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 19 991 подписчиков, занимая 6 730 место в категории Технологии и приложения и 33 728 место в регионе Россия.

📊 Показатели аудитории и динамика

С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 19 991 подписчиков.

Согласно последним данным от 22 июня, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -88, а за последние 24 часа — -13, при этом общий охват остаётся высоким.

  • Статус верификации: Не верифицирован
  • Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 8.15%. В первые 24 часа после публикации контент обычно набирает 3.63% реакций от общего числа подписчиков.
  • Охват публикаций: В среднем каждый пост получает 1 630 просмотров. В течение первых суток публикация набирает 725 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 23 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.

19 991
Подписчики
-1324 часа
-487 дней
-8830 день
Архив постов
​​💾Полезные методы работы с данными в Pandas. Часть 2 В этой статье мы погрузимся в применение скользящих окон для вычислений и смещение данных для анализа временных рядов. Читать...

​​💾Полезные методы работы с данными в Pandas. Часть 1 В этой статье мы рассмотрим различные функции и техники для таких задач, как разделение данных на интервалы, квантильное разделение, применение скользящих окон для вычислений, смещение данных для временных рядов, преобразование вложенных структур данных, нормализация сложных JSON-структур и управление многоуровневыми индексами при работе с DataFrame и Series. Читать...

​​📈Как выбрать свое направление в аналитике? В данной статье мы рассмотрим различные виды аналитических направлений, и какое из них может быть наиболее подходящим для вас. Читать...

​​📖Apache Spark и PySpark для аналитика. Учимся читать и понимать план запроса в SparkUI В этой статье мы расскажем, что такое план запроса, как его смотреть, и что делать, чтобы уточнить узкие места в расчётах. Читать...

​​🧳Аналог Tableau LOD в FineBI: 15 типичных кейсов В этой статье рассмотрел решение 15 типичных кейсов в Tableau и FineBI, провел сравнение инструментов, а также сделал вывод относительно их преимуществ и недостатков. Читать...

​​🛣Детекция дефектов дорожного покрытия без размеченных данных: Хакатон, LiDAR, RANSAC, ICP и 44 бесcонных часов В этой статье я расскажу о том, как мы использовали данные с LiDAR, применяли различные алгоритмы для обработки и анализа информации Читать...

​​✍️Пишем приложение на Python для интерактивной визуализации графов с NetworkX, Plotly и Dash В этой статье автор расскажет как написать приложения на Python для интерактивной визуализации графов. Читать...

​​👀Анализ и визуализация данных с помощью библиотеки Altair В этой статье автор расскажет как с ее помощью вы можете создавать информативные и интерактивные визуализации для вашего анализа данных и проектов. Читать...

​​💪 Что такое Байесовское А/B-тестирование и как его провести?  Подробно обсудим 19 октября в 20:00 мск на открытом уроке в OTUS. Занятие приурочено к старту онлайн-курса «Machine Learning. Advanced».  🔹 На вебинаре мы разберем, какие преимущества дают Байесовские A/B тесты по сравнению с обычными, как проводить Байесовские A/B тесты и как работать с Байесовскми моделями в PyMC3. 📌 Результаты урока: Познакомитесь с основами A/B тестирования и получите новый, простой и эффективный инструмент для A/B тестирования 👉 РЕГИСТРАЦИЯ Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru, erid: LjN8KJ5cw

​​👁Руководство по масштабированию MLOps В этом руководстве автор рассмотрит структуру и этапы развития для своей команды. Читать...

​​😵‍💫Платформа для анализа данных за вечер В этой статье я расскажу, как всего за час (или почти) подготовить облачное окружение, создать свою небольшую платформу для анализа данных и спарсить весь Hugging Face. Читать...

​​😶‍🌫Построение пайплайна анализа данных в реальном времени с помощью Airbyte, Kafka и Pinot В этой статье рассматриваются три популярных продукта с открытым исходным кодом в области данных: Airbyte, Apache Kafka и Apache Pinot, для создания пользовательского дашборда электронной коммерции, который обновляется в режиме реального времени. Читать...

​​Построение пайплайна обработки данных в реальном времени с использованием Python В этой статье мы рассмотрим как построить пайплайн обработки данных в реальном времени с использованием Python. Читать...

​​🛠Обслуживание моделей PyTorch с помощью TorchServe В этой статье автор расскажет о том, как создавать и развертывать собственные модели PyTorch в производстве с помощью TorchServe. Читать...

​​📊Статистика по финансовым рынкам или будни дата-аналитика В этой статье я покажу, как можно поиграть с данными, посмотреть статистику и понаблюдать за динамикой выбранных показателей. Читать...

​​Стать сотрудником Яндекса быстрее и проще, чем кажется. Участвуйте в днях быстрого найма: решите тестовое, пройдите несколько секций собеседования и получите офер за несколько дней. Ближайшее мероприятие: • 16-20 октября — Fast Track для технических менеджеров, офер за 5 дней в команду Crowd. Зарегистрироваться Реклама. ООО "Яндекс". erid:2Vtzqv5JoPP

​​🥸Исследование моделирования и развития гибкости на стадии проектирования производственной системы В этой статье рассматриваются проблемы оценки гибкости для принятия решений с помощью метода оценки на основе цифрового двойника, который моделирует, прогнозирует и оценивает гибкость определенной схемы проектирования производственной системы (PSDS). Читать...

​​📌 Как обучают нейросеть, которая помогает беспилотным автомобилям планировать движение и предсказывать действия других объектов на дороге В этой статье автор из Яндекса объясняет, как нейросети помогают беспилотным автомобилям планировать движение, как работает система восприятия, как обучать такую модель и в чём проблема подхода. Автор рассказал, в чём преимущества машинного обучения перед эвристиками и чем может помочь Reinforcement Learning.  Читать…

​​Аналитикам данных и специалистам по DS без математики никуда — она нужна на собеседованиях и в рабочих задачах.  Чтобы наладить отношения с тервером, матаном и линалом, приходите на курс Яндекс Практикума. — учебник для людей: не фундаментальный, но и не научпоп; — интерактивные задания; — практика на бизнес-кейсах; — преподаватели в чате, которые объяснят непонятное; — примеры задач из собеседований. → Пройти бесплатный урок

​​⭐️Краткое руководство по работе с данными с помощью Miller В этой статье я расскажу о Miller — автономном, легковесном и мощном интерфейсе командной строки (Command Line Interface, CLI) для работы с данными в форматах CSV, JSON и некоторых других. Читать...