Уже доступно! Исследование Telegram 2025 — ключевые инсайты года 
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📈 Аналитический обзор Telegram-канала Data Science | Machinelearning [ru]
Канал Data Science | Machinelearning [ru] (@devsp) языкового сегмента Русский является активным участником. Сейчас сообщество объединяет 19 984 подписчиков, занимая 6 706 место в категории Технологии и приложения и 33 686 место в регионе Россия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 19 984 подписчиков.
Согласно последним данным от 25 июня, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -75, а за последние 24 часа — -8, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 7.47%. В первые 24 часа после публикации контент обычно набирает 3.67% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 1 492 просмотров. В течение первых суток публикация набирает 733 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 6.
- 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 26 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.
19 984
Подписчики
-824 часа
-457 дней
-7530 день
Архив постов
Ансамбли моделей для распознавания рукописных цифр
Применение нескольких моделей машинного обучения для решения задачи является частой практикой и данная технология преимущественно выигрывает по качеству по сравнению с одной моделью. Однако, для успешного результата такой технологии необходимо разбираться в ее модификациях.
Читать...
🎄X-MAS HACK 2022 – время исполнения желаний🎄
👨🏻💻Если ты кодишь – ждём тебя в секции «Хакатон» с кейсами от IT-компаний
💡Если ты настоящий генератор идей – ждём в секции «Идеатон», где ты сможешь предложить самые смелые идеи для бизнеса!
Даты хакатона: 15–17 декабря 2022 года
Дедлайн регистрации: 12 декабря 23:59
Регистрация и подробности:
Хакатон - https://clck.ru/32joBF
Идеатон - https://clck.ru/32joAz
Создавай команду или подавай личную заявку, а мы найдем для тебя крутую команду! Регистрируйся, решай новогодний кейс, заводи знакомства, перенимай опыт от топовых экспертов, стань частью X-MAS HACK! И кто знает.. возможно, именно ты заберешь главные призы!
💰Призовой фонд – 1.700.000 рублей!
🎁 Новогодний мерч, подарки от партнеров и сертификаты
🎅🏻 Менторская поддержка от топовых экспертов
🪄 Мастер-классы, лайфхаки и много полезных знакомств
Больше хакатонов и призов - https://clck.ru/32joBN
Ученые все чаще не могут объяснить, как работает ИИ. Теория «черного» и «белого» ящика
Какое у вас любимое мороженое? Шоколадное, ванильное, фисташки, крем-брюле? Вы легко дадите ответ. Но если вас спросят, почему именно этот конкретный вкус, тут уже дать конкретный ответ станет гораздо сложнее. Большинство максимум придумают, что так у них устроены вкусовые рецепторы. Но почему они устроены именно так, и почему тогда нам иногда хочется пробовать другие виды мороженого?
На самом деле, с ИИ всё обстоит еще хуже. Чем дальше развиваются технологии, тем чаще мы вообще не можем понять, что происходит там внутри. А значит, и не можем быть уверены, стоит ли нам доверять таким решениям.
Читать...
Машинное обучение как универсальный инструмент обработки информации
Машинное обучение — своего рода универсальная палочка-выручалочка, когда речь идет о больших объемах информации и необходимости их обработать, структурировать и извлечь из этого пользу.
А что если речь идет о градостроительстве и урбанистике — как тут может помочь машинное обучение и какую информацию мы можем использовать?
Читать...
Яндекс назвал лауреатов своей ежегодной научной премии
Ученые, которые занимаются исследованиями в области компьютерных наук, получат по миллиону рублей на развитие своих проектов. В 2022 году лауреатами стали шесть молодых ученых:
•Максим Великанов — занимается теорией deep learning, изучает бесконечно широкие нейронные сети и статистическую физику;
•Петр Мокров — исследует градиентные потоки Вассерштейна, нелинейную фильтрацию и байесовскую логистическую регрессию;
•Максим Кодрян — занимается deep learning, а также оптимизацией и генерализацией нейросетевых моделей;
•Руслан Рахимов — работает с нейронной визуализацией, CV и deep learning;
•Сергей Самсонов — изучает алгоритмы Монте-Карло с марковскими цепями, стохастическую аппроксимацию и другие темы;
•Тарас Хахулин — работает в области компьютерного зрения.
Круто, что отдельно выделяют и научных руководителей. В этом году гранты получили двое — Дмитрий Ветров, заведующий Центром глубинного обучения и байесовских методов ВШЭ, и Алексей Наумов, доцент факультета компьютерных наук ВШЭ, заведующий Международной лаборатории стохастических алгоритмов и анализа многомерных данных.
Подробнее о премии и лауреатах 2022 года — на сайте.
Сегодня проходит международная онлайн-конференция, посвещенная искусственному интеллекту AI Journey, где выступают ведущие эксперты отрасли.
