Библиотека дата-сайентиста | Data Science, Machine learning, анализ данных, машинное обучение
رفتن به کانال در Telegram
Все самое полезное для дата сайентиста в одном канале. Учиться у нас: clc.to/6qVHgg По рекламе: @proglib_adv Для обратной связи: @proglibrary_feeedback_bot РКН: https://gosuslugi.ru/snet/67a5b03124c8ba6dcaa121c9
نمایش بیشتر
شبکه:📈 تحلیل کانال تلگرام Библиотека дата-сайентиста | Data Science, Machine learning, анализ данных, машинное обучение
کانال Библиотека дата-сайентиста | Data Science, Machine learning, анализ данных, машинное обучение (@dsproglib) در بخش زبانی روسی بازیگری فعال است. در حال حاضر جامعه شامل 18 368 مشترک است و جایگاه 6 993 را در دسته فناوری و برنامهها و رتبه 36 062 را در منطقه روسيا دارد.
📊 شاخصهای مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 18 368 مشترک جذب کرده است.
بر اساس آخرین دادهها در تاریخ 26 اوت, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -51 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 7.10% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 3.71% واکنش نسبت به کل مشترکان کسب میکند.
- دسترسی پستها: هر پست به طور میانگین 1 304 بازدید دریافت میکند. در اولین روز معمولاً 681 بازدید جمعآوری میشود.
- واکنشها و تعامل: مخاطبان بهطور فعال حمایت میکنند؛ میانگین واکنش به هر پست 5 است.
- علایق موضوعی: محتوا بر موضوعات کلیدی مانند сайентиста, llm, буст, навигация, openai تمرکز دارد.
📝 توضیح و سیاست محتوایی
نویسنده این فضا را محل بیان دیدگاههای شخصی توصیف میکند:
“Все самое полезное для дата сайентиста в одном канале.
Учиться у нас: clc.to/6qVHgg
По рекламе: @proglib_adv
Для обратной связи: @proglibrary_feeedback_bot
РКН: https://gosuslugi.ru/snet/67a5b03124c8ba6dcaa121c9”
به لطف بهروزرسانیهای پرتکرار (آخرین داده در تاریخ 27 اوت, 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.
18 368
مشترکین
-324 ساعت
-197 روز
-5130 روز
در حال بارگیری داده...
کانالهای مشابه
![Data Science | Machinelearning [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.tlmtr.io%2Fc%2F1dVo3O%2F5217464346798572541%3Fty%3Dx&w=96&q=75){kind=small}
ابر برچسبها
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
اوت '26
اوت '26
+52
در 0 کانالها
ژوئیه '26
+83
در 0 کانالها
Get PRO
ژوئن '26
+97
در 2 کانالها
Get PRO
مه '26
+142
در 1 کانالها
Get PRO
آوریل '26
+106
در 1 کانالها
Get PRO
مارس '26
+329
در 4 کانالها
Get PRO
فوریه '26
+154
در 5 کانالها
Get PRO
ژانویه '26
+212
در 4 کانالها
Get PRO
دسامبر '25
+211
در 3 کانالها
Get PRO
نوامبر '25
+101
در 1 کانالها
Get PRO
اکتبر '25
+148
در 5 کانالها
Get PRO
سپتامبر '25
+105
در 2 کانالها
Get PRO
اوت '25
+103
در 4 کانالها
Get PRO
ژوئیه '25
+171
در 2 کانالها
Get PRO
ژوئن '25
+185
در 42 کانالها
