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 51 932 مشترک است و جایگاه 2 581 را در دسته فناوری و برنامه‌ها و رتبه 11 797 را در منطقه روسيا دارد.

📊 شاخص‌های مخاطب و پویایی

از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 51 932 مشترک جذب کرده است.

بر اساس آخرین داده‌ها در تاریخ 15 نوامبر, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر 528 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 11.70% 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 6 075 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 198 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 16 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.

51 932
مشترکین
-424 ساعت
+307 روز
+52830 روز
آرشیو پست ها
Три причины для перехода в аналитику в 2024 году Да, начинать с нуля в 30+ всегда страшно, и тут аналитика, пожалуй, — один из самых безопасных вариантов для тех, кто готов расти как финансово, так и профессионально. Зарплаты стартуют с 60 000 рублей для начинающих специалистов без опыта работы. Почему же я рекомендую залетать в аналитику именно в 2024? Причина № 1: огромный дефицит кадров Количество данных в мире и особенно в России, с уходом западных компаний, растет гигантскими темпами, при этом сотрудников, способных работать с этими данными, отчаянно не хватает. Причина № 2: снижение требований к кандидатам Если раньше главным требованием рекрутеров было наличие как минимум трех лет опыта в аналитике, то теперь гораздо важнее наличие решенных задач и успешное кейс-интервью — к чему готовят на курсе «Профессия аналитика данных» от Changellenge >> Education. Причина № 3: всего полгода до новой работы Для перехода в аналитику не нужно учиться в вузе и в один день бросать работу, а получить оффер на новую должность можно еще во время обучения! С грамотно выстроенной программой справятся даже новички и гуманитарии. Курс «Аналитик PRO» — это возможность стать тем самым важным сотрудником для любой компании, строить стратегии развития и анализировать большие данные. На курсе вы освоите SQL, Python, продуктовую аналитику, бизнес-моделирование, финансовый учет и многое другое. Курс подходит новичкам и на 75% состоит из практических задач от реальных компаний. В конце — диплом о профессиональной переподготовке и карьерные консультации. Changellenge >> Education обучает аналитике с 2018 года, предоставляет карьерные бонусы и устраивает для выпускников бесплатные встречи для прокачки карьеры. В январе на сайте действуют скидки 50% — по ссылке https://u.to/t1U8IA успейте залететь на курс по ценам прошлого года. А по промокоду ДАТА10 получите дополнительные 10% (суммируются со скидкой на сайте)! Реклама. changellenge-education.com ИНН 7716917009 erid: 2Vtzqwoy86Z

Теперь российский Хоум Банк выделил IT в отдельную компанию Фокус внимания новой структуры, которая уже получила статус участника «Сколково», – разработка инновационных продуктов в управлении рисками, кредитовании, платежах и других банковских операциях. Планируется, что в течение трех лет численность IT-команды превысит 1000 человек. Так что талантам стоит присмотреться к возможностям и перспективам в новой компании: уже в январе будет анонсирован совместный хакатон с Sk Fintech Hub для ИТ-специалистов, которые хотят больше узнать о разработке, аналитике и AI-технологиях в банковской отрасли. @data_analysis_ml

Функция zip() в Python создает итератор, который объединяет элементы из нескольких источников данных. Эта функция работает со
Функция zip() в Python создает итератор, который объединяет элементы из нескольких источников данных. Эта функция работает со списками, кортежами, множествами и словарями для создания списков или кортежей, включающих все эти данные. Если источники данных разной длины, то объединение может привести к ошибкам ошибкам. Начиная с #Python 3.10, использование ключевого слова strict в функции zip выховет ошибку ValueError, если длина итераций неравна. @data_analysis_ml

🖥 Pandas vs Polars vs SQL @data_analysis_ml
🖥 Pandas vs Polars vs SQL @data_analysis_ml

🖥 Build LLM Apps with LangChain.js GitHub недавно сообщили, что JavaScript снова стал самым популярным языком программирования в мире. Чтобы поддержать веб-разработчиков, изучающих и разрабатывающих генеративный ИИ, deeplearning_ai только что запустили новый краткий курс по JavaScript. В курсе Build LLM Apps with LangChain.js вы познакомитесь с элементами, характерными для разработки ИИ, включая: (i) использование парсеров данных для получения данных из распространенных источников (ii) промпты, которые используются для создания контекста LLM (iii) Модули для поддержки RAG, такие как разделители текста и интеграция с векторными хранилищами (iv) Работа с различными моделями для написания ИИ-приложений (v) парсеры, которые извлекают и форматируют выходные данные для обработки последующим кодом. Вы также будете работать с языком LangChain, который позволяет легко составлять последовательности (также называемые цепочками) модулей для выполнения сложных задач с помощью LLM. Собрав все это воедино, вы поработаете над разговорным LLM-приложением для ответов на вопросы, способным использовать внешние данные в качестве контекста. 📌 Курс @data_analysis_ml

