🏆 AIeron | Data Feeling
رفتن به کانال در Telegram
IT предприниматель и препод 🧑🏫 ex-ML лидер в Dodo Brands 🦤🍕 Прокачиваю людей в Data Science 🚀 Победитель Stepik Awards 🏆 Kaggle Expert 🤹♀️ Создатель mnogo-reels.ru и @big_llm_course РКН https://clik.now/datafeeling Алерон @Ale_v2
نمایش بیشتر📈 تحلیل کانال تلگرام 🏆 AIeron | Data Feeling
کانال 🏆 AIeron | Data Feeling (@datafeeling) در بخش زبانی روسی بازیگری فعال است. در حال حاضر جامعه شامل 14 210 مشترک است و جایگاه 720 را در دسته بازاریابی و PR و رتبه 45 700 را در منطقه روسيا دارد.
📊 شاخص‌های مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 14 210 مشترک جذب کرده است.
بر اساس آخرین داده‌ها در تاریخ 03 نوامبر, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -19 و در ۲۴ ساعت گذشته برابر 4 بوده و همچنان دسترسی گسترده‌ای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 21.98% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 9.18% واکنش نسبت به کل مشترکان کسب می‌کند.
- دسترسی پست‌ها: هر پست به طور میانگین 3 124 بازدید دریافت می‌کند. در اولین روز معمولاً 1 304 بازدید جمع‌آوری می‌شود.
- واکنش‌ها و تعامل: مخاطبان به‌طور فعال حمایت می‌کنند؛ میانگین واکنش به هر پست 23 است.
- علایق موضوعی: محتوا بر موضوعات کلیدی مانند лот, n8n, бразилия, пет, санкция تمرکز دارد.
📝 توضیح و سیاست محتوایی
نویسنده این فضا را محل بیان دیدگاه‌های شخصی توصیف می‌کند:
“IT предприниматель и препод 🧑🏫
ex-ML лидер в Dodo Brands 🦤🍕
Прокачиваю людей в Data Science 🚀
Победитель Stepik Awards 🏆
Kaggle Expert 🤹♀️
Создатель mnogo-reels.ru и @big_llm_course
РКН https://clik.now/datafeeling
Алерон @Ale_v2”
به لطف به‌روزرسانی‌های پرتکرار (آخرین داده در تاریخ 04 نوامبر, 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 بازاریابی و PR تبدیل کرده‌اند.
14 210
مشترکین
+424 ساعت
-157 روز
-1930 روز
آرشیو پست ها
14 209
Про мои планы.
Приближается конец года, мне для достижения своих целей осталось дофармить золото на Kaggle и добить запуск авторского курса. Поэтому не хватает рук на то, чтоб пилить огненные выпуски на YouTube, после которых приходит много позитивного фидбека.
Хотя идей много, мечтаю заснять примеров, где сам прохожу реальные собесы. Скорее всего уже на английском. На русских собесах со мной уже здороваются как с Алероном (хотя везде пишу Александр), что вносит байес. (А еще фачат, что мешает сильнее 😅)
А ведь еще и статьи для Хабра все никак не добью. Подвисло уже 4 темы, не могу сесть и добить до финалочки.
💣 В общем, двигаю все эти темы как могу. Что же делать пока меня нет? На этот счет у меня для вас есть давно заготовленная бомба от Даши. Ловите 💥
14 209
Мысль дня. «Возможно я и правда плохо пока разбираюсь в крипте, но гарантированные 20% ежемесячно кажутся мне пирамидой»
Это я сегодня сходил на небольшой нетворкинг местных предпринимателей и встретил там пару «сказочных» проектов 😅
В общем, если идти не в Data Science, то в Data Engineering. Хотя возможно давно уже пора в блокчейне начать разбираться.
14 209
Этой ночью я снова летал, но не по небу, а по лидерборду свежего FeedBack Prize
В этот раз снова бронза🥉
Счастлив ли я?! С одной стороны приятно, да. Скануть больше 700 мест вверх за ночь, это красиво🎰.
