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 703 Технологии и приложения6 722...

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

Канал Data Science | Machinelearning [ru] (@devsp) языкового сегмента Русский является активным участником. Сейчас сообщество объединяет 19 994 подписчиков, занимая 6 722 место в категории Технологии и приложения и 33 703 место в регионе Россия.

📊 Показатели аудитории и динамика

С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 19 994 подписчиков.

Согласно последним данным от 21 июня, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -75, а за последние 24 часа — -3, при этом общий охват остаётся высоким.

Статус верификации: Не верифицирован
Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 8.29%. В первые 24 часа после публикации контент обычно набирает 3.70% реакций от общего числа подписчиков.
Охват публикаций: В среднем каждый пост получает 1 658 просмотров. В течение первых суток публикация набирает 740 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 22 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.

19 994

Подписчики

-324 часа

-367 дней

-7530 день

1 658

Просмотры поста

~ 74024 часа

~ 87348 часов

8.29%

Коэффициент вовлеченности

~ 1

Постов в день

Ads index

beta

Архив постов

19 993

📌 Как создать собственный язык программирования? Обсудим на бесплатном практическом уроке «Разработка своего языка программирования с помощью ANTLR» от OTUS. 💠 На вебинаре определим синтаксис и семантику Тьюринг-полного языка программирования и ответим на все интересующие вопросы. 💠 Занятие приурочено к старту курса «Математика для программистов» — мы объединили лучшие практики, после изучения которых вы сможете быстрее изучать новые языки программирования и фреймворки. Повышайте свою квалификацию для участия в больших проектах 👉 Регистрация: https://otus.pw/AoVS/?erid=LjN8Jzxfy Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

19 993

🏠 Яндекс открыл в Питере образовательное пространство Школы анализа данных ШАД продолжит готовить хардовых спецов в DS и ML на новой площадке. А также начнёт делиться экспертизой со всеми, кто хочет углубиться в технологии искусственного интеллекта и узнать больше о нейросетях. Преподаватели Школы и эксперты Яндекса будут проводить открытые лекции и воркшопы по ИИ, хакатоны по разработке и соревнования по МL. Также вместе со студентами Школы можно будет работать над учебными проектами в сфере DS, инфраструктуры больших данных и ИИ в прикладных науках: от прогнозирования биржевых котировок до сохранения краснокнижных животных с помощью нейросетей.

19 993

😍Архитектура современных приложений на основе LLM В этой статье мы рассмотрим пять наиболее важных этапов, который нужно пройти при разработке собственного приложения на основе LLM, формирующиеся общепринятые подходе к разработке таких приложений и предметные области, на которые стоит обратить внимание. Читать...

19 993

🧐Особенности прогнозирования продаж и оттока в условиях неопределенности В этой статье я опишу свой опыт построения модели прогнозирования продаж конвергентных продуктов (2019-2021), а также прогнозирования оттока мобильных абонентов в 2022 году. Читать...

19 993

📷Как нейросеть достопримечательности на фотокарточках распознавала В этой статье поговорим о том, как можно подойти к задаче распознавания достопримечательностей, используя нейросети и совсем чуть-чуть собственных догадок по этому поводу. Читать...

19 993

🤔Как появляются ресурсы для запуска проектов на базе машинного обучения В этой статье мы расскажем, откуда еще берутся ресурсы для запуска сложных моделей, как ИИ и облачные вычисления переплетаются между собой. Читать...

19 993

🧑‍💻Hadoop в любой непонятной ситуации. Как выжить кластеру в большой ML команде В этой статье поговорим о том, какие сложности могут возникать при работе с кластером Hadoop и какие есть методы для их решения. Читать...

19 993

Приходите подтягивать математику для собеседований на аналитика и специалиста по DS. На курсе Практикума — упор на практику: ◾️симулятор собеседований, ◾️больше 1000 практических задач, ◾️разбор теории на бизнес-кейсах. А ещё — учебник для людей, где мы объясняем сложное простым языком. → Начните с бесплатного вводного урока

19 993

👾Простая нейронная сеть без библиотек и матриц. Эволюционный алгоритм В этой статье поговорим про эволюционный/генетический алгоритм и заставим нейросеть балансировать мячи. Читать...

19 993

Дарим на Новый Год большой набор книг по Data Science Если кто не знал – Дед Мороз существует и обитает в нашей редакции. В честь праздника он выбрал 6 самых крутых книг по ML и DS и подарит их каждому из 5 счастливчиков, которых выберет бот. Для участия нужно подписаться на наши каналы @data_secrets и @xor_journal — и нажать сюда ➡️ «Участвовать». Итоги розыгрыша вы найдете 15 декабря в 19:00 в канале Data Secrets. С наступающим!

19 993

🦉Все, что нужно знать для разработки с использованием LLM В этой статье автор объяснить ключевые технологии, необходимые для начала разработки приложений на основе LLM. Читать...

19 993

💪GigaChat и русский жестовый язык В этой статье я расскажу о том, как моя команда Vision RnD разработала серию моделей SignFlow, обеспечивающих перевод жестового языка на русский и американский английский в реальном времени. Читать...

19 993

🧠Как мы обучили нейросеть создавать «разумные» протоколы совещаний В данной статье расскажем, как применили нейросетевые технологии для абстрактивной суммаризации, требующей минимальной доработки человеком. Читать...

19 993

🗓Использование Workalendar для определения календарных дней В этой статье решим задачу расчёта отклонений с помощью различных инструментов, в том числе с помощью библиотеки Workalendar, покажем преимущества её использования по сравнению с другими подходами и продемонстрируем доступный функционал. Читать...

19 993

😎Потоковая обработка данных с помощью Kafka Streams: архитектура и ключевые концепции В этой статье мы рассмотрим основные компоненты Kafka Streams и теоретические аспекты их использования. Читать...

19 993

👣Airflow в Kubernetes. Часть 2 В этой статье мы рассмотрим синхронизацию списка DAG с удаленным репозиторием, сохранение логов Worker, и настройку доступа из внешней сети для Webserver. Читать...

19 993

🏦Внутренние данные: топливо успеха в банковской индустрии, или Тайны загрузки данных, формирующих будущее инноваций В этой статье расскажем как их искать, зачем и куда подключать, как они могут быть полезны и какую подготовительную работу мы проводим, прежде чем подключить. Читать...

19 993

👤Лексикографический симплекс-метод В этой статье мы рассмотрим решение задачи линейного программирование симлекс-методом и лексикографическим симлекс-методом на Python. Читать...

19 993

Салют, GigaChat! Речевые технологии и большие языковые модели. Приглашаем ML-разработчиков и Data Science-специалистов на встречу с командами разработки продакшен GigaChat и речевых технологий. 📍 Онлайн / Офлайн в Москве 🗓 4 декабря в 18:00 (МСК, GMT+3) В программе: ✔ Григорий Лелейтнер — «Что мы улучшили в процессе pre-training LLM» ✔ Эмиль Шакиров и Никита Сидоров — «Наш путь в процессе Alignment для совершенства моделей глубокого обучения» ✔ Александр Максименко — «Speech-only Pre-training: обучение универсального аудиоэнкодера» ✔ Григорий Федоров — «Intended Query Detection: распознаем только нужные запросы» ✔ Гриша Стерлинг — «Как мы заставили модель синтеза речи 2023 года говорить лучше модели 2018 года» Участвуйте в дискуссиях с другими участниками митапа и задавайте вопросы спикерам во время докладов. Количество мест в офлайне ограничено. Для участия необходимо зарегистрироваться на сайте. Реклама. ПАО Сбербанк. ИНН 7707083893.