🌍 НАСА размещает на #AWS более 9 000 продуктов данных о нашей планете! 🚀В этом хранилище представлен полный список данных НАСА по наукам о Земле, доступных для исследований и анализа. Данные управляются и поддерживаются программой НАСА "Системы данных по наукам о Земле" (ESDS), которая обеспечивает доступность и удобство использования данных. Узнайте, как легко найти и загрузить данных с помощью последнего руководства по #leafmap. 📚🔎 📓 Notebook: https://leafmap.org/notebooks/88_nasa_earth_data 🗂️ Data Catalog: https://github.com/opengeos/NASA-Earth-Data 🎥 Video: https://youtu.be/0ytxNNvc2Hg #opendata #geospatial #python #dataviz #NASA @data_analysis_ml

Научитесь эффективно использовать нейросети в своей работе в 2024 году! Приглашаем на бесплатный мини-курс Skillbox «Data Sci
Научитесь эффективно использовать нейросети в своей работе в 2024 году! Приглашаем на бесплатный мини-курс Skillbox «Data Science с нуля: пробуем профессии на практике за 5 дней». Окунитесь в сферу IT и решите, какая специальность вам ближе. 🎁 Успейте зарегистрироваться и получить подарок: https://epic.st/T58Cd Чем займётесь на мини-курсе? Узнаете, где востребована наука о данных, и разберётесь в различиях её основных направлений. Освоите азы главного языка Data Science — Python, а также визуализируете с помощью него данные. Изучите базовые конструкции языка SQL и наконец поймёте, как же работают нейросети. В знакомстве с профессиями вас будет сопровождать Анастасия Борнева — руководитель направления по исследованию данных в «Сбере». В финале мини-курса в прямом эфире она разберёт практические задания и ответит на все вопросы. 🎉 Все участники получат крутые бонусы и подарки! Реклама. ЧОУ ДПО «Образовательные технологии «Скилбокс (Коробка навыков)», ИНН: 9704088880

⚡️Более 20 иллюстрированных ИИ гайдов по от Abacus AI. https://blog.abacus.ai/blog/category/ai-education @data_analysis_ml
⚡️Более 20 иллюстрированных ИИ гайдов по от Abacus AI. https://blog.abacus.ai/blog/category/ai-education @data_analysis_ml

❗️Как сделать ранжирование каталога товаров? Узнайте на занятии, где вы познакомитесь с различными способами ранжирования кат
❗️Как сделать ранжирование каталога товаров?   Узнайте на занятии, где вы познакомитесь с различными способами ранжирования каталога товаров начиная с эвристик и заканчивая градиентным бустингом.   ✅ 11 января в 20:00 — «Ранжирование каталога товаров» в рамках курса «Machine Learning. Advanced». 🔥 Результаты урока: Вы познакомитесь с задачей ранжирования и научитесь применять градиентный бустинг для ранжирования товаров в каталоге. 👉 ПРОЙТИ ТЕСТ для регистрации на открытый урок https://otus.pw/m5xJ/?erid=LjN8KF4X6 Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

⚡ Построение языковых агентов в виде графов графов ⚡ Новый анонс LangChain v0.1.0 - LangGraph. 🤖 Интсремент был протестирова
⚡ Построение языковых агентов в виде графов графов ⚡ Новый анонс LangChain v0.1.0 - LangGraph. 🤖 Интсремент был протестирован командой разработчиков langchain его в течение последних шести месяцев и выглядит, как лучший способ создания агентов LLM. 🌀 Основное нововведение - простое определение циклов агента. Это невероятно важно для агентов, которые часто описываются как выполнение LLM в цикле for. Библиотека предоставляет интерфейс для создания циклических графов, с настраиваемыми, определяемыми пользователем переходами между узлами. pip install langgraph ▪Github ▪Пример с кодом создания агента @data_analysis_ml

📚 Бесплатный курс от Intel®: AI Fundamentals https://www.coursera.org/specializations/intel-ai-fundamental @data_analysis_ml
📚 Бесплатный курс от Intel®: AI Fundamentals https://www.coursera.org/specializations/intel-ai-fundamental @data_analysis_ml

⚡️ Вышел LiteLlama Подобие LLaMa 2, однако с существенно меньшим размером модели, LiteLlama-460M-1T имеет 460M параметров, об
⚡️ Вышел LiteLlama Подобие LLaMa 2, однако с существенно меньшим размером модели, LiteLlama-460M-1T имеет 460M параметров, обученных на 1T токенах. https://huggingface.co/ahxt/LiteLlama-460M-1T @data_analysis_ml

