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 20 021 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 20 021 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.
20 021
Подписчики
-324 часа
-507 дней
-6330 день
Архив постов
👨💻Хранилища данных. Обзор технологий и подходов к проектированию
В этой статье будут рассмотрены основные подходы к проектированию архитектуры хранилищ данных (DWH), эволюция архитектур, взаимосвязь Data Lake, Data Factory, Data Lakehouse, Data Mesh c DWH, преимущества и недостатки подходов к моделированию данных.
Читать...
Ищем автора эталонного кода! 💎
Если вы уверены, что вашему коду подходит звание «Эталонный», а вам — звание «Автор самого красивого кода», то приглашаем принять участие в Конкурсе красоты кода 2.0 и выиграть классные призы от Сбера: iPhone 16 и умную колонку SberBoom.
Опытные эксперты определят победителей в пяти категориях: Backend, Frontend, DevOps, AI и Mobile, — а награждение пройдёт на ключевом IT-событии HighLoad в Москве, 2 и 3 декабря.
Больше 40 участников прошлого конкурса стали частью команды Сбера. Возможно, следующим станете именно вы — переходите по ссылке и изучайте подробности!
🖥 Самые интересные статьи за последние дни:
• Кратко про Ensemble методы с примерами
• Машинное обучение и криптография: знакомимся с CipherGAN
• Строим ETL-конвейер для машинного обучения с помощью Kafka, Clickhouse и Go
💎Кратко про Ensemble методы с примерами
В этой статье мы рассмотрим три основных подхода: Bagging, Boosting и Stacking, и посмотрим, как их реализовать на Python.
Читать...
👀Хотите освоить инструменты для построения и применения моделей машинного обучения на больших наборах данных?
Ждем вас на открытом вебинаре 8 октября в 20:00 мск, где мы разберем:
- обзор возможностей Spark;
- как разрабатывать модели на Spark ML;
- как выводить модели в промышленное использование.
Урок для инженеров данных, ML-инженеров и Data Scientist'ов.
Спикер Вадим Заигрин — опытный разработчик, Data Engineer и Data Scientist. Team Lead команд инженеров данных на разных проектах.
Встречаемся в преддверии старта курса «Spark Developer».
Все участники вебинара получат специальную цену на обучение!
▶️Регистрируйтесь прямо сейчас, чтобы не пропустить мероприятие:
https://otus.pw/6Zsv/
🔥Depth Pro: Sharp Monocular Metric Depth in Less Than a Second
Мы представляем базовую модель для оценки глубины с помощью метрики нулевого кадра.
Модель синтезирует карты глубины высокого разрешения с непревзойденной резкостью и высокочастотными деталями.
Прогнозы являются метрическими, с абсолютным масштабом, без опоры на доступность метаданных, таких как внутренние параметры камеры.
Модель быстрая, производит карту глубины 2,25 мегапикселя за 0,3 секунды на стандартном графическом процессоре.
🤗 Hugging Face
💾 Arxiv
📂 PDF
@Devsp — Подписаться
🤔Машинное обучение и криптография: знакомимся с CipherGAN
В этой статье мы рассмотрим генеративно‑состязательную сеть CipherGAN, используемую для определения базового шифровального отображения по банкам непарного зашифрованного текста и открытого текста.
Читать...
⚡️Как за месяц научить нейросеть говорить на татарском: опыт MTS AI
В этой статье расскажу вам о том, как мы силами пяти человек за месяц научили нашу большую языковую модель Cotype Lite общаться на татарском языке.
Читать...
🚀Как у нейросетей работает внимание? Статья про self-attention и cross-attention
В этой статье вы узнаете о механизме внимания (attention) в нейросетях, спецификациях self-attention и cross-attention, а также их роли в генерации изображений на основе текстовых описаний.
Читать...
🥳Строим ETL-конвейер для машинного обучения с помощью Kafka, Clickhouse и Go
В этой статье я поделюсь с вами своим опытом использования Golang, Kafka и Clickhouse на примере простого ETL-конвейера для параллельной передачи JSON-данных в базу данных с последующим прогнозированием температуры на основе машинного обучения.
Читать...
🐍Как проверить свои модели ONNX на Python: кратко
В этой статье разберем, что такое ONNX, как экспортировать модели в этот универсальный формат и, что самое главное, как протестировать их с помощью Python.
