Data Science
Открыть в Telegram
DS По всем вопросам- @haarrp @ai_machinelearning_big_data - machine learning @pythonl - Python @itchannels_telegram - 🔥 best it channels @ArtificialIntelligencedl - AI @pythonlbooks-📚 @programming_books_it -📚 Реестр РКН: https://clck.ru/3Fk3zS
Больше
📈 Аналитический обзор Telegram-канала Data Science
Канал Data Science (@datascienceiot) является активным участником. Сейчас сообщество объединяет 42 411 подписчиков, занимая 3 178 место в категории Технологии и приложения и 14 813 место в регионе Россия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 42 411 подписчиков.
Согласно последним данным от 14 ноября, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -93, а за последние 24 часа — -4, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 7.19%. В первые 24 часа после публикации контент обычно набирает 2.62% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 3 050 просмотров. В течение первых суток публикация набирает 1 111 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 0.
- Тематические интересы: Контент сосредоточен на ключевых темах, таких как llm, агентов, api, октября, разработчиков.
📝 Описание и контентная политика
Автор описывает ресурс как площадку для выражения субъективного мнения:
“DS
По всем вопросам- @haarrp
@ai_machinelearning_big_data - machine learning
@pythonl - Python
@itchannels_telegram - 🔥 best it channels
@ArtificialIntelligencedl - AI
@pythonlbooks-📚
@programming_books_it -📚
Реестр РКН: https://clck.ru/3...”
Благодаря высокой частоте обновлений (последние данные получены 15 ноября, 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.
42 411
Подписчики
-424 часа
-1027 дней
-9330 дней
Загружаем данные
Похожие каналы
![Data Science | Machinelearning [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1dVo3O%2F5217464346798572541%3Fty%3Dx&w=96&q=75){kind=small}
Облако тегов
Входящие и исходящие упоминания
---
---
---
---
---
---
Привлечение подписчиков
ноябрь '26нояб. '26
ноябрь '26
+23
в 2 каналах
октябрь '26
+264
в 3 каналах
Get PRO
сентябрь '26
+284
в 1 каналах
Get PRO
август '26
+486
в 2 каналах
Get PRO
июль '26
+594
в 3 каналах
Get PRO
июнь '26
+156
в 2 каналах
Get PRO
май '26
+183
в 2 каналах
Get PRO
апрель '26
+170
в 4 каналах
Get PRO
март '26
+338
в 2 каналах
Get PRO
февраль '26
+499
в 2 каналах
Get PRO
январь '26
+687
в 0 каналах
Get PRO
декабрь '25
+380
в 2 каналах
Get PRO
ноябрь '25
+530
в 2 каналах
Get PRO
октябрь '25
+374
в 1 каналах
Get PRO
сентябрь '25
+587
в 7 каналах
Get PRO
август '25
+609
в 1 каналах
Get PRO
июль '25
+750
в 3 каналах
Get PRO
июнь '25
+525
в 1 каналах
Get PRO
май '25
+454
в 3 каналах
Get PRO
апрель '25
+560
в 11 каналах
Get PRO
март '25
+573
в 4 каналах
Get PRO
февраль '25
+545
в 7 каналах
Get PRO
январь '25
+842
в 20 каналах
Get PRO
декабрь '24
+848
в 5 каналах
Get PRO
ноябрь '24
+1 777
в 32 каналах
Get PRO
октябрь '24
+1 710
в 6 каналах
Get PRO
сентябрь '24
+1 402
в 7 каналах
Get PRO
август '24
+1 164
в 4 каналах
Get PRO
июль '24
+1 033
в 7 каналах
Get PRO
июнь '24
+1 066
в 7 каналах
Get PRO
май '24
+1 000
в 37 каналах
Get PRO
апрель '24
+935
в 45 каналах
Get PRO
март '24
+1 187
в 22 каналах
Get PRO
февраль '24
+1 142
в 3 каналах
Get PRO
январь '24
+1 230
в 45 каналах
Get PRO
декабрь '23
+687
в 42 каналах
Get PRO
ноябрь '23
+382
в 3 каналах
Get PRO
октябрь '23
+1 012
в 20 каналах
Get PRO
сентябрь '23
+872
в 0 каналах
Get PRO
август '23
+747
в 0 каналах
Get PRO
июль '23
+560
в 0 каналах
Get PRO
июнь '23
+865
в 0 каналах
Get PRO
май '23
+1 528
в 0 каналах
Get PRO
апрель '23
+363
в 0 каналах
Get PRO
март '23
+417
в 0 каналах
Get PRO
февраль '23
+423
в 0 каналах
Get PRO
январь '23
+472
в 0 каналах
Get PRO
декабрь '22
+770
в 0 каналах
Get PRO
ноябрь '22
+380
в 0 каналах
Get PRO
октябрь '22
+534
в 0 каналах
Get PRO
сентябрь '22
+578
в 0 каналах
Get PRO
август '22
+1 100
в 0 каналах
Get PRO
июль '22
+464
в 0 каналах
Get PRO
июнь '22
+366
в 0 каналах
Get PRO
май '22
+403
в 0 каналах
Get PRO
апрель '22
+514
в 0 каналах
Get PRO
март '22
+462
в 0 каналах
Get PRO
февраль '22
+304
в 0 каналах
Get PRO
январь '22
+400
в 0 каналах
Get PRO
декабрь '21
+287
в 0 каналах
Get PRO
ноябрь '21
+224
в 0 каналах
Get PRO
октябрь '21
+1 533
в 0 каналах
Get PRO
сентябрь '21
+382
в 0 каналах
Get PRO
август '21
+412
в 0 каналах
Get PRO
июль '21
+507
в 0 каналах
Get PRO
июнь '21
+611
в 0 каналах
Get PRO
май '21
+555
в 0 каналах
Get PRO
апрель '21
+404
в 0 каналах
Get PRO
март '21
+456
в 0 каналах
Get PRO
февраль '21
+411
в 0 каналах
Get PRO
январь '21
+729
в 0 каналах
Get PRO
декабрь '20
+10 299
в 0 каналах
| Дата | Привлечение подписчиков | Упоминания | Каналы | |
| 15 ноября | 0 | |||
| 14 ноября | +3 | |||
| 13 ноября | 0 | |||
| 12 ноября | +1 | |||
| 11 ноября | 0 | |||
| 10 ноября | +4 | |||
| 09 ноября | +6 | |||
| 08 ноября | +1 | |||
| 07 ноября | +1 | |||
| 06 ноября | 0 | |||
| 05 ноября | +2 | |||
| 04 ноября | +2 | |||
| 03 ноября | 0 | |||
| 02 ноября | +1 | |||
| 01 ноября | +2 |
Посты канала
AI Isn’t Getting Dumber, We’re Getting Pickier: Rising Standards in Human Evaluation of Large Language Models
📓 Read
@datascienceiot
| 2 | 📊 AI VK Research придумали, как точнее предсказывать интерес к контенту
Метод называется HEGM (Hierarchical Exponential-Gaussian Mixture). Модель предсказывает распределение возможных сценариев: пролистают сразу, посмотрят частично, досмотрят до конца или пересмотрят.
