fa
Feedback

فریب کلاهبرداران را نخورید! تل‌متریو این کانال‌ها را شناسایی و برچسب‌گذاری می‌کند 👉 برای مشاهده برچسب، اشتراک تهیه کنید

Анализ данных (Data analysis)

Анализ данных (Data analysis)

رفتن به کانال در Telegram

Data science, наука о данных. @haarrp - админ РКН: clck.ru/3FmyAp

نمایش بیشتر

📈 تحلیل کانال تلگرام Анализ данных (Data analysis)

کانال Анализ данных (Data analysis) (@data_analysis_ml) در بخش زبانی روسی بازیگری فعال است. در حال حاضر جامعه شامل 51 911 مشترک است و جایگاه 2 572 را در دسته فناوری و برنامه‌ها و رتبه 11 804 را در منطقه روسيا دارد.

📊 شاخص‌های مخاطب و پویایی

از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 51 911 مشترک جذب کرده است.

بر اساس آخرین داده‌ها در تاریخ 16 نوامبر, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر 444 و در ۲۴ ساعت گذشته برابر -8 بوده و همچنان دسترسی گسترده‌ای حفظ شده است.

  • وضعیت تأیید: تأیید نشده
  • نرخ تعامل (ER): میانگین تعامل مخاطب 11.63% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 8.47% واکنش نسبت به کل مشترکان کسب می‌کند.
  • دسترسی پست‌ها: هر پست به طور میانگین 6 040 بازدید دریافت می‌کند. در اولین روز معمولاً 4 397 بازدید جمع‌آوری می‌شود.
  • واکنش‌ها و تعامل: مخاطبان به‌طور فعال حمایت می‌کنند؛ میانگین واکنش به هر پست 192 است.
  • علایق موضوعی: محتوا بر موضوعات کلیدی مانند llm, контекст, openai, архитектура, deepseek تمرکز دارد.

📝 توضیح و سیاست محتوایی

نویسنده این فضا را محل بیان دیدگاه‌های شخصی توصیف می‌کند:
“Data science, наука о данных. @haarrp - админ РКН: clck.ru/3FmyAp”

به لطف به‌روزرسانی‌های پرتکرار (آخرین داده در تاریخ 17 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 فناوری و برنامه‌ها تبدیل کرده‌اند.

51 911
مشترکین
-824 ساعت
+27 روز
+44430 روز
آرشیو پست ها
💥 Снижаем размерность эмбеддингов предложений для задачи определения семантического сходства Сегодня пойдет речь о методах с
💥 Снижаем размерность эмбеддингов предложений для задачи определения семантического сходства Сегодня пойдет речь о методах снижения размерности эмбеддингов для задач определения семантического сходства предложений. Для чего это необходимо. С каждым годом растет сложность моделей, решающих вопросы семантически- и контекстно-ориентированной обработки естественного языка (NLP). Также нельзя забывать и про проблемы мультиязычности моделей. Все это сильно сказывается на увеличении их размеров и системных требований к железу для их обучения, дообучения, да и просто запуска. Задачи NLP сегодня – это прикладные задачи, их хочется решать на доступном оборудовании за доступное время. А если поконкретней? Передо мной стояла задача найти и обобщить текстовые данные, представляющие собой массив предложений. Я точно знал, что среди них есть семантически схожие фразы. Однако прямой подход для определения семантического сходства наборов фраз требовал очень много памяти и времени. Чтобы решить эту проблему, я попытался уменьшить размерность векторов признаков предложений, но как понять, когда остановиться и что это даст? Ну и как понять? В рамках данной публикации посмотрим, как меняется оценка семантического сходства от изменения размерностей эмбеддингов разными классическими методами их уменьшения. ▪Читать @data_analysis_ml
26 آوریل 2023, 06:39

У Яндекс Практикума есть бесплатный курс по основам анализа данных. В нём забавный интерактивный сюжет и много практики: четы
У Яндекс Практикума есть бесплатный курс по основам анализа данных. В нём забавный интерактивный сюжет и много практики: четыре реальных кейса из разных областей. Вам предстоит: — выяснить причину массовой поломки гаджетов, — проверить окупаемость рекламы мобильного приложения, — выбрать стратегию развития ИИ-стартапа, — оценить эффективность роботов в службе поддержки. На курсе вы напишете первый код на Python и поймёте, чем занимаются специалисты в сфере. → Приходите учиться бесплатно
26 آوریل 2023, 04:39
08 مه 2023, ~02:07

