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. Личный блог автора - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD

Больше

Сеть:Frontender's notes [ru]Россия33 725 Технологии и приложения6 726...

📈 Аналитический обзор Telegram-канала Data Science | Machinelearning [ru]

Канал Data Science | Machinelearning [ru] (@devsp) языкового сегмента Русский является активным участником. Сейчас сообщество объединяет 20 028 подписчиков, занимая 6 726 место в категории Технологии и приложения и 33 725 место в регионе Россия.

📊 Показатели аудитории и динамика

С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 20 028 подписчиков.

Согласно последним данным от 18 июня, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -63, а за последние 24 часа — -3, при этом общий охват остаётся высоким.

Статус верификации: Не верифицирован
Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 8.21%. В первые 24 часа после публикации контент обычно набирает 4.21% реакций от общего числа подписчиков.
Охват публикаций: В среднем каждый пост получает 1 645 просмотров. В течение первых суток публикация набирает 843 просмотров.
Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 7.
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. Личный блог автора - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD”

Благодаря высокой частоте обновлений (последние данные получены 19 июня, 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.

20 028

Подписчики

-324 часа

-507 дней

-6330 день

1 645

Просмотры поста

~ 84324 часа

~ 1 00948 часов

8.21%

Коэффициент вовлеченности

~ 1

Постов в день

Ads index

beta

Архив постов

20 025

💬 Внедрение ИИ в общение с клиентами Статья исследует развитие ИИ в общении с клиентами и его интеграцию в бизнес. Обсуждаются успехи и сложности внедрения чат-ботов, важность настройки под бизнес-цели и перспективы замены сотрудников ИИ. Читать...

20 025

📝 Подборка вакансий для джунов QA Automation Engineer Junior (Python) • Python, PyTest, ООП, SQL, PostgreSQL • Уровень дохода не указан | от 1 года Data Engineer • Python, SQL, ETL, Docker, Kubernetes, Apache Airflow • Уровень дохода не указан | опыт не указан Инженер данных/Data Engineer в Управление анализа данных • SQL, Jira, Confluence, Hadoop, Bitbucket • Уровень дохода не указан | опыт не указан Младший аналитик • Python, SQL, Microsoft Excel, Английский язык, Анализ данных, Машинное обучение, Нейронные сети • от 130 000 ₽ | опыт не указан

20 025

👩‍💻 Поиск самого часто встречающегося элемента в списке Напишите функцию, которая принимает список и возвращает элемент, который встречается чаще всего. Если таких элементов несколько, вернуть любой из них. Пример:

numbers = [1, 3, 2, 3, 4, 1, 3, 2, 1]
result = most_frequent(numbers)
print(result)  
# Ожидаемый результат: 3 (или 1, если в списке оба встречаются одинаково часто)

Решение задачи🔽

from collections import Counter def most_frequent(lst): count = Counter(lst) return max(count, key=count.get) # Пример использования: numbers = [1, 3, 2, 3, 4, 1, 3, 2, 1] result = most_frequent(numbers) print(result) # Ожидаемый результат: 3

20 025

🎞 Как за 6 промтов к ChatGPT создать Python скрипт, скачивающий видео с YouTube для просмотра на телевизоре через Kodi Статья рассказывает, как с помощью Python и ChatGPT создать скрипт для автоматической загрузки видео с YouTube и генерации метаданных (описаний и обложек) для интеграции с медиацентром Kodi. Читать...

20 025

⚡️ Он бросил кисть и молоток ради ИИ-приложения. Сумасшествие или гениальность? Рома, без опыта в IT и бизнесе, решил создать вашего личного ИИ-репетитора, который знает как учить эффективно. Почему человек с заводским прошлым уверен, что сможет изменить ваш подход к обучению? 👉 Подписывайтесь на "Так, Рома взялся делать стартап" и узнайте первыми: https://t.me/romastartup

20 025

🔥 Самые интересные статьи за последние дни: • Делают всё роботы, а не человек! Как работать меньше, но продуктивнее? Обзор шести нейросервисов • Пишем свою Diffusion модель с нуля • Apple Intelligence на Андроид? Обзор ИИ, портированных на мобильные устройства с локальным запуском • Как мы обучали LLM для поиска уязвимостей в смарт-контрактах Solidity • Нейросети, мошенники и «мамонты»: как искусственный интеллект меняет кибермошенничество

20 025

👩‍💻 Проверка, являются ли две строки анаграммами Напишите функцию, которая принимает две строки и проверяет, являются ли они анаграммами. Анаграммы — это слова, которые содержат одинаковые буквы в одинаковом количестве, но в разном порядке. Игнорируйте регистр и пробелы. Пример:

result1 = are_anagrams("listen", "silent")
print(result1)  # Ожидаемый результат: True

result2 = are_anagrams("hello", "world")
print(result2)  # Ожидаемый результат: False

Решение задачи🔽

def are_anagrams(str1, str2): # Удаляем пробелы и приводим к одному регистру str1 = ''.join(str1.lower().split()) str2 = ''.join(str2.lower().split()) # Проверяем, равны ли отсортированные символы return sorted(str1) == sorted(str2) # Пример использования: result1 = are_anagrams("listen", "silent") print(result1) # Ожидаемый результат: True result2 = are_anagrams("hello", "world") print(result2) # Ожидаемый результат: False

20 025

⚙️ Нейросетевой апскейлинг дома: вторая молодость для классических мультфильмов Статья рассказывает, как с помощью нейросетей улучшить качество старых видеозаписей, включая VHS и DVD. Описываются инструменты, процесс и результаты с примерами, доступные каждому без глубоких технических знаний. Читать...

20 025

📝 Подборка зарубежных вакансий Python Developer/Data Scientist • Python, Pandas, NumPy, NLP, TensorFlow, Keras, SQL, Git, Docker, NoSQL • от 5 500 $ | от 3 лет Database Administrator • ClickHouse, PostgreSQL, Python, Linux, Bash, LVM • до 5 000 $ | опыт не указан Python QA automation developer • Python, Linux, HTTP, TCP, CI/CD, DevOps • до 5 000 $ | опыт не указа

20 025

🕵️‍♂️ Держи код чистым Никогда не думал, что через пару недель сам не разберёшься в своём коде? А коллеги тем более. Это реальность, если писать быстро и «как получится». ✔️ Совет: трать 10 минут после завершения задачи, чтобы убрать мусор, оставить комментарии и структурировать код. Это спасёт и тебя, и тех, кто будет работать с ним после тебя.

20 025

⚙️ Пишем свою Diffusion модель с нуля Статья предлагает разобраться в устройстве Diffusion моделей, их математике и принципах работы. Автор делится простыми объяснениями, примерами кода и результатами генерации изображений на собственной модели. Читать...

20 025

Многие из вас знают, что ШАД - одна из сильнейших школ для подготовки специалистов по анализу данных Однако попасть в ШАД не так просто, нужно иметь сильную математическую базу и успешно пройти все этапы отбора. Shad Helper готовит студентов к поступлению в Школу Анализа Данных Яндекса, AI Masters и магистратуру по анализу данных. В школе в основном ведутся занятия по высшей математике и программированию. Все преподаватели кандидаты и доктора наук из МГУ, МФТИ, ВШЭ. 2 декабря 2024 года запускается новый поток подготовки к ШАД 💎Все преподаватели кандидаты и доктора наук из МГУ, МФТИ, ВШЭ 💎Есть система скидок за хорошую успеваемость 💎Длительность курса: ~6 месяцев 💎Оплата курса еженедельная (можно остановить обучение в любой момент) 💎Регулярные персонализированные домашние задания 💎Работа в мини-группах 💎Есть умный чат бот для студентов ( на базе gpt4) 🔗 Ссылка на телеграм @shadhelper 🎁 Для подписчиков канала скидка 30% на первоначальный взнос по промокоду DEVSP30 Реклама. ООО "Школа высшей математики". ИНН: 9728100991 erid: 2VtzqwmcPtb

20 025

📝 Подборка вакансий для лидов TeamLead Data Analyst • Python, DWH, ClickHouse • до 5 000 $ | от 3 лет Главный администратор данных (Chief Data Steward) [Governance] • Git, SQL, Apache Kafka, NoSQL, PostgreSQL • Уровень дохода не указан | опыт не указан Аналитик данных, senior/lead • SQL, Python, Apache Airflow, ETL, DWH • Уровень дохода не указан | от 3 лет Lead/Senior Automation QA (Python or Java) • Python, Linux, Java, CI/CD, Docker, Тестирование API, Тестирование UI, Разработка тест-кейсов • Уровень дохода не указан | от 4 лет Ведущий питонист • Python, Django, PostgreSQL, Docker • от 150 000 до 250 000 ₽ | опыт не указан

20 025

⚙️ Как обеспечить Data Quality терабайтов данных и зачем: опыт СИБУРа Статья посвящена опыту СИБУРа в создании DQ-сервиса для обеспечения качества данных. Рассматриваются задачи DQ, архитектура решения и универсальные подходы, применимые для анализа данных в крупных компаниях. Читать...

20 025

📈 Подборка статей для вашей карьеры • Мои Red-Flags при устройстве в IT-компании: Как не стать гребцом. Часть 2 • Как строить карьеру в корпорации • История: работа в чешском Red Hat • Циничные заметки о карьере в IT от «гейткипера» • Моя петиция EB-1A на грин-карту талантов, одобренная с первой попытки

20 025

Это — база по Machine Learning и Data Science, которая заменит вам сотни тг-каналов и сайтов. Фишка в том, что здесь опытные ML-специалисты первыми освещают новости сферы, пишут емкие разборы статей и делятся прикладными материалами. И канал – только часть клада: ребята сделали целый сайт с научными лонгридами, ML-соревнованиями и свежими вакансиями индустрии. Теперь вся жизнь ML-специалиста собрана в одном месте: Data Secrets

20 025

📝 Подборка вакансий для сеньоров Data engineer • SQL, Python, Apache Hadoop • Уровень дохода не указан | от 3 лет Data Engineer • SQL, Python, Apache Airflow, Greenplum, Apache Spark • от 250 000 ₽ | от 2 лет Senior Data Scientist • Python • Уровень дохода не указан | опыт не указан ML-инженер • Машинное обучение, Deep Learning, Нейронные сети, Python, TensorFlow, PyTorch, Keras, Linux, Git, Docker • Уровень дохода не указан | опыт не указан Разработчик БД (PostgreSQL, прикладные витрины) • SQL, PostgreSQL, ETL, Apache Airflow, Greenplum • Уровень дохода не указан | от 3 лет

20 025

Приглашаем тебя на крутое IT-мероприятие, посвящённое AI и передовым технологиям разработки рекомендательных систем. Регистрируйся, и в день мероприятия мы пришлём тебе ссылку на трансляцию. Или приходи очно, если ты живёшь в одном из городов. Где и когда? ✔️ Владивосток, 26 ноября ✔️ Новосибирск, 28 ноября ✔️ Нижний Новгород, 5 декабря ✔️ Санкт-Петербург, 6 декабря Тебя ждут крутейшие доклады, живая дискуссия и новые знания в сфере рекомендательных систем. Количество мест ограничено — успей занять своё и прикоснуться к миру рекомендательных систем! 👌

20 025

🤔 Размер имеет значение: как исторические данные помогают на этапе дизайна A/B-теста Статья изучает применение метода CUPED в A/B-тестах для повышения чувствительности и сокращения выборок. Рассматривается его использование на этапе дизайна эксперимента без потери статистической мощности. Читать...

20 025

🔥 Самые интересные статьи за последние дни: • Разбей и властвуй: как создать кастомный токенизатор в SpaCy • Функция property() в Python: добавляем управляемые атрибуты в классы • Что, если не трансформеры: какие альтернативы главной архитектуре нейросетей у нас есть в 2024 году • cgroups и namespaces в Linux: как это работает? • ML-тренды рекомендательных технологий: шесть приёмов, которые помогают угадывать желания пользователя