Однако, ближе к титулу мастера меня это не подвинуло. Мне сейчас нужно только золото!
Есть еще месяц до нового года, чтобы закрыть эту строчку в планах. Соревнований подходящих сейчас много. Будем добивать.
Кстати, Ваня говорит, что не тот сабмит выбрали, могли оказаться в серебре. Если обратите внимание, то у первой тысячи участников скор не отличается 🥁
Кстати, мои коллеги по цеху (Привет Марк, Отабек и другие) ухватили серебро. Насколько знаю, у них порядка 70 языковых бертов, пока у нас меньше десятка. Да и кодили ребята месяц, в то время как мы потратили меньше недели. Это вам к вопросу, про трудозатраты, необходимы чтоб забрать медали на Kaggle.
Всем доброе утро)
14 209
Вот подписаться на тонну каналов в телеграмме - это дело плевое ...
А вот отписаться потом тяжело, мозг сопротивляется, хотя информационный шум для него опасен. Мешает синдром упущенной выгоды, точнее "синдром возможной выгодны" от пребывания в чате или от подписки на группы с бесконечной рекламой онлайн курсов. В общем, советую пересмотреть мое коротенькое выступление. А лучше сразу перейти к упражнению по отписке или архивации от телеграм каналов.
Как понять, что надо отписаться от какого-то канала?
🎯 Вы замечаете там рекламу чаще 2-3 раз в неделю.
🎯 У вас постоянно копиться там тонна непрочитанных постов
🎯 Канал/Блогер постит что-то прям каждый день и все время без пользы для вас.
🎯 Посты в канале это тупо сбор ссылок из интернета, которые вы сами можете легко нагуглить
Заведите привычку отписываться. Через время ваш мозг скажет вам спасибо
14 209
Влетел тут в одну сореву на Kaggle ...
Пока держусь в топ-1, но надеюсь, когда-нибудь вы сбросите меня вниз!
Уже скоро...
14 209
Подумал, хочу разгонять в Таиланде IT комьюнити. Возможно когда-нибудь буду тут даже буткемпы по программированию организовывать. В Сочи не успел, но мб в Тае получится.
14 209
Мы тут с ребятками успели пофармить не медалей ради, а потому что было много призовых. 15 призовых мест! Такое я вижу впервые) Боролось за призовые больше 220 человек.
Мы с тимой суммарно на троих унесли 160к за несколько вечеров фултайма.
В целом, тоже хорошо. Удивительно, что подходы были абсолютно разные. Даже сетки заходили.
Это собственно второе соревнование на моей памяти где хорошо заходит dart из LightGBM
Ссылка на мой ноутбук простыть. Причесал на столько, на сколько мне хватило выдержки.
Дальше до нового года буду фармить только Kaggle.
14 209
Угадайте про какой бустинг идет речь по картинке.
Первые три угадавших получат скидку 50% на мой курс по соревновательному анализу данных. Курса пока нет, но скидка уже будет.
14 209
Фиксация random_seed'а не помогла воспроизвести скор
Заметил тут вечером любопытный факт. С одной стороны простой технических нюанс, но с другой стороны не очень уж очевидная проблема.
Оказывается, если в модель (например LigthGBM) подавать признаки в разной последовательности, то результаты будут разные, к тому же очень сильно!
Вы спросите меня, а зачем подавать признаки в разных последовательностях?! Ну например, если вы хотели удалить дубли в списке и реализовали это вот. (Привет Leetcode)
features = list(set(features))Вроде бы красивый трюк, как удалить дубли в одну строчку. Однако, если запустить этот код потом снова, последовательность будет уже иная. Как следствие - разные результат модели. Последствия оказываются очень болезненными, если вы проверяете разные гипотезы и результат модели должен четко отражать наличие/удаление признака, а не более удачную последовательность. В общем, будьте осторожнее. Вместо set'а используйте лучше Numpy =)
features = np.unique(features)
