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 739 Технологии и приложения6 738...

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

Канал Data Science | Machinelearning [ru] (@devsp) языкового сегмента Русский является активным участником. Сейчас сообщество объединяет 20 041 подписчиков, занимая 6 738 место в категории Технологии и приложения и 33 739 место в регионе Россия.

📊 Показатели аудитории и динамика

С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 20 041 подписчиков.

Согласно последним данным от 14 июня, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -87, а за последние 24 часа — -13, при этом общий охват остаётся высоким.

Статус верификации: Не верифицирован
Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 7.71%. В первые 24 часа после публикации контент обычно набирает 4.62% реакций от общего числа подписчиков.
Охват публикаций: В среднем каждый пост получает 1 546 просмотров. В течение первых суток публикация набирает 926 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 15 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.

20 041

Подписчики

-1324 часа

+257 дней

-8730 день

1 546

Просмотры поста

~ 92624 часа

~ 1 11548 часов

7.71%

Коэффициент вовлеченности

~ 1

Постов в день

Ads index

beta

Архив постов

20 043

⚙️ Что такое генераторы в Python и зачем они нужны? Генераторы — это функции в Python, которые возвращают значения по одному с помощью ключевого слова yield, вместо полного возврата всех значений сразу. Они полезны для работы с большими объемами данных, так как сохраняют память, генерируя значения на лету. ➡️ Пример:

# Генератор для получения первых N чисел Фибоначчи
def fibonacci(n):
    a, b = 0, 1
    for _ in range(n):
        yield a
        a, b = b, a + b

# Используем генератор
for num in fibonacci(5):
    print(num)

# Вывод: 0, 1, 1, 2, 3

🗣️ В этом примере генератор fibonacci вычисляет числа по запросу, вместо сохранения всех значений в памяти. Это делает генераторы особенно удобными для работы с потоками данных или бесконечными последовательностями.

🖥 Подробнее тут

20 043

🤔 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...

20 043

Искусственный интеллект — будущее, которое уже наступило. Компании и государства активно инвестируют в развитие ИИ, делая навыки в этой сфере одними из самых востребованных. А Deep Learning и Computer Vision — две ключевые технологии, которые лежат в основе современных AI-решений. Это основа, так сказать база, based. Приходите на бесплатный онлайн-вебинар от Karpov Courses, чтобы в дружеской атмосфере познакомиться с Deep Learning и Computer Vision, понять, как стартовать в профессии инженера глубокого обучения и какие задачи вас ждут — всё это на реальных примерах, которые можно решить с помощью нейросетей. Вебинар пройдет 27 марта в 19:00 мск: https://clc.to/P2LoVw

20 043

🔎 Подборка вакансий для джунов Data Scientist в области языковых моделей (Junior) 🟢Python, pandas, numpy, matplotlib, transformers, Hugging Face 🟢от 247 000 ₽ | 1–3 года Junior analyst/Младший аналитик 🟢Google Analytics, Google Tag Manager, Data Studio, SQL 🟢от 90 000 до 100 000 ₽ | 1–3 года Младший аналитик данных 🟢Python (pandas), Google Sheets, Google Colab, GitHub, API 🟢от 30 000 до 40 000 ₽ | Без опыта

20 043

IT_ONE Cup. ML Challenge от IT_ONE и Sk FinTech Hub Создай AI-ассистента, который будет помогать в работе дизайнерам, системным и бизнес-аналитикам. Участвуй онлайн с 12 по 29 апреля и поборись за 1 500 000 рублей. Регистрация открыта до 11 апреля: https://cnrlink.com/itonecupmldevsp Твоя формула победы: ✅ Умеешь работать с готовыми моделями машинного обучения и адаптировать их под специфические задачи. ✅ Знаешь, как реализовать сложные системы на базе LLM и генеративных моделей. ✅ Готов создавать комплексные решения для автоматизации процессов. Также приглашаем Backend и Frontend-разработчиков, системных и бизнес-аналитиков, UI/UX-дизайнеров. Участвуй онлайн соло или командой до 5 человек. Задачи IT_ONE Cup. ML Challenge: 🔤 Динамические контекстные подсказки для системного аналитика. 🔤 AI-генератор дизайн-макетов по описанию требований. 🔤 Система визуализации BPMN-диаграмм. 4 апреля приходи на митап с экспертами соревнования — задай вопросы и узнай больше о задачах. Создай AI-ассистента, который облегчит выполнение рабочих задач — регистрируйся на IT_ONE Cup. ML Challenge: https://cnrlink.com/itonecupmldataportal