К примеру, доцент факультета компьютерных наук НИУ ВШЭ Максим Рубаха рассказал про тензорное разложение:
«Мы предложили фреймворк на основе тензорных разложений, который использует тот факт, что нейросети содержат избыточное число параметров, то есть они перепараметризованы. И тензорное разложение позволяет уменьшить это число параметров, но, с другой стороны, вы это можете использовать для повышения эффективности и уменьшения памяти при контроле сингулярных чисел. И при этом вы можете использовать абсолютно различные методы — просто вы их применяете не к исходному ядру свёртки, а к уменьшенному четырёхмерному массиву».
Принципы, лежащие в основе алгоритмов и структур данных, всегда актуальны для любого стека технологий. Если вы уверенно владеете одним из языков программирования: C++, Python, Java, Go, JavaScript или C#, вам подойдет курс Яндекс Практикума «Алгоритмы и структуры данных». Мы поможем вам разложить все по полочкам, научим писать более чистый код, видеть разные варианты решения задачи и сравнивать их по эффективности, а ещё вы:
• разберётесь в основных алгоритмах;
• узнаете, как устроены структуры данных и когда какие применять;
• научитесь тестировать свой код и доказывать его корректность.
На всех этапах вас будут сопровождать опытные разработчики: мы не дадим просесть по учёбе и поможем выкроить время на образование. Вы будете практиковаться на реальных кейсах и положите в портфолио работающие проекты. А карьерные консультации подготовят вас к разговору о повышении или помогут с поиском новой работы.
Познакомьтесь с профессией и протестируйте формат бесплатно. А если решите продолжать учиться — до 30 ноября действует скидка 20% от Яндекса к Чёрной пятнице. Скидка действует только при оплате помесячно или в кредит.
Записаться на курс можно здесь: https://practicum.yandex.ru/algorithms/
Видеоаналитика на взрывоопасном заводе площадью в 700 футбольных полей
Есть распространённый стереотип, будто на заводах надо каски детектировать или даже огонь. Но ведь идея в том, чтобы стремиться не допустить огня и всяких происшествий, а не фотографировать их. Поэтому на практике мы стараемся детектировать то, что происходит до того, как что-то подтечёт, задымится, загорится или пойдёт не по плану.
Меня зовут Щемелинин Вадим, я четыре года работаю в сфере цифровизации промышленности в компании «СИБУР Диджитал». Моя основная задача — развитие Индустрии 4.0 в холдинге. Одним из продуктов моего направления является видеоаналитика. Сегодня я расскажу про сложности, с которым сталкиваются Python-разработчики, внедряя машинное зрение в нефтехимическую индустрию.
Читать...
🤖 Ключевая Международная конференция по искусственному интеллекту и машинному обучению AI Journey снова в эфире 23-24 ноября! Подключайтесь к трансляции онлайн и узнавайте о мире, в котором искусственный интеллект станет частью нашей повседневной жизни.
На конференции будут представлены пять тематических треков: AIJ Science, AIJ Junior, AI4ESG, Science & Industries, Science & Business. Основные их темы:
• Мультимодальные, мультиязыковые, генеративные модели, трансформеры и новые архитектуры
• Исследования российских и международных технологических центров
• Применение AI в области ESG и устойчивого развития
• Лучшие практики и кейсы использования AI в бизнесе
• Внедрение разработок AI/ML в разных отраслях
• Этические аспекты применения AI
• Воркшопы, демо, мастер-классы и интерактивы для молодежи
Смотрите выступления топовых российских и международных экспертов по искусственному интеллекту.
👉Следить за конференцией можно бесплатно на сайте. Регистрация не требуется.
Roadmap. Как изучать нейронные сети
Компьютерное зрение и NLP - это области, где активно применяются нейронные сети. Что нужно знать для того, чтобы начать программировать нейронки? Какие курсы слушать и как развивать свои навыки? Ответы на эти вопросы вы получите в видео.
Смотреть видео...
Data Secrets — первый журнал в области науки о данных.
Machine Learning, Data Science, AI - знакомые слова, но считаешь, что это очень сложно? Здесь мы на практических примерах освещаем последние достижения в этой области и учим азам:
— рекомендательные системы
— прогнозирование временных рядов
— генерирование фото/видео
Присоединяйся: @data_secrets
Открытые данные. Как сматчить несматчиваемое или Нейросеть вам в помощь
Аналитик Никитин Александр и Head of ML Андрей Румянцев разобрались как с помощью машинного обучения смерджить несколько наборов данных из открытых источников и не сойти с ума. Open data, TF-IDF, faiss, pgvector, трансформеры и удивительное завершение нашего приключения — всё это под катом.
Читать...
Мечтаешь стать дата саентистом, но математика рушит все планы?
Именно для тебя мы делаем скидку на один из наших наиболее популярных онлайн-курсов, в котором есть вся необходимая база — Математика для Data Science. А по промокоду NOV22 ты получишь скидку -33%
💥Что тебя ждёт на курсе?
