НИУ ВШЭ
Слушать 🎧
💪 Создание ML-модели: как выпустить ML-сервис в прод малыми силами
В этой статье Александр Кузьмичёв и Александр Казначеев, пилоты проекта «ML-сервис по оттоку», поделились своим опытом разработки модели и выкатки её в прод с помощью Cloud ML Platform. Они рассказали все: от подготовки модели до перспектив ее улучшения.
Читать…
🔬 Яндекс в пятый раз наградил исследователей в области машинного обучения
Международную премию Yandex ML Prize получили 11 ученых, всего было получено более 200 заявок в шести номинациях. Так, лауреатами стали аспиранты Сколтеха Никита Гущин — за разработку новых генеративных моделей на основе решения задачи моста Шрёдингера —и Антон Разжигаев — за мультимодальные исследования. Исследования имеют прикладной характер и находят применение в реальных задачах в IT-сфере.
💬 Вступайте в сообщество MLOps-инженеров в Telegram. Там публикуем дайджесты, обсуждаем новые инструменты и технологии.
В сообществе вы найдете:
▫️ Новости индустрии production ML;
▫️ Полезные статьи, инструменты и технологии;
▫️ Опыт коллег и лучшие практики.
Присоединяйтесь, чтобы получать новые знания от практиков MLOps и дата-аналитики: https://t.me/+cm7RWVl98JhkMzky
Реклама ООО «Селектел» erid 2VtzqwMZZhC
🔐Безопасность и контроль: Как GPT-агенты на основе узлов преодолевают ограничения AutoGPT
В этой статье мы рассмотрим потенциальную альтернативу существующим GPT-агентам, которая позволить минимизировать риски, связанные с использованием GPT-агентов, и при этом потенциально более эффективно решать конкретные задачи.
Читать...
😶🌫️Поиск аномалий при запусках процессов Windows с помощью рекомендательных систем
В этой статье мы расскажем о том, как правильно использовать «магию» машинного обучения, какой алгоритм фактически самостоятельно «понимает» функциональные обязанности каждого пользователя и предназначение конкретной программы и при чем здесь рекомендации товаров в интернет-магазине.
Читать...
Используем Cloud ML Platform для построения сервиса распознавания лиц
Станислав Кипрюшин, ведущий программист в VK Cloud, выкатил статью, в которой рассказывает, как машинное обучение (Machine Learning, ML) может быть реализовано для создания MLOps-конвейер на одной платформе. Один из способов предполагает использование различных технологий на каждом этапе, а другой — работу с готовым набором инфраструктурных решений. Какой путь будет проще и какие потребуются ресурсы — читайте на Хабре.
💰 Есть три способа сэкономить на покупке новой техники и всего что угодно 👇
С картой Тинькофф Платинум вы сможете:
1️⃣ Получить обратно 1000 рублей за любые траты свыше 3000 рублей*.
2️⃣ Купить любой товар в рассрочку на 12 месяцев без процентов.
3️⃣ Каждый месяц забирать до 30% кэшбэка при покупке у партнеров Тинькофф.
Кредитный лимит — до 1 000 000 рублей. Можно взять новый мощный ноутбук, ультраширокий монитор, очки виртуальной реальности, и еще останется. Например, на кружку с подогревом 😂
Переходите по ссылке, чтобы оформить карту.
👉 tinkoff.ru
* Акция действует для тех, у кого нет действующей кредитной карты или она закрыта больше года назад. Чтобы получить 1000 рублей обратно на счет, оформите карту до конца декабря, активируйте до 15 января и потратьте 3000 рублей в течение 30 дней с момента активации.
Реклама. АО «Тинькофф Банк», ИНН 7710140679