🖥 Создание базы данных для маркетплейса с помощью SQL В этой статье мы разработаем БД для практики. В этом проекте перед вам
🖥 Создание базы данных для маркетплейса с помощью SQL В этой статье мы разработаем БД для практики. В этом проекте перед вами стоит задача создать реляционную базу данных для веб-сайта, предлагающего продажу подержанных автомобилей. Общее описание этого проекта заключается в том, что любой желающий может предлагать свои товары (подержанные автомобили) в виде рекламы, а потенциальные покупатели могут осуществлять поиск по нескольким категориям. ▪ Читать дальше @data_analysis_ml
25 آوریل 2023, 12:20

Как определить, какая версия сайта работает лучше? Что изменилось после рефакторинга бэкенда и удалось ли отделу логистики ус
Как определить, какая версия сайта работает лучше? Что изменилось после рефакторинга бэкенда и удалось ли отделу логистики ускорить доставку? Точные ответы на эти вопросы позволяют получить A/B-тесты. На нашем симуляторе вы поработаете с нетривиальными кейсами и разберёте полный пайплайн тестирования на реальных задачах бизнеса — всё под руководством экспертов из X5 Retail Group и Blockchain. Вы поймёте, какие метрики нужно измерять, как получить качественный результат даже на небольшой выборке, а также разберёте частые ошибки. Если вы хотите научиться принимать решения на основе data-driven подхода, знаете основы Python и математической статистики, и вам важно на практике разобраться во всех тонкостях A/B-тестирования — приходите на продвинутую версию. Обучение на симуляторе позволит вам вывести карьеру на новый уровень и заранее отработать на практике сложные и нестандартные ситуации, чтобы избежать ошибок в реальной работе. Старт потока уже 26 апреля, присоединяйтесь по ссылке!
25 آوریل 2023, 10:19
09 مه 2023, ~01:00

Как сгенерировать поддельные изображения, которые выглядят реальными, всего с помощью нескольких строк кода (с помощью GAN)?
Как сгенерировать поддельные изображения, которые выглядят реальными, всего с помощью нескольких строк кода (с помощью GAN)? Вы когда-нибудь задумывались, как некоторые веб-сайты или приложения могут создавать реалистичные изображения людей, животных или мест, которых не существует в реальной жизни? Как они это делают? И каковы последствия создания и использования таких изображений? В этой статье я познакомлю вас с одним из самых захватывающих и мощных методов в области машинного обучения: генеративными состязательными сетями, или сокращённо GAN. GAN – это тип нейронной сети, которая может обучаться на наборах данных и генерировать новые данные с теми же характеристиками, что и обучающие данные. Например, GAN, обученный на фотографиях человеческих лиц, может создавать реалистично выглядящие лица, которые являются полностью синтетическими. GAN имеет множество применений в различных областях, таких как искусство, развлечения, безопасность, медицина и многое другое. Он также может поднимать этические и социальные вопросы, такие как конфиденциальность, подлинность и ответственность. В этой статье я покажу вам несколько примеров GAN в действии, объясню, как они работают и как реализовать их в Python с использованием популярного фреймворка, такого как TensorFlow или PyTorch. Также мы обсудим некоторые плюсы и минусы этой технологии. ▪Читать @data_analysis_ml
25 آوریل 2023, 05:04

📌 Как Airflow и k8s помогают строить эффективный конвейер? 📆 Узнайте 27 апреля в 20:00 на открытом уроке в OTUS. Вебинар пр
📌 Как Airflow и k8s помогают строить эффективный конвейер? 📆 Узнайте 27 апреля в 20:00 на открытом уроке в OTUS. Вебинар приурочен к старту онлайн-курса «MLOps». ✅ На этом занятии мы построим свой конвейер обучения моделей на Airflow и k8s. ⚠️ Airflow — стандарт де-факто для планирования задач. Кроме регулярного запуска наших скриптов подготовки данных и обучения моделей, важно контролировать окружение, в котором они запускаются и выделять на время необходимые ресурсы, будь то RAM или GPU. ✔️ В этом нам поможет k8s — платформа для управления контейнерами. Нам осталось только правильно соединить эти два инструмента. Этой теме и посвящён вебинар. ➡️ Для участия нужно зарегистрироваться: https://otus.pw/JcbL/ Нативная интеграция. Информация о продукте www.otus.ru
25 آوریل 2023, 03:04
08 مه 2023, ~08:11