Get PRO
مه '25
+319
در 6 کانالها
Get PRO
آوریل '25
+206
در 18 کانالها
Get PRO
مارس '25
+247
در 53 کانالها
Get PRO
فوریه '25
+236
در 36 کانالها
Get PRO
ژانویه '25
+180
در 41 کانالها
Get PRO
دسامبر '24
+212
در 42 کانالها
Get PRO
نوامبر '24
+217
در 52 کانالها
Get PRO
اکتبر '24
+224
در 43 کانالها
Get PRO
سپتامبر '24
+249
در 38 کانالها
Get PRO
اوت '24
+269
در 37 کانالها
Get PRO
ژوئیه '24
+197
در 37 کانالها
Get PRO
ژوئن '24
+257
در 31 کانالها
Get PRO
مه '24
+429
در 38 کانالها
Get PRO
آوریل '24
+339
در 38 کانالها
Get PRO
مارس '24
+437
در 32 کانالها
Get PRO
فوریه '24
+426
در 32 کانالها
Get PRO
ژانویه '24
+473
در 28 کانالها
Get PRO
دسامبر '23
+604
در 34 کانالها
Get PRO
نوامبر '23
+289
در 13 کانالها
Get PRO
اکتبر '23
+462
در 22 کانالها
Get PRO
سپتامبر '23
+631
در 0 کانالها
Get PRO
اوت '23
+488
در 0 کانالها
Get PRO
ژوئیه '23
+420
در 0 کانالها
Get PRO
ژوئن '23
+329
در 0 کانالها
Get PRO
مه '23
+433
در 0 کانالها
Get PRO
آوریل '23
+224
در 0 کانالها
Get PRO
مارس '23
+712
در 0 کانالها
Get PRO
فوریه '23
+249
در 0 کانالها
Get PRO
ژانویه '23
+260
در 0 کانالها
Get PRO
دسامبر '22
+292
در 0 کانالها
Get PRO
نوامبر '22
+407
در 0 کانالها
Get PRO
اکتبر '22
+172
در 0 کانالها
Get PRO
سپتامبر '22
+209
در 0 کانالها
Get PRO
اوت '22
+287
در 0 کانالها
Get PRO
ژوئیه '22
+352
در 0 کانالها
Get PRO
ژوئن '22
+407
در 0 کانالها
Get PRO
مه '22
+166
در 0 کانالها
Get PRO
آوریل '22
+215
در 0 کانالها
Get PRO
مارس '22
+225
در 0 کانالها
Get PRO
فوریه '22
+129
در 0 کانالها
Get PRO
ژانویه '22
+250
در 0 کانالها
Get PRO
دسامبر '21
+203
در 0 کانالها
Get PRO
نوامبر '21
+253
در 0 کانالها
Get PRO
اکتبر '21
+237
در 0 کانالها
Get PRO
سپتامبر '21
+208
در 0 کانالها
Get PRO
اوت '21
+297
در 0 کانالها
Get PRO
ژوئیه '21
+312
در 0 کانالها
Get PRO
ژوئن '21
+288
در 0 کانالها
Get PRO
مه '21
+446
در 0 کانالها
Get PRO
آوریل '21
+446
در 0 کانالها
Get PRO
مارس '21
+429
در 0 کانالها
Get PRO
فوریه '21
+396
در 0 کانالها
Get PRO
ژانویه '21
+351
در 0 کانالها
Get PRO
دسامبر '20
+12 450
در 0 کانالها
| تاریخ | رشد مشترکین | اشارات | کانالها | |
| 26 اوت | +2 | |||
| 25 اوت | +1 | |||
| 24 اوت | +3 | |||
| 23 اوت | +2 | |||
| 22 اوت | 0 | |||
| 21 اوت | 0 | |||
| 20 اوت | +1 | |||
| 19 اوت | +2 | |||
| 18 اوت | +5 | |||
| 17 اوت | +4 | |||
| 16 اوت | +1 | |||
| 15 اوت | 0 | |||
| 14 اوت | +3 | |||
| 13 اوت | +1 | |||
| 12 اوت | +2 | |||
| 11 اوت | 0 | |||
| 10 اوت | +1 | |||
| 09 اوت | +1 | |||
| 08 اوت | +3 | |||
| 07 اوت | +4 | |||
| 06 اوت | +2 | |||
| 05 اوت | +4 | |||
| 04 اوت | +3 | |||
| 03 اوت | +2 | |||
| 02 اوت | +1 | |||
| 01 اوت | +4 |
پستهای کانال
📊 Matplotlib под рукой: всё главное для графиков и анализа
Сохраняйте, пригодится не раз.
