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 19 943 подписчиков, занимая 6 685 место в категории Технологии и приложения и 33 644 место в регионе Россия.

📊 Показатели аудитории и динамика

С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 19 943 подписчиков.

Согласно последним данным от 01 июля, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -97, а за последние 24 часа — -3, при этом общий охват остаётся высоким.

  • Статус верификации: Не верифицирован
  • Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 6.61%. В первые 24 часа после публикации контент обычно набирает 4.18% реакций от общего числа подписчиков.
  • Охват публикаций: В среднем каждый пост получает 1 319 просмотров. В течение первых суток публикация набирает 835 просмотров.
  • Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 5.
  • 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 02 июля, 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.

19 943
Подписчики
-324 часа
-397 дней
-9730 день
Архив постов
photo content

Коты в коробочках, или Компактные структуры данных Читать...

Уходя уходи: почему не стоит принимать контроффер Читать...

Лучшие IT-выступления 2019 по версии Tproger: Data Science Смотреть...

Введение в ML для Java-разработчиков #1 / Задачи ML. Смотреть...

Введение в математическую логику 1. Базовые понятия - Смотреть... 2. Представление функций - Смотреть... 3. Самая сложная логическая задача - Смотреть... 4. Предикаты и кванторы - Смотреть... 5. Теории: интуиции - Смотреть... 6. Парадоксы и заключение

Визуализация границ решения классификатора на основе изображений. Читать...
Визуализация границ решения классификатора на основе изображений. Читать...

Как стать более ценным программистом Читать...

Алгоритмическая теория игр, курс лекций. Лектор — Михаил Вялый. Лекция 1 - Смотреть... Лекция 2 - Смотреть... Лекция 3 - Смотреть... Лекция 4 - Смотреть... Лекция 5 - Смотреть... Лекция 6 - Смотреть... Лекция 7 - Смотреть... Лекция 8 - Смотреть... Лекция 9 - Смотреть... Лекция 10 - Смотреть...

How to Learn Data Science for Free [EN] - хорошая статья, которая описывает путь обучения Data Science, включая ресурсы. Читать...

AI для людей: простыми словами о технологиях Читать...
AI для людей: простыми словами о технологиях Читать...

От избытка информации мы теряем внимание. Сейчас информации так много, что большая часть энергии уходит только на то, чтобы отсеять ту, которая нам не подходит. Разработчик и автор этого канала делает это за вас и рассказывает вкратце о том, что читает, оставляя за вами только выбор прочесть статью полностью или нет

Мы не можем доверять ИИ-системам, построенным на одном лишь глубоком обучении Читать...
Мы не можем доверять ИИ-системам, построенным на одном лишь глубоком обучении Читать...

Компания Ralient в рамках международного форума Autonet 2019 11 октября представила свой первый прототип беспилотного электрического шаттла R-shuttle. Это грузовой малотоннажный транспорт общей массой до 3,5 тонн. Шаттл будет в беспилотном режиме работать в городах и между ними. Запас хода электрического шаттла составит до 420 километров. Проект позволяет избежать долгой зарядки машины за счет созданий станций по быстрой замене аккумуляторных батарей. Компания планирует запустить свои шаттлы уже 2023 году для доставки грузов в магазины крупных ретейлеров. R-shuttle позволит в несколько раз снизить стоимость доставки для транспортных компаний. Ralient занимается разработкой системы беспилотного управления и проектированием шаттла. На текущий момент компания приступила к испытаниям шаттла на полигонах. Основой беспилотного шаттла служит система Mimir которая при помощи нейросетей и глубокого обучения, сочетает в себе функции управления, компьютерного зрения, предсказания дорожной обстановки и построения оптимального маршрута. Частная компания Ralient была основана в 2018 году в Санкт-Петербурге. На текущий момент основным проектом компании является R-shuttle и система беспилотного управления Mimir. ВИДЕО: https://www.youtube.com/watch?v=CNxXLOglRNk

Учебный план освоения глубокого обучения и нейросетей за 6 недель Читать...

Сегодня хочу порекомендовать уютный канал нашей боевой подруги Дашбордец. Даша подробно рассказывает как построить визуализацию так, чтобы dashboard выполнил свою задачу и помог пользователю принять решение. От методов бизнес-анализа до реализации на BI. Вкусные графики, интересные фичи и много другое. Подписывайтесь, там интересно.

25 прикольных вопросов для собеседования по машинному обучению Читать...

Алгоритм вычисления корня n-ой степени из произвольного положительного числа Читать...
Алгоритм вычисления корня n-ой степени из произвольного положительного числа Читать...

Тренды и прогнозы в Natural Language Processing Читать...

Big Data от А до Я. Часть 2: Hadoop Читать...