🔍 Как использовать инструменты статического анализа в коде Python За последние несколько лет статические анализаторы кода зн
🔍 Как использовать инструменты статического анализа в коде Python За последние несколько лет статические анализаторы кода значительно оптимизировали разработку приложений. Статический анализ избавляет от необходимости отыскивать ошибки и уязвимости в системе продакшн или среде развертывания, указывая участок предполагаемого сбоя на основе типизации и других подсказок кода. В статье мы подробно разберем несколько инструментов статического анализа с открытым ПО для Python. Посмотрим, как они работают и улучшают процесс программирования. ▪ Читать @data_analysis_ml
24 آوریل 2023, 14:00

Создание рекомендательных систем — один из ключевых навыков для специалистов в области DS/ML/DL. Как быстро сделать рекоменда
Создание рекомендательных систем — один из ключевых навыков для специалистов в области DS/ML/DL. Как быстро сделать рекомендательную систему для текстов? Узнайте на открытом уроке в OTUS 26 апреля в 20:00 мск.  На занятии мы: 🔹 Узнаем, как быстро сделать рекомендательную систему для текстов. 🔹 Поговорим об автоматизированной транскрибации с помощью современных нейросетевых моделей.  🔹 Рассмотрим задачу NER (поиска именованных сущностей) и поиска текстов. Вы узнаете, как переводить звук в текст, как делать текст короче, искать похожие по смыслу и тематике тексты. Спикер — Александр Брут-Бурляко, преподаватель-практик, DS-инженер в СБЕР Neurolab. Продолжить изучать рекомендательные системы возможно на курсе, доступном в рассрочку. Перед мероприятием нужно пройти вступительный тест 👉 https://otus.pw/pbCA/ Нативная интеграция. Информация о продукте www.otus.ru 
24 آوریل 2023, 13:01
08 مه 2023, ~02:07

👁‍🗨 Гайд для новичков по распознаванию изображений ИИ: Python и OpenCV. В этом руководстве основное внимание будет уделено
👁‍🗨 Гайд для новичков по распознаванию изображений ИИ: Python и OpenCV. В этом руководстве основное внимание будет уделено использованию Python и OpenCV для выполнения задач распознавания изображений, включая загрузку и отображение изображений, предварительную обработку изображений, извлечение признаков, обучение и тестирование классификатора, а также оценку его производительности. К концу этого руководства у вас будет прочная основа для создания проекта распознавания изображений с помощью ИИ и практические навыки для применения его к реальным задачам. ▪ Читать @data_analysis_ml
23 آوریل 2023, 06:54

🖥 11 Полезных функций Pandas, которые вы, возможно, упустили из виду Я совершенно уверен, что Pandas не нуждается в представ
🖥 11 Полезных функций Pandas, которые вы, возможно, упустили из виду Я совершенно уверен, что Pandas не нуждается в представлении. В этой статье мы продолжим изучать некоторые полезные функции pandas, о которых вы, возможно, не слышали. Давайте начинать! ▪Читать @data_analysis_ml
22 آوریل 2023, 03:30

Хотите самостоятельно и оптимально готовить срезы и витрины данных? 📊 Приходите учиться этому 25 апреля 20:00 на открытый ур
Хотите самостоятельно и оптимально готовить срезы и витрины данных? 📊 Приходите учиться этому 25 апреля 20:00 на открытый урок онлайн-курса «Data Warehouse» в OTUS. Начинаем обучение с важной темы: «Аналитика ключевых метрик компании с использованием dbt Metrics». На вебинаре вы узнаете: - Что такое семантический слой, и в чем разница между метрикой и витриной данных - О правилах декларативной конфигурации метрик в yaml - Как использовать продвинутые возможности dbt Metrics (derived metrics, secondary calculations) Продолжить обучение вы сможете уже на курсе. Возможны разные формы оплаты. Спикер: Артемий Козырь, Analytics Engineer в британской компании Wheely. Имеет 7+ лет опыта в области хранилищ данных, ELT pipelines, анализа данных и визуализации. Для участия пройдите вступительный тест 👉 https://otus.pw/sktk/ Нативная интеграция. Информация о продукте на сайте otus.ru
22 آوریل 2023, 02:29
04 مه 2023, ~04:36