20 043

⚙️ Как я учился писать промпты для RAG пайплайна. Разбор 3-го места на AI Journey 24 E-com AI assistant Статья описывает опыт создания RAG-пайплайна с использованием Gigachat API для участия в AI Journey. Автор делится инсайтами, полученными в процессе разработки ассистента для рекомендаций товаров, который занял 3-е место. Читать...

20 043

⚡ Мы подготовили для вас эксклюзивную подборку экспертных материалов по IT и HR! 📂 Внутри папки вас ждет: 🟠AI-HR-агент - помогает сделать крутую вакансию, проанализировать кандидатов, провести собеседование и подготовить подходящий под кандидата оффер. 🟠Владеет ли интервьюер достаточными навыками, чтобы оценить уровень владения ЛЛМ соискателем? Чек лист для интервьюера... 🟠Как провести исследования, когда ресурсов не хватает? 🟠И еще 40 полезных статей, которые прокачают ваши навыки, помогут трудоустроиться. 🔗 А сегодня делимся с вами статьей: «ИИ в Крипто-Торговле: Возможен ли Успех?». 🤝 Сохраняйте папку «IT & HR», изучайте материалы и выходите на новый уровень! Ссылка на папку: https://t.me/addlist/nwOCtnp4eIJmOTUy

20 043

🔥 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

20 043

👩‍💻 Задачка по Python Напишите функцию, которая принимает текст и возвращает наиболее часто встречающееся слово. Игнорируйте регистр и знаки препинания. ➡️ Пример:

text = "Data science is fun. Science makes data fun, and data makes science better."
print(most_frequent_word(text))  
# Ожидаемый результат: "data"

Решение задачи ⬇️

import re from collections import Counter def most_frequent_word(text): # Убираем знаки препинания и приводим текст к нижнему регистру words = re.findall(r'\b\w+\b', text.lower()) # Подсчитываем частоту слов word_counts = Counter(words) # Возвращаем слово с максимальной частотой return word_counts.most_common(1)[0][0] # Пример использования: text = "Data science is fun. Science makes data fun, and data makes science better." print(most_frequent_word(text))

20 043

📊 ИИ в Крипто-Торговле: Возможен ли Успех? Статья описывает процесс создания успешных ИИ-моделей для автоматизированной крипто-торговли на ByBit. Рассматриваются три стратегии, их разработка, оптимизация и результаты, превысившие убытки. Читать...

20 043

🔎 Подборка зарубежных вакансий Team Lead Data Scientist 🟢Python, SQL, Machine Learning, Big Data 🟢от 5 000 до 7 250 $ | более 6 лет Аналитик данных (Data Analyst) 🟢SQL, Yandex DataLens, Tableau, Power BI 🟢от 150 000 до 200 000 ₽ | 1–3 года Junior Marketplace Researcher/Team Assistant 🟢Google Sheets, English (basic), Data Analysis 🟢500 $ | Без опыта

20 043

🧠 Задачи быстрее решаются на бумаге Залип на архитектуре или не можешь построить логическую цепочку? Иногда монитор — не лучший инструмент. 👉 Совет: возьми ручку и лист. Нарисуй схему, напиши шаги алгоритма, обозначь зависимости. Физическое взаимодействие с задачей включает другие области мозга и часто помогает увидеть то, что ускользает на экране. Старый трюк, который работает всегда.

20 043

🔥 Дообучаем языковую модель GPT2 с помощью Torch Статья углубляется в дообучение языковых моделей, используя DistilGPT2 на данных QuyenAnhDE/Diseases_Symptoms. Рассматривается процесс настройки модели для генерации симптомов на основе заболеваний, с возможностью расширения логики. Читать...

