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

شبکه:Frontender's notes [ru]روسيا33 728 فناوری و برنامه‌ها6 730...

📈 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 6 730 را در دسته فناوری و برنامه‌ها و رتبه 33 728 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 22 ژوئن, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -88 و در ۲۴ ساعت گذشته برابر -13 بوده و همچنان دسترسی گسترده‌ای حفظ شده است.

وضعیت تأیید: تأیید نشده
نرخ تعامل (ER): میانگین تعامل مخاطب 8.15% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 3.63% واکنش نسبت به کل مشترکان کسب می‌کند.
دسترسی پست‌ها: هر پست به طور میانگین 1 630 بازدید دریافت می‌کند. در اولین روز معمولاً 725 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 23 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

-1324 ساعت

-487 روز

-8830 روز

1 630

نمایش های پست

~ 72524 ساعت

~ 85448 ساعت

8.15%

نرخ مشارکت

~ 1

پست های در روز

Ads index

beta

آرشیو پست ها

19 995

⚡️Неструктурированные данные: примеры, инструменты, методики и рекомендации В этой статье мы рассмотрим разные типы данных, варианты хранения и управления ими, а также различные методики и инструменты для анализа неструктурированных данных. Читать...

19 995

😶‍🌫Modus BI Cloud: работа с данными в облаке В этой статье расскажу о том, как работают с данными облачные решения, например, наш Modus BI Cloud. Читать...

19 995

🤓BI-аналитика на коленке: делаем веб-аналитику в DataLens В этой статье я расскажу как мы разработали open-source калькулятор размера выборки ABnTester. Читать...

19 995

🔥Преобразование табличных данных в Python В этой статье мы сравним четыре популярных: Pandas (любимчик публики), Polars (конкурент Pandas) , PyArrow (low level columnar) и DuckDB (в него встроен SQL). Читать...

19 995

😶‍🌫«Квантовые облака»: как разработчики делают квантовые вычисления ближе к бизнесу В этой статье расскажу, что такое квантовые компьютеры, как квантовый центр и сотрудники из организации, придумали эмуляторы квантового процессора, почему решили разворачивать их в облаке и что в итоге получили. Читать...

19 995

X5 Tech проведет XData - конференцию по большим данным 31 августа в онлайн выступят спикеры X5 Tech, чтобы рассмотреть эволюцию ритейла через призму big data: аналитика, модели и актуальные проблемы. Заявленные спикеры: -- Михаил Неверов, директор по анализу данных -- Никита Сурков, руководитель направления аналитики данных -- Александр Сахнов, руководитель управления мультивариативного анализа -- Мария Шабалкова, владелец продукта «Платформа А/Б-тестирования» -- Святослав Орешин, владелец продукта «Модельный риск» -- Андрей Полушкин, team lead ad-hoc аналитики -- Максим Павлов, руководитель направления подготовки и валидации Готовится открытая дискуссия. ⏰ Старт в 11:00 Регистрация и подробности

19 995

🧐 Как используют генеративные модели в поисковике и при чём тут внешняя информация? Современные генеративные модели способы “галлюцинировать” и путать факты. Одно из решений этих проблем — использовать доступ к внешней информации, опираясь на которую, мы можем выполнять как обусловленную генерацию (Retrieval Augmented Generation), так и фактологическую оценку имеющихся генераций (Fact-Check). Светлана Крыжановская, разработчик отдела NLP группы YaLM Alignment, обсудит в докладе опыт работы с такими пайплайнами в Яндексе. Всё это в рамках большой и важной конференции по ML, которая пройдёт 7 сентября. Регистрация

19 995

🎼Нейромузыка: может ли робот создавать треки? В этой статье я расскажу о том, как задумывалась и создавалась Нейромузыка: как мы обучили модель писать музыкальные лупы, сочетать их между собой и подстраивать музыкальный поток под каждого пользователя. Читать...

19 995

Когда думаешь о новой профессии, всё как в тумане. В чём я буду хороша или хорош? Хватит ли меня на долгую учёбу? А как я устроюсь без опыта? И вообще, время уже ушло. День цифровых профессий в Практикуме — это возможность сделать шажок туда, где хоть что-то понятно. А после первого шага легче сделать второй. Мы пригласили 39 экспертов из Яндекса, AGIMA, inDrive, Хабра, Практикума, чтобы они помогли разобраться: — кем можно работать в разработке, анализе данных, дизайне, менеджменте и маркетинге; — как новичку найти первую работу; — почему рынку всё ещё нужны тысячи новых специалистов; — почему учиться в Практикуме непросто, но интересно. Приходите с любыми вопросами и сомнениями. Вам ответят эксперты и выпускники Практикума. → Зарегистрироваться на День цифровых профессий

19 995

🧑‍💻Model soups: альтернатива ансамблированию при файнтюнинге моделей В этой статье мы разберемся с тем, что это такое, и кратко пробежимся по основным моментам оригинального папера. Читать...

19 995

🎙Аугментация экспрессивных аудиоданных на основе TTS В этой статье мы поговорим о системах клонирования голоса на основе TTS (Text-to-Speech), которые мы используем в корпоративной лаборатории человеко-машинного взаимодействия ИТМО для аугментации речевых баз данных в рамках задачи мультимодального распознавания доминантности дикторов в полилогах. Читать...

19 995

🧐Генеративный ИИ — Будущее или просто Хайп? В этой статье автор обсудит возможности генеративного ИИ, почему это не хайп и как AWS демократизирует доступ к большим языковым и базовым моделям. Читать...

19 995

🤔Что такое CLTV и как мы в билайне с ним работаем В этой статье мы расскажем, зачем и как внедряли CLTV в компании. Читать...

19 995

📊FineBI-g brother is watching you: как мы начали анализировать действия пользователей в Fine В этой статье автор расскажет как он решит задачу поиска и последующего анализа действий и полномочий пользователей, а также возьмёт под контроль обновление источников. Читать...

19 995

🤓Простые радости вертикального масштабирования В этой статье мы подробно разберём, почему практика горизонтального масштабирования стала доминирующей, проверим, актуальны ли до сих пор эти обоснования, а затем исследуем некоторые преимущества архитектуры с вертикальным масштабированием. Читать...

19 995

👉 Запустите собственную LLM, представленную на HuggingFace! Уже сегодня в 20:00 мск на открытом уроке в OTUS мы обсудим что такое большая языковая модель, какие есть предобученные модели. 🔹 Поработаем с API ChatGPT, запустим предобученную RuGPT3. 🔹 Посмотрим примеры работы с подходами Zero-shot, Few-shot. 🔹Обсудим, как можно дообучать LLM на небольших видеокартах с помощью LORA модификаторов. Вебинар приурочен к старту онлайн-курса «Machine Learning. Professional» в OTUS 📌 Результаты урока: Вы узнаете как работать с API ChatGPT, запускать собственную LLM, представленную на HuggingFace, работать с LORA модификаторами моделей 👉 РЕГИСТРАЦИЯ https://otus.pw/r3gE/ Нативная интеграция. Информация о продукте www.otus.ru

19 995

😎Дропаем ранжирующие метрики в рекомендательной системе, часть 2: двухэтапные модели В этой статье автор расскажет о том, как мы дропаем ранжирующие метрики и улучшаем при этом качество рекомендаций. Читать...

19 995

🔍Как найти задачу, которую можно решить с помощью машинного обучения В этой статье мы расскажем немного об основах машинного обучения: покажем, как подобрать задачу для обучения и таким образом посмотреть на процесс через призму бизнеса. Читать...

19 995

🗺ML для ускорения работы картографов В этой статье автор поговорит о том, как он дополняет карту дорожными знаками, как работает с данными и формализует задачи. Читать...

19 995

🗓Apache Spark 3.4 для Databricks Runtime 13.0 В этой статье автор расскажет о нововведениях Apache Spark 3.4, который вошел в релиз Databricks Runtime 13.0. Читать...