اکنون در دسترس! پژوهش تلگرام ۲۰۲۵ — مهمترین بینشهای سال 
Data Science
رفتن به کانال در Telegram
DS По всем вопросам- @haarrp @ai_machinelearning_big_data - machine learning @pythonl - Python @itchannels_telegram - 🔥 best it channels @ArtificialIntelligencedl - AI @pythonlbooks-📚 @programming_books_it -📚 Реестр РКН: https://clck.ru/3Fk3zS
نمایش بیشتر📈 تحلیل کانال تلگرام Data Science
کانال Data Science (@datascienceiot) بازیگری فعال است. در حال حاضر جامعه شامل 41 909 مشترک است و جایگاه 3 247 را در دسته فناوری و برنامهها و رتبه 15 289 را در منطقه روسيا دارد.
📊 شاخصهای مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 41 909 مشترک جذب کرده است.
بر اساس آخرین دادهها در تاریخ 16 ژوئن, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -37 و در ۲۴ ساعت گذشته برابر -14 بوده و همچنان دسترسی گستردهای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 8.76% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 3.10% واکنش نسبت به کل مشترکان کسب میکند.
- دسترسی پستها: هر پست به طور میانگین 3 674 بازدید دریافت میکند. در اولین روز معمولاً 1 301 بازدید جمعآوری میشود.
- واکنشها و تعامل: مخاطبان بهطور فعال حمایت میکنند؛ میانگین واکنش به هر پست 0 است.
- علایق موضوعی: محتوا بر موضوعات کلیدی مانند llm, агентов, api, октября, разработчиков تمرکز دارد.
📝 توضیح و سیاست محتوایی
نویسنده این فضا را محل بیان دیدگاههای شخصی توصیف میکند:
“DS
По всем вопросам- @haarrp
@ai_machinelearning_big_data - machine learning
@pythonl - Python
@itchannels_telegram - 🔥 best it channels
@ArtificialIntelligencedl - AI
@pythonlbooks-📚
@programming_books_it -📚
Реестр РКН: https://clck.ru/3...”
به لطف بهروزرسانیهای پرتکرار (آخرین داده در تاریخ 17 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.
41 909
مشترکین
-1424 ساعت
+17 روز
-3730 روز
آرشیو پست ها
41 907
Конференция AI Driver & RecSys Темы — пространство, где наука и бизнес встречаются, чтобы обсудить будущее рекомендаций ⚡️
28 ноября пройдёт конференция о том, как создаются и развиваются современные рекомендательные системы.
На площадке Сбера соберутся эксперты топовых российских IT-компаний и вузов, чтобы обсудить новые исследования, открытые датасеты и практические решения, которые меняют подход к персонализации.
Это возможность за один день познакомиться с ключевыми трендами RecSys, пообщаться со специалистами и вдохновиться идеями, формирующими будущее рекомендаций.
Присоединяйтесь к профессиональному сообществу 28 ноября в 10:00 — регистрация по ссылке!
41 907
Accelerate Large-Scale LLM Inference and KV Cache Offload with CPU-GPU Memory Sharing
📚 Read
41 907
🎯 Как взять качество данных под контроль?
Неточные отчёты, дубликаты в базах, несоответствия данных - всё это тормозит бизнес и подрывает доверие к аналитике. Если вы хотите стать экспертом в управлении качеством данных и повысить свою ценность на рынке, новый курс «Data Quality» от OTUS - то, что нужно!
📚 Что вас ждёт на курсе:
✔️ Автоматизация контроля качества с помощью Soda, OpenMetadata, Airflow, NiFi
✔️ Построение системы Data Governance - от метаданных до Data Contracts
✔️ Метрики и профилирование данных - научитесь измерять и улучшать качество
✔️ Управление инцидентами и соответствие регуляторным требованиям
✔️ Практические проекты, которые можно добавить в портфолио
🎓 Формат обучения:
📅 Старт: 26 ноября
💻 Онлайн с практическими заданиями и обратной связью от экспертов
👉 Узнать подробности и записаться: https://tglink.io/01a9f1d7c7ba?erid=2W5zFJAJCWC
#реклама
О рекламодателе
41 907
LiteAttention: A Temporal Sparse Attention for Diffusion Transformers
📚 Read
@datascienceiot
41 907
Успей зарегистрироваться на масштабный ИТ-фест от МТС 🔥
21 ноября на True Tech Champ тебя ждет насыщенный день со зрелищной битвой роботов, нетворкингом и прокачкой навыков.
В программе:
📝 Доклады о ИИ-технологиях. Специалисты MWS AI, Skoltech, Яндекса и Unitree Robotics расскажут о трансформерах для управления автомобилями, работе с RAG-системами и физическими агентами.
📝 Воркшоп по работе с ИИ-агентами от канадского разработчика и автора книги AI Agents in Action Майкла Ланэма.
📝 Воркшоп по разработке игр с помощью AI плагина MWS DevTools Agent.
🛻 Шоу-битва роботов. Камеры от первого лица, профессиональные комментаторы создадут вайб больших видов спорта. На огромных экранах МТС Live Холл ты увидишь, как роботы будут проходить 3 уровня препятствий: запутанные лабиринты, офф-роад маршруты, парящие платформы — и сразятся в битве на выживание.
◻️ 20+ площадок с активностями. Попробуй родео и оседлай механического быка, пройди лазерный лабиринт, как настоящий спецагент, выведи на ринг своего робопаука и протестируй другие ИТ-челленджи.
🔴 В завершение дня — афтепати со звездным хедлайнером.
Фестиваль бесплатный, он пройдет 21 ноября в Москве и онлайн.
Смотри подробную программу на сайте и регистрируйся — количество мест ограничено.
41 907
RobustMerge: Parameter-Efficient Model Merging for MLLMs with Direction Robustness
📚 Read
@datascienceiot
41 907
🔥 Подборка полезных ресурсов для программистов.
Здесь ты найдёшь всё это - коротко, по делу и без воды.
Пока другие ищут, где “подглядеть решение”, ты уже используешь самые свежие инструменты!
AI: t.me/ai_machinelearning_big_data
Python: t.me/pythonl
Linux: t.me/linuxacademiya
Devops: t.me/DevOPSitsec
Собеседования DS: t.me/machinelearning_interview
C++ t.me/cpluspluc
Docker: t.me/DevopsDocker
Хакинг: t.me/linuxkalii
Data Science: t.me/data_analysis_ml
Javascript: t.me/javascriptv
C#: t.me/csharp_1001_notes
Java: t.me/java_library
Базы данных: t.me/sqlhub
Python собеседования: t.me/python_job_interview
Мобильная разработка: t.me/mobdevelop
Golang: t.me/Golang_google
React: t.me/react_tg
Rust: t.me/rust_code
ИИ: t.me/vistehno
PHP: t.me/phpshka
Android: t.me/android_its
Frontend: t.me/front
Big Data: t.me/bigdatai
МАТЕМАТИКА: t.me/data_math
Kubernets: t.me/kubernetc
Разработка игр: https://t.me/gamedev
Haskell: t.me/haskell_tg
Физика: t.me/fizmat
💼 Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy
Папка FRONTEND: https://t.me/addlist/mzMMG3RPZhY2M2Iy
Папка Linux:https://t.me/addlist/w4Doot-XBG4xNzYy
😆ИТ-Мемы: t.me/memes_prog
🇬🇧Английский: t.me/english_forprogrammers
🧠ИИ: t.me/vistehno
🎓954ГБ ОПЕНСОРС КУРСОВ: @courses
📕Ит-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy
Сохрани себе, чтобы не потерять!
41 907
✅🧐🎁😌👹😋😡🙊😍🤷♂️👹
AI-агенты перестали быть экспериментом — они становятся основой продуктовых решений. Вопрос лишь в том, умеете ли вы создавать своих?
С 20 ноября будет Yandex AI Studio Series — серия практических вебинаров для тех, кто хочет пройти путь от идеи до production-ready AI-агента за 7 дней.
💡Что будет на интенсиве:
🟠 4 онлайн-трансляции с сессией вопросов и ответов.
🟠Предзаписанный воркшоп для самостоятельной практики.
🟠Квиз и приятные сюрпризы.
🟠Нетворкинг в продуктовом комьюнити.
🟠Офлайн-встреча в офисе Яндекса в Москве.
Все решения будем деплоить на базе Yandex AI Studio — платформы от Яндекса для разработки AI-агентов.
Участие в мероприятии бесплатное.
Если вы AI/ML-инженер или разработчик и хотите углубиться в инженеринг агентов и мультиагентных систем — присоединяйтесь.
Регистрация
@datascienceiot
41 907
Запущен первый российский продуктовый бенчмарк RAG-решений: открыт прием заявок
Кейс, который важен всем, кто делает или внедряет корпоративные ИИ-решения: в России появился инструмент, позволяющий объективно сравнивать RAG-сервисы по реальным бизнес-задачам — RRNCB (Russian RAG Normative-Corporate Benchmark)
Что интересного внутри для AI/ML-команд:
🔹 Полный пайплайн: бенчмарк проверяет не только LLM, а все решение целиком — от извлечения документов до генерации ответа.
🔹 Реальные данные: тесты строятся на корпоративных сценариях — ГОСТы, договоры, регламенты.
🔹 Прозрачная методология: независимая оценка с участием экспертов и внешних LLM.
🔹 Прозрачная польза для всех участников: компании получают независимое подтверждение качества продукта и шанс попасть в первый рейтинг российских RAG-решений, а клиенты — рейтинг с понятными критериями.
К участию приглашены все российские компании, разрабатывающие и продающие собственные ИИ-продукты бизнесу. В рамках бенчмарка ожидается испытание популярных RAG решений: Сбер (GigaChat), Яндекс (Нейроэксперт), МТС (Cotype), Softline (Преферентум), Авито, Точка Банк, Just AI и других лидеров рынка.
🗓 Прием заявок на сайте RRNCB — до 21 ноября,
результаты — 12 декабря.
👉 Читать
41 907
Machine Learning Systems
Principles and Practices of Engineering Artificially Intelligent Systems
📚 Read
@datascienceiot
41 907
The Smol Training Playbook:
The Secrets to Building World-Class LLMs
📚 Read
@datascienceiot
41 907
🤖 От классифайда к собственному ИИ-ассистенту: кейс Авито
Технологическая платформа Авито регистрирует новый товарный знак для собственного ИИ-ассистента — «Ави», узнал Коммерсант. Его уже тестируют в разных категориях, чтобы в 2026 году запустить универсальное решение, которое будет работать во всех вертикалях.
Что внутри интересного:
🔹 «Ави» работает на базе большой языковой модели;
🔹 отвечает в формате живого диалога: уточняет цель покупки, важные параметры, рекомендует подходящие предложения и даже объясняет отличия между лотами.
«Коммерсант» пишет, что запуск подобных ИИ-решений крупными компаниями уже стал трендом на рынке. ИИ повышает отдачу и лояльность пользователей, позволяет собирать дополнительный контекст из общения с ассистентом и увеличивает вовлеченность в продукт, что положительно сказывается на продажах.
По оценкам экспертов, Авито уже мог вложить в разработку ИИ-ассистента около 500 млн руб. В уже озвученных планах компании были и еще более масштабные вложения: инвестировать 12 млрд в развитие генеративного ИИ и заработать более 21 млрд на технологии к 2028 году.
В открытом доступе уже есть две собственные ИИ-модели Авито — текстовая A-Vibe и мультимодальная A-Vision. Причем качество разработок подтверждают пользователи: A-Vibe всего за неделю набрала более 1400 скачиваний и вошла в топ трендовых моделей на платформе Hugging Face.
📚 Читать
@datascienceiot
41 907
GaussGym: An open-source real-to-sim framework for learning locomotion from pixels
Project: https://escontrela.me/gauss_gym/
Paper: https://arxiv.org/abs/2510.15352
Data: https://huggingface.co/collections/escontra/gauss-gym-datasets
Code: https://github.com/escontra/gauss_gym
@datascienceiot
41 907
+5
🧠 От скалярного произведения к бустингу: RecSys кейс из Яндекс Лавки
Классный кейс для всех, кто пилит рекомендательные системы для реальных операционных задач. Команда Лавки рассказала, как они решали задачу мэтчинга курьеров и слотов рабочих смен.
Что внутри интересного для DS/ML-специалиста:
🔹 Бейзлайн: как стартовали с простого решения на векторах и скалярном произведении.
🔹 Feature Engineering: какие фичи собирают для ML-модели.
🔹 Выбор метрики: детальное объяснение, почему в их задаче Recall оказался важнее Precision.
🔹 Таргет: как теперь движутся от прокси-метрики «принял слот» к более честному таргету «вышел на слот».
Отличный разбор полного цикла — от эвристик до подготовки данных для полноценной ML-модели.
👉 Прочитать статью можно здесь
41 907
Does Model Size Matter? A Comparison of Small and LLMs for Requirements Classification
📚 Читать
@datascienceiot