-Программа разработанная преподавателями ВМК МГУ, одного из лучших математических факультетов страны
-Поддержка от предподавателя 24/7
-Полный набор знаний математики для старта в Data Science
-Интересные и полезные практические задания
-Ты научишься понимать специальную терминологию и сможешь читать статьи по Data Science без «словаря»
К концу обучения ты освоишь математический аппарат, который необходим, для того чтобы стать специалистом в Data Science
👉🏻Подробнее о курсе: https://proglib.io/w/2341d640
Как переехать на Kubeflow в качестве ML-платформы?
В этом материале автор делится докладом Сергея Савватеева о переходе сервиса Mediascope на Kubeflow, который он подготовил к ML MeetUp.
Расскажет о роли команды в компании, как был устроен процесс разработки до перехода на Kubeflow. Разберет подробно сам переход, какие архитектурные решения принимались. С какими сложностями столкнулись и какие наметили шаги.
Читать...
Яндекс Банк ищет рок-звёзд от мира данных
Финтех — самые молодые и смелые ребята в Яндексе. За 1,5 года они придумали и сделали Сплит (тот самый, что делит оплату на части), и Карту Плюса (ту самую, что даёт кешбэк не только в Яндексе). На подходе собственный апп и запуск кредитных продуктов, и всем этим нелёгким делом управляет data-driven-подход. Поэтому умеющих работать с данными здесь любят, ценят и ждут, и прямо сейчас ищут аналитика рисков.
Если твой любимый вопрос «А что если…?», ты немного ясновидящий, всегда держишь руку на пульсе и не паникуешь от работы в условиях полной неопределённости, с профессией ты точно не ошибся. А если ещё и программируешь, умеешь взаимодействовать с бэкендом и тестированием, и готов с головой погрузиться в кредитные продукты, не ошибёшься и с вакансией. Подробности тут.
Кратчайший путь в руки рекрутеров — в описании вакансии. Дочитай до конца, реши нехитрую профильную задачку и дверь откроется!
Как смешивать изображения в Midjourney: тест фичи
Нейросеть Midjourney не зря быстро стала популярной: богатый функционал, простота использования и качественная генерация изображений. Теперь сервис запустил функцию смешивания двух изображений, а мы протестировали ее и рассказываем, как ей пользоваться и что получается в итоге.
Читать...
⚡️Прими Challenge от Avanpost⚡️
Стартовала регистрация на онлайн-хакатон от Avanpost!
📆 Даты хакатона:
2 – 4 декабря 2022 года
💡 Дедлайн регистрации:
28 ноября 23:59
📲 Регистрация и подробности по ссылке!
Прими вызов и прокачай свои скиллы на актуальных кейсах от сильнейшего на российском рынке разработчика систем управления доступом!
Кейсы на выбор:
🔸 Разработка механизма предиктивной авторизации (ML/AI)
🔸 Распознавание отпечатков пальцев (Go)
На хакатоне тебя ждет:
🔹 Призовой фонд – 300.000 рублей
🔹 Шанс получить оффер
🔹 48 часов драйва в команде
🔹 Менторская поддержка и мастер-классы
🔹 Подарки и мерч
Участвуй и побеждай в онлайн-хакатоне Avanpost Challenge!
Рабочее время: кошелек или жизнь?
Мнение о необходимости таймтрекинга разделяет сотрудников на два противоположных лагеря. Как правило, исполнители всячески осуждают и указывают на неэффективность проектов, в которых необходимо вести учет рабочего времени и ежедневно отчитываться о проделанной работе. Напротив, многие правильные руководители приводят множество доводов в пользу таймтрекинга своих сотрудников. Поговорим об этом на ярком примере.
Читать...
Базовые знания о профессии инженера данных на одном вебинаре.
→ Бесплатно, 18 ноября в 15:00
О профессии расскажут эксперты:
◾️ Анатолий Бардуков, разработчик-исследователь в Яндекс Поиск;.
◾️ Антон Моргунов, senior ML инженер в консалтинговой компании.
На вебинаре разберём два больших блока вопросов.
Зачем нужны инженеры данных
— Почему несколько лет назад таких специалистов не существовало?
— Каким компаниям они нужны?
— Чем будут заниматься дата-инженеры через 5, 10 и 15 лет?
— Заменит ли ИИ дата-инженеров?
Как зайти в профессию и развиваться в ней
— Роль дата-инженера, его задачи и зоны ответственности.
— Какие технологии для собеседования надо знать
— Что спросят на собеседовании в Яндекс и как готовиться?
— Сколько готовы платить начинающим дата-инженерам и сколько опытным?
— Куда двигаться начинающему дата-инженеру?
После вебинара можно будет задать вопросы спикерам.
→ Зарегистрироваться на вебинар