📍 Навигация: Вакансии • Задачи • Собесы
🐸 Библиотека дата-сайентиста
#буст
| 2 |  🐼 Pandas Cookbook: учимся анализу данных
Специально для тех, кто хочет перейти от теории к практике, существует Pandas Cookbook — интерактивное руководство с примерами на реальных данных.
🔗 Начать обучение
📍 Навигация: Вакансии • Задачи • Собесы
🐸 Библиотека дата-сайентиста
#буст | 919 |
| 3 | 🗂 Большая подборка шпаргалок по ML и DS
Делимся базой шпаргалок, которые закрывают 90% вопросов в жизни дата-сайентиста.
📍 Навигация: Вакансии • Задачи • Собесы
🐸 Библиотека дата-сайентиста
#буст | 980 |
| 4 |  🎰 Contextual Multi-Armed Bandits — это «чит-код» для рекомендаций в реальном времени
В отличие от классического ML, этот алгоритм учится на лету, балансируя между проверкой новых идей и показом проверенного контента.
В первой части статьи — прототип на Python: симулируем поведение юзеров и настраиваем логику обучения, чтобы победить проблему «холодного старта».
🔗 Читать статью
📍 Навигация: Вакансии • Задачи • Собесы
🐸 Библиотека дата-сайентиста
#буст | 1 026 |
| 5 | 🔥 Команда дня: einsum или как реализовать multi-head self-attention без единого цикла
Если вы работаете с нейросетями, особенно с трансформерами, то, скорее всего, сталкивались с реализациями self-attention, переполненными циклами. Однако благодаря np.einsum можно выразить всю механику multi-head attention в компактной и векторизованной форме.
Вот пример реализации:
def multi_head_attention(X, W_q, W_k, W_v, W_o):
d_k = W_k.shape[-1]
Q = np.einsum('si,hij->hsj', X, W_q) # (n_heads, seq_len, d_k)
K = np.einsum('si,hik->hsk', X, W_k)
V = np.einsum('si,hiv->hsv', X, W_v)
scores = Q @ K.transpose(0, 2, 1) / np.sqrt(d_k)
weights = softmax(scores, axis=-1)
output = weights @ V
projected = np.einsum('hsv,hvd->hsd', output, W_o)
return projected.transpose(1, 0, 2).reshape(seq_len, -1)
💡 einsum — мощный инструмент для выражения сложных операций с многомерными массивами. Особенно полезен, когда нужно точно контролировать свёртки и трансформации осей. В задачах NLP и computer vision это буквально незаменимая вещь.
📌 Почему стоит обратить внимание:
— Полная векторизация — минимум циклов, максимум скорости;
— Код ближе к математике, а значит — легче проверять;
— Можно выразить довольно сложные операции с тензорами в одной строке.
📍 Навигация: Вакансии • Задачи • Собесы
🐸 Библиотека дата-сайентиста
#буст | 1 114 |
| 6 |  🔖 Must-have подборка — если хочется не просто ужасаться историям про сбежавших агентов, а разобраться, почему такое вообще происходит.
🔵 PocketOS и другие случаи, когда агенты действовали совсем не по плану
Хороший разбор непредсказуемого поведения агентных систем — с конкретными кейсами.
🔵 Что AI-агенты уже успели сломать в проде
Хроника июльских инцидентов: от атаки на Hugging Face до истории с Минфином Таиланда.
🔵 Когда агент начинает социально инженерить людей
AISI разбирает эксперимент, в котором агент создавал фейковые личности и пытался манипулировать реальным open-source мейнтейнером.
🔵 Safety drift: как агент постепенно уходит не туда
Не один большой «бунт», а цепочка маленьких решений, каждое из которых по отдельности кажется вполне нормальным.
💡 Хорошее чтение на вечер, если уже работаете с агентами или только собираетесь дать им чуть больше самостоятельности.
