![Data Science | Machinelearning [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1dVo3O%2F5217464346798572541%3Fty%3Dl&w=48&q=75){kind=small}
Data Science | Machinelearning [ru]
Открыть в Telegram
Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM. MAX - https://max.ru/devsp Личный блог - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD
Больше![Сеть: Frontender's notes [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1qrVZ3%2F5348049928330532677%3Fty%3Dx&w=32&q=75){kind=small}
📈 Аналитический обзор Telegram-канала Data Science | Machinelearning [ru]
Канал Data Science | Machinelearning [ru] (@devsp) языкового сегмента Русский является активным участником. Сейчас сообщество объединяет 19 633 подписчиков, занимая 6 702 место в категории Технологии и приложения и 33 418 место в регионе Россия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 19 633 подписчиков.
Согласно последним данным от 14 ноября, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -117, а за последние 24 часа — -3, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 7.60%. В первые 24 часа после публикации контент обычно набирает 4.61% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 1 492 просмотров. В течение первых суток публикация набирает 905 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 4.
- Тематические интересы: Контент сосредоточен на ключевых темах, таких как llm, nvidia, контекст, openai, архитектура.
📝 Описание и контентная политика
Автор описывает ресурс как площадку для выражения субъективного мнения:
“Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM.
MAX - https://max.ru/devsp
Личный блог - @just_genych
По вопросам рекламы или разработки - @g_abashkin
РКН: https://vk.cc/cJPGXD”
Благодаря высокой частоте обновлений (последние данные получены 15 ноября, 2026) канал поддерживает актуальность и высокий уровень охвата публикаций. Аналитика показывает, что аудитория активно взаимодействует с контентом, что делает его важной точкой влияния в категории Технологии и приложения.
19 633
Подписчики
-324 часа
-417 дней
-11730 дней
Архив постов
![Data Science | Machinelearning [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1dVo3O%2F5217464346798572541%3Fty%3Dx&w=64&q=75){kind=small}
🌎 Команда Google Chrome вместе с разработчиками других браузеров обновила набор скиллов для современной веб-разработки
Внутри Modern Web Guidance инструкции по 250 возможностям современных браузеров и 203 сценария их применения. Агенты учатся избегать устаревшие подходы, создавать адаптивные интерфейсы, делать анимации без лишнего JavaScript и использовать встроенные функции вместо сторонних библиотек.
Работает с Claude Code, Cursor и Gemini CLI
✖️ Telegram | Max | 🌥 Claude и другие ИИ
+2🖥 Пока фронтендеры и мобильные разработчики теряют работу, спрос на других инженеров взлетает
По данным нового большого исследования, за год количество открытых вакансий для фронтендеров сократилось на 51%, для Android-разработчиков упало на 47%, а для iOS — на 46%. Что еще:
— Спрос на Forward Deployed Engineers, которые внедряют технологии у клиентов, вырос сразу на 361%. На наше несчастье, ИИ пока не заменил эйчаров — количество вакансий для них взлетело на 295% относительно 2023 года. — В выигрыше также оказались продакты, у которых +56% вакансий, и специалисты по безопасности с +34%. — Из заметных минусов: удалёнка постепенно исчезает. Теперь её предлагают лишь в 14% IT-вакансий против 21% в конце 2022 года.✖️ Telegram | Max | 🌥 Claude и другие ИИ
Вышло исследование про то, как рекомендательным системам точнее понимать, что нам реально интересно. Главный головняк в этой теме сейчас один: обычные модели предсказывают «среднее время просмотра», а за этой цифрой может стоять что угодно — кто-то пролистнул за секунду, кто-то досмотрел до конца.
Как обычно устроено? Модель выдаёт одно число: «это видео посмотрят в среднем 15 секунд». И всё. Хоть половина пользователей пролистнула его мгновенно, хоть все досмотрели — для алгоритма это одно и то же. Отсюда промахи в ранжировании: контент, который цепляет одних и отталкивает других, система видит вслепую.