Читать...
Бесплатный мини-курс по технологии ускорения ML-моделей — Triton
В Ozon Tech 100+ дата-сайентистов. Каждый день они решают задачи поиска и диалоговых систем, чат-ботов и матчинга, анализа спроса и рекомендаций. И много-много других! Для этого наши специалисты используют огромное количество технологий. Одна из них — Triton.
Курс — это гайд в формате лонгрида, из которого вы узнаете:
— что такое Triton и как в нём происходит типизация данных;
— как собрать простую модель под любые нужды;
— как оптимизировать модель и дотащить до прода.
Чтобы пройти курс, нужно:
1) отправить заявку на этой странице;
2) иметь 2 часа свободного времени.
А после прохождения вы получите приглашение в закрытый чат с DS-экспертами Ozon.
Удачи!
🗣Как общаться с базой знаний на естественном языке с помощью LLM и объективно оценить работу полученной системы
В этой статье расскажу про особенности применения больших языковых моделей для оптимизации бизнес-процессов.
Читать...
😎Эффективные запросы к ChatGPT и подобным моделям: Полное руководство по идеальной формуле
В этой статье я расскажу вам о единственной формуле, которую нужно знать, чтобы мастерски составлять запросы (промты) к ChatGPT и получать точные и полезные результаты.
Читать...
🔍 Вакансия: Data Engineer / Web Scraper Specialist 🔍
Ищем специалиста по веб-скрейпингу и работе с API для автоматизированного сбора данных о компаниях из открытых источников.
Что нужно будет делать:
- Собирать данные о компаниях через *D7 Lead Finder* (API или скрейпинг).
- Использовать *Hunter.io, LinkedIn API, Google Custom Search* для дополнительного сбора и обработки информации.
- Очистка и верификация данных, сохранение в формате *CSV/Excel*.
Что ожидаем:
- Опыт в *Python, Selenium, Beautiful Soup/Scrapy*.
- Навыки работы с API и обработки больших объемов данных.
- Умение структурировать и анализировать данные.
по всем вопросам писать: @xandersob
🛡Защита LLM в разработке чат-ботов в корпоративной среде: как избежать утечек данных и других угроз
В этой статье расскажу про основные риски, связанные с использованием LLM в корпоративной среде, и способы от них защититься.
Читать...
🤩MIO: A Foundation Model on Multimodal Tokens
Новая базовая модель, построенную на многомодальных токенах, способную понимать и генерировать речь, текст, изображения и видео сквозным авторегрессивным способом.
Экспериментальные результаты показывают, что MIO демонстрирует конкурентоспособную, а в некоторых случаях и превосходящую производительность по сравнению с предыдущими двухмодальными базовыми линиями, базовыми линиями моделей any-to-any и даже базовыми линиями, специфичными для модальности.
Более того, MIO демонстрирует расширенные возможности, присущие его функции any-to-any, такие как чередующееся создание видеотекста, цепочка визуально-мысленных рассуждений, создание визуальных руководств, редактирование обучающих изображений и т. д.
🤗 Hugging Face
💾 Arxiv
📂 PDF
@Devsp — Подписаться
🤔Как оценить качество LLM модели
В этой статье мы представим общий обзор текущего состояния исследований оценок LLM, а также расскажем о некоторых опенсорсных реализациях в этой области.
Читать...
Привет! Это команда МТС. Мы запустили набор на 3 поток Школы аналитиков данных МТС!
Обучение проходит в онлайн-формате и длится 10 месяцев. Преподаватели — эксперты нашего центра Big Data. Вы научитесь писать на Python, прокачаетесь в математике, основах машинного обучения, ML Ops, Spark и прочих вещах, без которых не выйдет работать в Data Science. Также у студентов будет возможность попасть на стажировку в МТС.
Ждем тех, кто любит учиться, хочет попасть в комьюнити единомышленников, и, конечно, развиваться в анализе данных и ML.
Обучение бесплатное, но места ограничены - чтобы попасть, необходимо подать заявку до 20 октября и выполнить вступительное задание. Старт обучения - 7 ноября!
Подробности по ссылке, ждём тебя!
Реклама. Информация о рекламодателе.