🏃♀️ Proglib Academy | 1 289 |
| 7 | 😬 После истории с удалённой прод-базой захотелось разобраться, что ещё агенты умудряются вытворять.
Собрали несколько хороших разборов: реальные инциденты, safety drift, социальная инженерия и другие случаи, когда агент пошёл немного не туда.
Если работаете с AI-агентами — подборка точно пригодится 👇 | 1 074 |
| 8 |  ⚡️ В ABC Legal сотрудники без навыков разработки начали сами собирать AI-агентов
Компания превратила агентов в обычный software lifecycle: каждый живёт в Git, проходит через PR, имеет версионирование, аудит и rollback.
Уже 50+ агентов работают в проде: от code review и диагностики отклонённых судебных заявок до финансовых операций и работы с клиентами.
Самое интересное — feedback loop:
Agent → Slack → feedback → Harvester → Tuner → PR → human approval
То есть агент не «сам себя обучает», а собирает человеческую обратную связь и предлагает изменения в prompt/config через привычный workflow разработки.
➡️ Cледующий уровень AI adoption — не «дать всем доступ к чат-боту», а превратить бизнес-автоматизацию в управляемую разработку агентов.
И да, самым сложным для сотрудников оказался не AI, а Git и pull requests. 😄
📍 Навигация: Вакансии • Задачи • Собесы
🐸 Библиотека дата-сайентиста
#буст | 1 142 |
| 9 |  🧮 Линейная алгебра, вероятность и математический анализ — база, на которой держится большая часть ML.
Сохраняйте шпаргалку, если иногда путаетесь в формулах или хотите быстро освежить знания перед практикой, собеседованием или разбором модели.
Внутри — множества, вероятности, матрицы и векторы, производные, цепное правило, собственные значения и другие формулы, которые пригодятся в Data Science.
📍 Навигация: Вакансии • Задачи • Собесы
🐸 Библиотека дата-сайентиста
#буст | 1 209 |
| 10 | بدون متن... | 1 131 |
| 11 | Голосуйте — а на днях разберём похожий кейс, где агент «перевыполнил» задачу так, что пришлось потом извиняться перед незнакомым человеком 👀 | 1 125 |
| 12 |  Компании финансового и промышленного секторов уже активно внедряют технологии машинного обучения (МL) 👨🏻💻И правильно, ведь это повышает эффективность бизнес-процессов и позволяет создавать новые цифровые сервисы.
☹️Но высокие операционные риски, большие затраты на вывод моделей в промышленную эксплуатацию (и еще ряд проблем) мешают масштабированию ML-проектов.
😊Эти задачи решает продукт с говорящим названием "Управление жизненным циклом машинного обучения" от Диасофт. Он обеспечивает централизованное управление всеми этапами работы с ML-моделями – от проведения экспериментов и управления версиями до промышленного развертывания, мониторинга и сопровождения моделей. Все это происходит в едином технологическом контуре организации.
Как это возможно? Благодаря внушительной функциональности продукта. Узнать подробнее можно по ссылке!
#реклама
О рекламодателе | 752 |
| 13 |  🗂 Maths, CS & AI Compendium — бесплатная база для AI/ML
Большой open-source-компедиум, который связывает математику, Computer Science, ML и современный AI.
🔵 Внутри — линейная алгебра, вероятность и статистика, ML/DL, NLP, Computer Vision, GNN, GPU/SIMD, ML Systems и AI inference.
🔵 Отдельный плюс — MCP server: компедиум можно подключить к AI-ассистентам вроде Claude Code, Cursor и VS Code как базу знаний.
А если хочется пройти эту базу последовательно и с практикой, курс «ML для старта в Data Science» проводит от основ ML до ансамблей, бустинга и рекомендательных систем 💡
🔗 Ссылка
📍 Навигация: Вакансии • Задачи • Собесы
🐸 Библиотека дата-сайентиста
#буст | 1 274 |
| 14 |  🙂🙂
📍 Навигация: Вакансии • Задачи • Собесы
🐸 Библиотека дата-сайентиста
#развлекалово | 1 440 |
| 15 |  🙂 AI-агентов отправили в настоящий багфикс
В CyberGym-E2E собрали 920 реальных уязвимостей из open-source проектов. Задача агента звучит почти как тикет от сурового тимлида: самому найти баг, воспроизвести его, написать фикс — и при этом ничего не сломать рядом.