Команда AI VK Research придумала подход HEGM. Вместо одной цифры модель предсказывает целый расклад сценариев: с какой вероятностью пролистают, с какой посмотрят частично, с какой досмотрят или включат повтор. И всё это одной моделью, а не зоопарком отдельных классификаторов.
И цифры реально бодрят. В VK Клипах за одну сессию стали смотреть на 10% больше роликов, досмотров дольше 10 секунд стало на 6% больше, а дизлайков — на 8,3% меньше. Проверяли на KuaiRec, VK-LSVD и датасете из 282 млн реальных взаимодействий — по качеству ранжирования обошли протестированные альтернативы.
И самое интересное: подход не привязан к видео. Музыка (пропустят трек или дослушают), реклама (сколько секунд выдержат), карточки товаров (сколько времени изучат) — та же логика. Причём встраивается в уже работающую систему без переделки архитектуры. Исследование по ссылке.
Всего месяц курса CS8803 в Технологическом институте Джорджии — и на руках реально жирные материалы
Эмбеддинги, рассуждения, выравнивание моделей, архитектура ИИ-агентов и работа с длинным контекстом — всё разобрано детально. И подкреплено научными публикациями.
Материалы офигенно ценные и лежат в открытом доступе
👉 Telegram | Max | 🌥 Claude и другие ИИ
🖥Если ты хочешь обучиться вайбкодингу и при этом иметь возможность провести аудит безопасности своего продукта, то тебе сюда:
Lab IT — репозитории, полезные инструменты, курсы и многое другое по Айти:
ЭЙ, АЙ! — бесплатные инструменты, репозитории, обучающие материалы для упрощения работы с ИИ.
ИИ тебя взломает — объединит твои навыки в ИБ с ИИ
CyberGuard — оплот для ИБ-специалистов со всего телеграма. Тут ты точно узнаешь, как не оплошаться с запуском своего продукта, и защитить его от злоумышленников
🫵Подписывайся и обучайся!
Раздел про комплексные числа на Algebrica перебрали и обновили
За две недели там прошерстили и переписали весь раздел, который про комплексные числа: «Комплексные числа», «Операции с комплексными числами», «Тригонометрическая форма комплексного числа», «Формула Эйлера», «Показательная форма комплексного числа», «Формула Муавра», «Корни из единицы», «Основные неравенства для комплексных чисел», «Неравенство треугольника», «Неравенство Коши — Шварца», «Комплексные степени» и «Комплексный логарифм».
Всё это на Algebrica лежит в открытом доступе — ни рекламы, ни платных заглушек. Исходники статей в Markdown тоже отдают бесплатно: качай из репозитория на GitHub.
Ссылка: algebrica.org/complex-numbers
👉 Telegram | Max | 🌥 Claude и другие ИИ
Claude Fable 5.2: новая модель под микроскопом — большой разбор
Вечер воскресенья, 9 ноября. Anthropic выкатывает анонс — и за ночь его смотрят 9,7 миллиона раз. Причина простая: Claude Fable 5.2 за 30 часов довёл доказательство Великой теоремы Ферма до состояния, когда его по шагам проверяет компьютер. Силами сотен скоординированных агентов.
Параллельно эта же модель, начиная с пустой папки, за восемь дней накатала операционную систему — и та грузится на ноуте. В статье раскладывают: что за нейросеть, в чём Fable 5.2 расходится с Opus 5.5, GPT-6 и Gemini 4, почему бенчмаркам обычно не верят — и почему этим верить можно, и как формулировать промпты, чтобы модель не нагородила тебе бюрократии на 87500 слов. Цифры, пруфы, таблицы и графики прилагаются.
Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ
Ферромарганец в ДСП-3: CatBoost дрессируют на прогноз дозы
Автор — Рамиль Максютов, и это уже вторая часть цикла про плавки в ДСП-3. Первая часть лежит тут.