⚡️ Swarms in Torch - это экспериментальный репозиторий, созданный для работы с роевыми алгоритмами. Благодаря целому ряду пол
⚡️ Swarms in Torch - это экспериментальный репозиторий, созданный для работы с роевыми алгоритмами. Благодаря целому ряду полезных алгоритмов, включая Particle Swarm Optimization (PSO), Ant Colony, Sakana, Mambas Swarm и других, реализованных с помощью PyTorch, вы сможете легко использовать мощь роевых технологий в своих проектах. pip3 install swarms-torch ▪Github ▪Документация @data_analysis_ml

⚡️ mergekit - это инструмент для слияния предварительно обученных языковых моделей. Может выполняться полностью на CPU или ус
⚡️ mergekit - это инструмент для слияния предварительно обученных языковых моделей. Может выполняться полностью на CPU или ускоряться с помощью всего 8 ГБ VRAM. Проект поддерживает множество алгоритмов. ▪Github ▪Colab @data_analysis_ml

⚡️ ExLlamaV2: самая быстрая библиотека для работы с LLM Квантизация больших языковых моделей (Large Language Models, LLM) — н
⚡️ ExLlamaV2: самая быстрая библиотека для работы с LLM Квантизация больших языковых моделей (Large Language Models, LLM) — наиболее популярный подход для уменьшения размера этих моделей и ускорения вывода. GPTQ (Post-Training Quantization for GPT, пост-тренировочная квантизация GPT) — один из алгоритмов, обеспечивающих потрясающую производительность на графических процессорах. По сравнению с неквантированными моделями, он использует почти в 3 раза меньше VRAM (Video Random Access Memory, оперативная видеопамять), обеспечивая при этом аналогичный уровень точности и более высокую скорость генерации. GPTQ стал настолько популярным, что недавно был напрямую интегрирован в библиотеку Transformers. ExLlamaV2  — это библиотека, позволяющая выжать еще больше производительности из GPTQ. Благодаря новым ядрам, она оптимизирована для (молниеносно) быстрого вывода. Кроме того, в ней представлен новый формат квантизации EXL2, обеспечивающий большую гибкость при хранении весов. В этой статье рассмотрим, как квантировать базовые модели в формате EXL2 и как их запускать. Код доступен на GitHub и Google Colab. 📌 Читать @data_analysis_ml

💻 Изучайте Математику для Data Science бесплатно с помощью этих бесплатных курсов с Udacity 1. Linear Algebra Refresher Cour
💻 Изучайте Математику для Data Science бесплатно с помощью этих бесплатных курсов с Udacity 1. Linear Algebra Refresher Course 2. Intro to Statistics 3. Intro to Inferential Statistics 4. Intro to Descriptive Statistics 5. Eigenvectors and Eigenvalues 6. Intro to Artificial Intelligence 7. Differential Equations in Action 📌 Список @data_analysis_ml

⚡️ Nvidia и Suno анонсировали модели Parakeet RNNT. Parakeet превосходит Open AI Whisper и занимает первое место в таблице ли
⚡️ Nvidia и Suno анонсировали модели Parakeet RNNT. Parakeet превосходит Open AI Whisper и занимает первое место в таблице лидеров Open ASR Demo: https://huggingface.co/spaces/nvidia/parakeet-rnnt-1.1b https://huggingface.co/spaces/hf-audio/open_asr_leaderboard @data_analysis_ml

Как аналитику сделать новый шаг в своей карьере? Специально для вашего быстрого роста karpovꓸcourses подготовили новогоднее к
Как аналитику сделать новый шаг в своей карьере? Специально для вашего быстрого роста karpovꓸcourses подготовили новогоднее комбо из симуляторов ▪️В Симуляторе аналитика вы получите практику на реальных задачах в формате настоящей рабочей стажировки. — Вы разберете решения senior-специалистов, получите индивидуальный фидбек на свои решения и сможете пополнить портфолио проектами по BI-аналитике, статистике, A/B-тестам и автоматизации. ▪️В Симуляторе А/В-тестов освоите весь пайплайн проведения А/В-тестов, разберёте тонкости и подводные камни. — Прохождение Симулятора даст вам уверенность в знаниях A/B-тестирования и поможет на собеседовании или в работе. Приобретайте комбо до 9 января, а если интересен только один из Симуляторов — используйте скидку 7% [Забронировать скидку]

🚕 Как Uber вычисляет время прибытия со скоростью полмиллиона запросов в секунду 📌 Читать @data_analysis_ml
🚕 Как Uber вычисляет время прибытия со скоростью полмиллиона запросов в секунду 📌 Читать @data_analysis_ml

💻 Чтобы расширить возможности вашего терминала за счет автозаполнения кода, подобного IDE, используйте Fig. Это позволит ускорить рабочий процесс и сократить количество опечаток и ошибок, особенно при работе с длинными или сложными командами. https://fig.io/ @data_analysis_ml