То есть мало выдать правдоподобный патч. Нужно ещё доказать, что уязвимость действительно закрыта, а проект после этого жив.
И вот это уже гораздо ближе к реальной разработке, чем «напиши безопасный код» в промпте 😅
На курсе «ИИ для разработчиков» похожая логика применяется к работе со своими проектами: агентам задают границы, проверки и quality gates. А доступ к курсу теперь можно взять вместе со всей библиотекой Proglib Academy по подписке 😮
🔗 Посмотреть, что входит в подписку
🏃♀️ Proglib Academy | 1 399 |
| 16 | Новый уровень проверки AI-кодера: вот тебе уязвимый проект, дальше разбирайся сам 👇 | 1 305 |
| 17 |  🧠 MLU-Explain — бесплатный интерактивный учебник по Machine Learning
У Amazon Machine Learning University есть отличный ресурс для тех, кто изучает базу ML или хочет быстро освежить её перед собеседованием.
Внутри разборы:
⬆️ линейной и логистической регрессии
⬆️ нейросетей и деревьев решений
⬆️ Random Forest
⬆️ bias-variance tradeoff и double descent
⬆️ ROC/AUC, precision и recall
⬆️ cross-validation и разбиения train/test/validation
⬆️ reinforcement learning
⬆️ fairness в ML
💡 Главная фишка — материал подается не как обычный учебник. Статьи сделаны в формате scrollytelling: по мере чтения можно взаимодействовать с графиками и наглядно смотреть, как меняется поведение моделей и метрик.
🔗 Ссылка
📍 Навигация: Вакансии • Задачи • Собесы
🐸 Библиотека дата-сайентиста
#буст | 1 583 |
| 18 |  🚀 Устойчивые очереди в Postgres
PgQue предлагает универсальную архитектуру очередей для PostgreSQL, основанную на проверенной модели PgQ. Это решение без лишних зависимостей, работающее на любом управляемом Postgres, обеспечивая нулевое бремя и стабильную производительность под нагрузкой.
Основные моменты:
— Никаких внешних демонов или расширений
— Использует SQL и PL/pgSQL для установки
— Обеспечивает ACID-транзакции и долговечность
— Никакого накопления «мертвых» кортежей
— Подходит для высоконагруженных систем
🖥 GitHub
📍 Навигация: Вакансии • Задачи • Собесы
🐸 Библиотека дата-сайентиста
#буст | 1 384 |
| 19 |  😑 Что такое object-centric в машинном обучении
В машинном обучении есть подход, который заставляет модель смотреть на данные «по-человечески» — object-centric.
Это когда модель не видит картинку как груду пикселей. Она видит отдельные объекты — стол, кружку, кота — и работает именно с ними.
❓ Зачем это нужно:
— Лучшее обобщение.
Если модель понимает, что такое «объект», она легче переносит знания на новые сцены.
— Объяснимость.
Модель фактически говорит: «объект №1 — куб», «объект №2 — шар».
— Манипуляции объектами.
Важно в робототехнике, моделях мира, генерации сцен: можно двигать объекты, комбинировать их, прогнозировать взаимодействия.
Где используется:
— безучительское обучение (Slot Attention, MONet)
— модели мира (Dreamer, Genesis)
— генерация изображений
— робототехника и video understanding
Проще всего:
— обычная нейросеть → «вижу пиксели»
— object-centric сеть → «вижу вещи»
📍 Навигация: Вакансии • Задачи • Собесы
🐸 Библиотека дата-сайентиста
#буст | 1 324 |
| 20 |  📌 Шпаргалка: виды матриц и операции
📍 Навигация: Вакансии • Задачи • Собесы
🐸 Библиотека дата-сайентиста
#буст | 1 401 |