20 043

✔️ Big Data мертвы, да здравствуют Smart Data Давайте рассмотрим концепцию Smart Data и выясним, действительно ли Big Data превращаются во что-то более интеллектуальное. Читать...

20 043

⚙️ Что такое декораторы в Python и как они работают? Декораторы — это функции в Python, которые принимают другую функцию в качестве аргумента и возвращают новую функцию с добавленным поведением. Это удобный способ модификации или расширения функциональности без изменения исходного кода функции. ➡️ Пример:

# Декоратор для логирования вызовов функции
def log_call(func):
    def wrapper(*args, **kwargs):
        print(f"Вызов функции {func.__name__} с аргументами: {args}, {kwargs}")
        result = func(*args, **kwargs)
        print(f"Результат: {result}")
        return result
    return wrapper

# Применение декоратора
@log_call
def add(a, b):
    return a + b

add(3, 5)

🗣️ В этом примере декоратор log_call добавляет логирование вызовов и результатов функции add. Декораторы позволяют делать код более модульным и удобным для повторного использования.

🖥 Подробнее тут

20 043

⚙️ Инфраструктура для Data-Engineer BI-tools В этой статье я хотел бы показать куда уходят данные и что с ними происходит, когда пайплайны дата-инженеров заканчивают работу. Читать...

20 043

🤖 Новые тренды среди последних LLM 🗓 24 марта в 18:00 МСК 🆓 Бесплатно. Урок в рамках старта курса «NLP / Natural Language Processing». LLM и трансформерные модели такие как ChatGPT, GPT4, GigaChat стали не только стандартом в области языкового моделирования, но и незаменимыми помощниками для решения огромного числа задач: от написания кода, до генерации сказок. На вебинаре мы расскажем про последние тренды в этой области: чего уже достигли современные LLM сегодня и что нас ждет в ближайшем будущем. Данный открытый урок будет особенно интересен: - IT-специалистам, которые хотят расширить свои знания в Data Science - Дата-сайентистам, желающим углубить свои знания по автоматической обработке текстов - Тем кто самостоятельно изучает Data Science В результате вебинара вы: - поймете основные технологии за современными LLM сегодня - узнаете про основные тренды в области больших языковых моделей - узнаете, что ждет область LLM в ближайшие годы 🔗 Ссылка на регистрацию: https://vk.cc/cJUFSY Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, erid: 2VtzqxJXghW

20 043

📈 Подборка статей для вашей карьеры • Больше чем книга • Как поставить цель на обучение, чтобы дойти до конца • Движение вверх: как стать CTO — на примере пяти историй ИТ-директоров • Найм дизайнеров глазами лида • Software Architect vs Solution Architect

20 043

📝 Подборка вакансий для сеньоров Product Analyst • SQL, Amplitude, Анализ данных, Веб-аналитика • от 2 000 $ | более 3 лет Дата инженер • Python, Apache Hadoop, Apache Spark, Apache Airflow, Apache Kafka • Уровень дохода не указан | от 2–3 лет Senior Data Scientist в команду ценообразования • Python, SQL • Уровень дохода не указан | от 3 лет

20 043

🚀 Качайте английский за счёт компании для работы в IT! 🌍 Хотите выйти на международный уровень в сфере разработки, аналитики, проектного управления или дата-сайенса? Яндекс Практикум предлагает курсы, которые помогут уверенно общаться на английском языке в профессиональной среде: ✅ Вместо зубрёжки — симуляции интервью, рабочих созвонов и даже смолтока возле кулера ✅ Вас ждут встречи с иностранными IT‑специалистами и много разговорной практики ✅ Мы взяли за основу опыт работы Яндекса с международными партнёрами, чтобы вы освоили навыки, которые ценят зарубежные работодатели ✅ Поможем эффективно совмещать учёбу с работой ✅ Выдадим сертификат об окончании курса 👉 Курс может оплатить ваш работодатель, заполните форму, расскажем, как это устроено. Реклама, АНО ДПО “Образовательные технологии Яндекса”, ИНН 7704282033, erid: 2Vtzqwp8UPz