⏩ Функциональные возможности метода Наивного Байеса на практике. Подход, о котором я расскажу, позволяет расширить функционал
⏩ Функциональные возможности метода Наивного Байеса на практике. Подход, о котором я расскажу, позволяет расширить функциональные возможности метода Наивного Байеса благодаря использованию весовых коэффициентов для различных групп признаков объекта датасета (модель может обучаться не только на отдельных словах в тексте, но также на некоторых метаданных, таких как авторы текста и источник информации). С помощью разработанной ML‑модели можно улучшить качество классификации текстов при использовании обучающей выборки небольшого объёма (всего 30 объектов) и сократить время обучения модели. Задача решалась в рамках разработки системы рекомендаций научных статей. Наработки могут быть использованы в любых задачах NLP и Text Mining. ▪Читать @data_analysis_ml
21 آوریل 2023, 12:45

💥 Шпаргалка scikit-learn: функции для машинного обучения В этой статье мы рассмотрим 50 наиболее полезных функций, Sci-kitle
💥 Шпаргалка scikit-learn: функции для машинного обучения В этой статье мы рассмотрим 50 наиболее полезных функций, Sci-kitlearn для задач машинного обучения. От предварительной обработки данных до выбора и оценки модели — эти функции охватывают широкий спектр методов и методологий для решения реальных задач. Мы будем использовать готовые наборы данных, чтобы проиллюстрировать применение каждой функции, чтобы вам было легче следовать и применять их в ваших собственных проектах. Звучит фантастически? А теперь сюрприз: многие из этих функций просты в использовании и требуют для реализации всего несколько строк кода. Независимо от того, являетесь ли вы опытным специалистом по данным или только начинаете, эта памятка поможет вам лучше познакомиться с мощными инструментами, доступными в Sci-kit, и позволит вам ускорить свои проекты по науке о данных и машинному обучению. ▪Читать @data_analysis_ml
20 آوریل 2023, 06:02

В Авито открылись классные вакансии для дата-инженеров в двух командах: ➡️ DWH ➡️ Search Quality Кое-что из условий: - Интере
В Авито открылись классные вакансии для дата-инженеров в двух командах: ➡️ DWH ➡️ Search Quality Кое-что из условий: - Интересные и важные задачи на очень большом проекте; - Передовые технологии и подходы, возможность пробовать новое; - Мощное железо, дополнительные мониторы и всё, что нужно для продуктивной работы; - Страховка со стоматологией с первого дня работы; - Личный бюджет на обучение, который можно тратить на книги, курсы и конференции, обмен опытом с зарубежными коллегами. Заинтересовали? Переходите по ссылкам и откликайтесь.
20 آوریل 2023, 04:01
04 مه 2023, ~04:36

⏩ Курс "Машинное обучение" на ФКН ВШЭ Конспекты лекций, материалы семинаров и домашние задания (теоретические, практические, соревнования) по курсу "Машинное обучение", проводимому на бакалаврской программе "Прикладная математика и информатика" Факультета компьютерных наук Высшей школы экономики. Записи лекций и семинаров ▪Полный плейлист ▪Вводная лекция ▪Линейная регрессия ▪Линейная регрессия и градиентное обучение ▪Продвинутые градиентные методы, линейная классификация ▪Метрики качества классификации (+небольшое продолжение) ▪Логистическая регрессия (+продолжение) ▪Метод опорных векторов, многоклассовая классификация ▪Решающие деревья ▪Решающие деревья (продолжение), разложение ошибки на смещение и разброс ▪Случайные леса, градиентный бустинг ▪Градиентный бустинг (продолжение) ▪Стекинг. Обучение без учителя и кластеризация. ▪Визуализация, обучение представлений ▪Рекомендательные системы 🖥 Github @data_analysis_ml
19 آوریل 2023, 12:12