В свежей статье на данных из первой части CatBoost учат предсказывать минимальную дозу ферромарганца для выплавки отливки из стали 35Л в дуговой сталеплавильной печи с основной футеровкой. Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ
Приглашаем на митап для ML-разработчиков и дата-сайентистов 🥰
Как использовать LLM и агентов в поиске, чтобы точнее понимать запросы пользователей и повышать релевантность результатов?
19 ноября обсудим выбор моделей, оценку качества и работу таких систем в проде.
🔴 Борис Коварский, hh.ru — Агентный поиск в рекрутинге: опыт hh 🔴 Виктор Реушкин, hh.ru — Как устроен диалоговый поиск вакансий на hh 🤩 Алексей Казаков, Циан — LLM и энкодерные модели для поиска. Опыт развития подходов в поиске недвижимостиДата и время: 19 ноября в 19:00 мск Очно: Москва, офис hh Онлайн: будет трансляция в VK и YouTube для тех, кто не сможет прийти в офис После докладов можно будет пообщаться с коллегами — подготовим вкусную еду и напитки 🍕 Регистрируйтесь → участие бесплатное 🥹 #реклама О рекламодателе
На Habr есть материал: JS-проект для моделирования физических экспериментов прокачали через ИИ-возможности.
В программе — эксперименты из разделов: механика, механические колебания, гидростатика. Код — голый Vanilla JS, сторонние библиотеки не подтягивали.
Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ
Z3R0, если верить Артуру Валиеву, — его первая в жизни научная работа. Благодарности он раздаёт пачкой: командам, которые стоят за Spore, eligibilit, e-prop, NEST Simulator, BindsNET, Brian2 и Norse. Прямо говорит — гении, а экспериментальные стенды называет чуть ли не святынями (только без религиозного подтекста). Без этих людей, мол, доброй части работы просто не существовало бы.
Ещё он вносит ясность: Spore тут — другой, инженерный проект под управление ИИ-задачами, с одноимённым нейроморфным модулем он не родня. И напоминает: наука начинается не с очередного свежесозданного файла main.rs. Она начинается с Тьюринга, Хебба, Розенблатта и Эшби, с исследований пластичности, нейрофизиологии, обучения с подкреплением, стохастических процессов и динамических систем.
Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ
В Railway кто-то полез в чужую инфраструктуру — и это заметили
Основатель хостинг-платформы Primcloud Джош Мандерс наехал на конкурента: работник Railway Джейк Разнер, по его данным, лез в инфраструктуру Primcloud. Причём не абстрактно, а в попытке реального взлома.
Дальше начали разбираться. Гендир Railway Джейк Купер и сам Разнер на заяву отреагировали. Второй не отвертелся: причастность к инциденту признал. Но злого умысла, говорит, не было — тестировал автономные алгоритмы для создания аккаунтов на сторонних платформах. А ИИ-агент «зашёл слишком далеко».
Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ
Идея — ИИ — авария: в каком мире мы теперь живём
Материал про то, как существовать в новом мире ИИ и какие косяки вылезают на практике. На что реально смотреть, когда каждая собака орёт про ИИ, а директор впихивает его в дела всё злее.
Можно до посинения спорить, случилась ли революция и вообще что-то поменялось. Но инструменты уже не откатить — как и мысли у людей в головах. Часть этих мыслей решает, останешься ли ты завтра на своей должности, и она же начисляет тебе зарплату. Когда технологии упёрлись в некое плато, без этого разговора уже никак. И да, материал автор клепал по старинке.
Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ
Кто в IT платит выше рынка? И какой оффер считается хорошим?
Предлагаем опытным IT-специалистам поделиться мнением о зарплатах и бенефитах в крупных технологических компаниях.
Кто, на ваш взгляд, платит выше рынка?
У кого привлекательнее премии?
Насколько важны ДМС, спорт, питание и другие бонусы при выборе работы?
👉 Поделиться мнением: https://clck.ru/3WNjfX
Anthropic запилила гайд: какую модель брать под конкретную задачу
Anthropic выкатила гайд, где разжёвано, какую именно ИИ-модель тащить под конкретные задачи. И там прямо сказано: самая жирная по мощности система — не всегда лучший вариант в ряде случаев.
Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ
Вышло исследование про то, как масштабировать мультиагентные системы. Главный головняк в этой теме сейчас один: заставить толпу ИИ-агентов нормально координироваться и тащить задачу вместе, а не тянуть одеяло каждый в свою сторону.
Как обычно устроено? Разработчик сверху рисует план: вот этот агент делает вот это, вот тут они перекидываются данными. И вся эта схема, как правило, работает одинаково — хоть задачу поменяй, хоть нет.
Исследователи придумали подход s3. Правила сверху больше не нужны: агенты сами, через обучение с подкреплением, учатся договариваться о совместной работе. Сами решают, когда пора действовать в одиночку, когда скинуть результаты другим, а когда и к коллегам по команде постучаться. Роли никто заранее не раздаёт.
И цифры реально бодрят. При тех же затратах на обучение и инференс группы s3 — а на тестах их состав был вдвое больше, чем на обучении — закрыли более чем в 25 раз больше задач на координацию, чем лучший базовый метод. Когда решения искали параллельно, обмен данными между агентами почти вдвое срезал объём повторной работы и обогнал метод best-of-N на величину до 9,4 балла. И самое интересное: агенты сами разложили между собой взаимодополняющие роли, причём это разделение не развалилось даже когда команда выросла. Исследование:
👉 Telegram | Max | 🌥 Claude и другие ИИ
Сила команды во времени: как её замерить и что в итоге вышло с рейтингом Universal Cup
Сколько процентов дашь за то, что ваша тима утащит медаль с финала ICPC? Десятки команд крутят этот вопрос в голове. Но кто реально способен выдать внятный ответ? У MachineSolution — финалиста ICPC и гроссмейстера Codeforces — под рукой были результаты 30 контестов Universal Cup, немного свободного времени и зуд докопаться до сути.
В статье — матмодель силы команд во времени, виртуальные участия и распределение Гумбеля, разбор ничьих, проверка предсказаний и готовый рейтинг Universal Cup. Узнать, как устроен рейтинг
👉 Telegram | Max | 🌥 Claude и другие ИИ
Прогнал Kimi AI, Qwen, DeepSeek и Grok по текстам. Результаты — ниже
Дай нейросетке статью на вычитку — назад прилетит вылизанный текст, в котором автора уже не читается. В препринте 2026 года исследователи из Berkeley, Google DeepMind и других организаций показали: ИИ-модели перекручивают смысл даже тогда, когда их просят только поправить грамматику.
Kimi AI, Qwen, DeepSeek и Grok всё чаще суют в тексты вместо ChatGPT. Но выбрать из них редактора на глаз — та ещё рулетка. По дефолту нейросеть, которой дали текст на вычитку, начинает его переписывать, хотя просили только правки. Прижать её можно лишь жёстким промптом и сравнением версий.
Редакторские модели сравнивай не по ощущению «стало лучше», а по доле переписанного текста и по тому, уцелел ли смысл. Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ
Как я перекроил свою CRM без прогеров
По рассказу автора, в его CRM шесть сервисов накручены вокруг одной базы, и команда кодеров пилила это годами. Плюс SQLite-базы рядом, скрипты, тесты и поддержка — всё это докручивал Claude Code.
Теперь, с его слов, Claude Code сам тащит весь этот воз: от ковыряния в чужом коде до новых доработок. Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ
Пять слоёв памяти ИИ-ассистента: что в проде реально тащит, а что так и пылится в библиотеке
Снова одно и то же нытьё про чат-ботов: «он меня не помнит». У самой LLM памяти нет. Всё, что она якобы запомнила, мы сами заталкиваем ей в контекст.
В статье — как память ассистента устроена в проде на 16 тысячах раундов: файлы, PostgreSQL с pgvector, судья на дешёвой модели, выжимки и политика доступа между агентами. Плюс про то, что из задуманного так и осталось валяться в библиотеке.
Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ
