ru
Feedback
Data Science | Machinelearning [ru]

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 19 996 подписчиков, занимая 6 718 место в категории Технологии и приложения и 33 709 место в регионе Россия.

📊 Показатели аудитории и динамика

С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 19 996 подписчиков.

Согласно последним данным от 23 июня, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -85, а за последние 24 часа — 0, при этом общий охват остаётся высоким.

  • Статус верификации: Не верифицирован
  • Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 7.98%. В первые 24 часа после публикации контент обычно набирает 3.64% реакций от общего числа подписчиков.
  • Охват публикаций: В среднем каждый пост получает 1 596 просмотров. В течение первых суток публикация набирает 728 просмотров.
  • Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 8.
  • 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 24 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.

19 996
Подписчики
Нет данных24 часа
-417 дней
-8530 день
Архив постов
​​🤔Прогноз покупки страховки клиентами туроператора В этой статье автор расскажет о своем проекте, в котором можно сделать прогноз покупки страховки клиентами туроператора методами ML. Читать...

​​🧐Sarsa: алгоритм, основные принципы и применение В данной статье мы рассмотрим определение SARSA и обсудим его значимость в области искусственного интеллекта и машинного обучения. Читать...

Англоязычный канал на тему DS и MachineLearning. 👉 Welcome

​​😎Эволюция метрик качества машинного перевода — Часть 1 В этой статье автор расскажет об итогах своего погружения в тему: какие существуют метрики качества машинного перевода, как они эволюционировали и какие из них на сегодняшний день наиболее адекватны. Читать...

​​🤓Как мы с помощью Kubeflow Pipelines оптимизировали обучение ML-моделей В этой статье автор расскажет чем Kubeflow Pipelines может быть полезен ML-специалисту и как в нём без потери существующей кодовой базы можно запускать готовые пайплайны. Читать...

​​🔥 Двойная выгода: “Основы Python” + “Python для пентестера” со скидкой 20% До 13 июля приобретите пакет курсов "Основы Python" + "Python для пентестера" всего за 45000р вместо 57000р Максимальная выгода при максимальной пользе: изучите язык Python во всех его аспектах и используйте его для решения конкретных задач в области информационной безопасности.  Обучающая программа гарантирует комфортную нагрузку и получение необходимого объёма знаний. Наши кураторы на протяжении всего обучения будут проверять ваши решения, подсказывать наиболее оптимальные подходы и помогут вам достичь поставленных целей. ❗️ Спецпредложение доступно до 13 июля. Возможна оплата в рассрочку 📌 Узнать подробнее о курсах:Основы PythonPython для пентестера

​​😵‍💫Interpretability versus explainability: Интерпретируемость или объяснимость? В этой статье автор покажет разницу между explainable AI и interpreted AI, приведет примеры и небольшой монолог на тему: "что всё-таки важнее". Читать...

​​😎Распознаем лючки бензобаков В этой статье автор расскажет как сделать распознавании лючка горловины топливного бака. Читать...

​​🚀Почему Trino такой быстрый: динамические фильтры В этой статье автор расскажет, почему аналитические запросы часто содержат операции Join и сканируют таблицы большого размера, и как наличие динамических фильтров позволяет существенно сократить объем обрабатываемой информации, а также вы узнаете как динамические фильтры могут быть использованы, чтобы уменьшить количество данных, доставляемых до оператора Join. Читать...

​​🧐ML System Design: основные способы деплоя и тестирования моделей машинного обучения в продакшене В этой статье автор разберет популярные паттерны проектирования ML-систем, а также вы узнаете какой способ выбрать для деплоя модели в production. Читать...

​​😎Спиливаем spill-ы В этой статье рассмотрим, из-за чего Spill-ы в принципе возникают, разберем несколько видов Spill-ов, и как решить эту проблему. Читать...

​​🚀Оптимизации работы Jupyter notebook при помощи параллельных вычислений В данном статье я расскажу о возможностях применения параллельных вычислений в интерактивной среде Jupyter notebook языка Python. Читать...

​​😎Профилирование данных из СУБД Oracle с помощью DataHub и Great Expectations. Часть 2 В этой мы рассмотрим подключение Great Expectations к DBMS Oracle, сделаем ряд проверок качества данных, а также отправим результаты проверок в DataHub. Читать...

​​😲Почему Trino такой быстрый: архитектура оптимизатора SQL-запросов В данной статье мы рассмотрим, как устроен оптимизатор запросов в массивно-параллельном аналитическом SQL-движке Trino. Читать...

​​🤫Чей DAX сильнее? …или почему каждый пользователь должен влиять на развитие платформы В этой статье автор расскажет о том, каким образом можно развивать платформу и откуда появляются новые функции в Visiology. Читать...

​​😎Семантический слой для Аналитики ключевых метрик – dbt Metrics vs. Cube В этой статье автор рассмотрит что такое семантический слой, и в чем разница между Метрикой и Витриной данных. Читать...

​​Yandex Cloud приглашает на Data Open Source Day Это первая конференция от Yandex Cloud про Open Source инструменты для обработки данных и создания корпоративных хранилищ. В программе Data Open Source Day: 🔹 Реальные бизнес-задачи, которые можно решать с помощью Open Source продуктов. 🔹 Эксперты из OZON, Яндекс, Битрикс24 и других компаний расскажут, как технологии с открытым исходным кодом помогают им в работе. 🔹 Какой вклад команда Yandex Cloud вносит в развитие ClickHouse® и Greenplum® . 🔹 Open Source продукты Яндекса для работы с данными: расскажем про YDB и YTsaurus. Также вас ждёт доклад Яндекс Игр об опыте использования управляемых сервисов PostgreSQL, Redis, YDB. Рассказ о том, как Open Source помогает науке и при чём здесь озеро Байкал. 🗓 11 июля 2023, в 15:00. Участие бесплатное. Регистрация по ссылке.

​​🤔Как мы делали скоринг на микросервисной архитектуре руками не-программистов В этой статье автор расскажет, почему во многих чувствительных областях нейросети никогда не заменят человека, и почему становится стандартом постепенный переход к микросервисной архитектуре, а также вы узнаете почему ключевая проблема заключалась в совмещении разных языков программирования. Читать...

​​🧑🏼‍💻Профилирование данных из СУБД Oracle с помощью DataHub и Great Expectations. Часть 1 В этой статье автор расскажет о проблемах, которые возникли в ходе интеграции, а также поделимся найденными решениями для их устранения. Читать...

​​Продолжается прием научных статей по искусственному интеллекту и машинному обучению на конкурс международной конференции AI Journey 2023 За лучшую статью автор получит 1 миллион рублей. Наиболее интересные работы будут опубликованы в научном журнале «Доклады Российской академии наук. Математика, информатика, процессы управления» и его англоязычной версии Doklady Mathematics. Издание индексируется в крупнейших библиографических базах данных научного цитирования.  Авторы также смогут выступить с докладами на международной конференции AI Journey 2023. Свою работу можно подать на сайте AI Journey до 31.07. Важно, чтобы статья была написана на русском или английском языке, содержала ранее не опубликованные материалы и была оформлена по правилам конкурса.  Не упустите шанс проявить себя в научной сфере и участвуйте в конкурсе. Еще не поздно!