Сеньор от мидла отличается как минимум несколькими цифрами в зарплате Максимум — целой кучей скиллов, которые можно прокачать
Сеньор от мидла отличается как минимум несколькими цифрами в зарплате Максимум — целой кучей скиллов, которые можно прокачать только на практике. Авито в хорошем тексте (без воды!) рассказывает, как на собеседованиях вычисляют аналитиков-сеньоров и как вы близко к тому, чтобы перепрыгнуть на следующий грейд. 👉 Статья на Хабре и матрица компетенций по уровням @data_analysis_ml
19 آوریل 2023, 10:01

🎲 t-SNE с нуля (ft. NumPy) Я понял, что один из лучших способов по-настоящему понять любой статистический алгоритм или метод
🎲 t-SNE с нуля (ft. NumPy) Я понял, что один из лучших способов по-настоящему понять любой статистический алгоритм или методологию – это реализовать его самостоятельно вручную. С другой стороны, написание этих алгоритмов иногда может отнимать много времени и доставлять настоящую боль, и когда кто-то другой уже сделал это, зачем мне тратить на это свое время – кажется неэффективным, не так ли? И то, и другое справедливо, и я здесь не для того, чтобы приводить доводы в пользу одного, а не другого. Эта статья предназначена для читателей, которые заинтересованы в понимании t-SNE посредством перевода математики из оригинальной статьи — Лоренса ван дер Маатена и Джеффри Хинтона — в реализацию кода на python. Я нахожу, что такого рода упражнения достаточно хорошо проливают свет на внутреннюю работу статистических алгоритмов / моделей и действительно проверяют ваше базовое понимание относительно этих алгоритмов / моделей. Как минимум, успешная реализация всегда приносит большое удовлетворение! ▪Читать дальше @data_analysis_ml
19 آوریل 2023, 05:47

💻 Навык работы с большими данными открывает путь в ведущие IT-корпорации. Обычно такие корпорации используют MLOps — способ
💻 Навык работы с большими данными открывает путь в ведущие IT-корпорации. Обычно такие корпорации используют MLOps — способ повышения производительности и создания надежных моделей корпоративного уровня. 📊 Занимаетесь дата-инжинирингом и хотите выйти на новый уровень? Эксперты топовых компаний обучат вас необходимым навыкам на практическом онлайн-курсе «MLOps» от OTUS. 👉 Определите свой уровень подготовки с помощью теста — https://otus.pw/OKGc/ 🔥 Пройдете тест, получите велкам-скидку и доступ к 2 предстоящим открытым урокам: ✔️ Построим свой конвейер обучения моделей на Airflow и k8s. ✔️ DataFrame API: от Dask к PySpark
19 آوریل 2023, 03:47
27 آوریل 2023, ~01:15

🎲 Избавляемся от продуктов априори – использование ассоциативных правил для поиска комбинаций Алгоритм Apriori достаточно уд
🎲 Избавляемся от продуктов априори – использование ассоциативных правил для поиска комбинаций Алгоритм Apriori достаточно удобный инструмент, несмотря на то что он в действительности далеко не новый. Существует много других алгоритмов, в том числе и модификации Apriori для полного анализа продуктовой корзины. Но для типовых задач комбинаторики этот инструмент подходит отлично. Пример с продуктами лишь более просто и наглядно демонстрирует возможности применения этого инструмента. В действительности задачи на поиски комбинаций с полным покрытием встречаются и в повседневной работе любого IT специалиста. ▪Читать дальше @data_analysis_ml
18 آوریل 2023, 06:01

🎲 Избавляемся от продуктов априори – использование ассоциативных правил для поиска комбинаций Алгоритм Apriori достаточно уд
🎲 Избавляемся от продуктов априори – использование ассоциативных правил для поиска комбинаций Алгоритм Apriori достаточно удобный инструмент, несмотря на то что он в действительности далеко не новый. Существует много других алгоритмов, в том числе и модификации Apriori для полного анализа продуктовой корзины. Но для типовых задач комбинаторики этот инструмент подходит отлично. Пример с продуктами лишь более просто и наглядно демонстрирует возможности применения этого инструмента. В действительности задачи на поиски комбинаций с полным покрытием встречаются и в повседневной работе любого IT специалиста. ▪Читать дальше @data_analysis_ml
18 آوریل 2023, 05:08
18 آوریل 2023, ~05:08