Что дало на практике:
— в VK Клипах число роликов за один заход выросло на 10%
— досмотры (>10 сек) +6%
— дизлайки −8,3%
Проверяли на KuaiRec, VK-LSVD и внутреннем датасете из 282 млн обезличенных взаимодействий. По качеству ранжирования HEGM обошёл протестированные альтернативы.
Зачем это нужно: подход переносится на музыку (пропуски vs полное прослушивание), рекламу (длительность просмотра) и e-commerce (время изучения карточки). Одна модель — несколько метрик интереса, без перестройки архитектуры рекомендательной системы.
Код уже открыт на GitHub. Читаем подробнее тут. | 1 390 |
| 3 |  Recurrent Harness for Agentic Continual Learning
📓 Read
@datascienceiot | 1 353 |
| 4 |  Приглашаем на митап для ML-разработчиков и дата-сайентистов 🥰
Как использовать LLM и агентов в поиске, чтобы точнее понимать запросы пользователей и повышать релевантность результатов?
19 ноября обсудим выбор моделей, оценку качества и работу таких систем в проде.
🔴 Борис Коварский, hh.ru — Агентный поиск в рекрутинге: опыт hh
🔴 Виктор Реушкин, hh.ru — Как устроен диалоговый поиск вакансий на hh
🤩 Алексей Казаков, Циан — LLM и энкодерные модели для поиска. Опыт развития подходов в поиске недвижимости
Дата и время: 19 ноября в 19:00 мск
Очно: Москва, офис hh
Онлайн: будет трансляция в VK и YouTube для тех, кто не сможет прийти в офис
После докладов можно будет пообщаться с коллегами — подготовим вкусную еду и напитки 🍕
Регистрируйтесь → участие бесплатное 🥹
#реклама
О рекламодателе | 1 304 |
| 5 |  New Carnegie Mellon and JetBrains paper finds that token spend shows how much engineers use AI agents, not how much they ship.
📓 Read
@datascienceiot | 1 632 |
| 6 |  Claude решил задачу по физике чёрных дыр, которую не могли закрыть около 20 лет
Anthropic опубликовала исследование, в котором внутренняя исследовательская модель Claude получила новый результат в теоретической физике.
Работа посвящена переходу Хокинга - Пейджа. Это фазовый переход, связанный с термодинамикой чёрных дыр в пространстве анти-де Ситтера (AdS).
Исследователей интересовал вопрос: сохраняется ли этот переход при слабой связи, когда классическое геометрическое описание уже неприменимо?
Для ответа требовалось вычислить коэффициент, который впервые появляется на трёх петлях в теории возмущений. По словам авторов, этот коэффициент не удавалось вычислить примерно два десятилетия.
Claude получила значение:
b = −1,48 × 10⁻³ λ²
Отрицательный знак коэффициента показывает, что переход остаётся переходом первого рода. Он происходит немного ниже температуры Хагедорна.
Особенно интересна организация работы. Физик поставил задачу внутренней исследовательской модели Anthropic, после чего проверил результат на нескольких известных частных случаях. Отдельный запуск Claude с использованием другого метода независимо получил то же значение.
Позднее Anthropic связала эту внутреннюю модель с Claude Fable 5.2.
Это ещё один пример того, как современные языковые модели начинают участвовать в исследованиях на уровне сложных математических вычислений и теоретической физики.
При этом работа пока не прошла независимое научное рецензирование. Результат требует проверки со стороны физического сообщества.
📓 Read
@datascienceiot | 2 365 |
| 7 | 1 | 1 |
| 8 |  🔍 Открытое ML-собеседование с техлидом Яндекса|
12 ноября, 19:00 мск
Приходи онлайн посмотреть, как проходит техническое интервью на ML-инженера, и попробуй ответить на вопросы вместе с кандидатом
Как всё будет проходить:
📂 Интервьюер: Любовь Чубарова, техлид в Яндексе (RnD Alice AI), одна из первых сотрудниц YandexArt, преподаватель ВШЭ, экс-руководитель аналитики Центра ИИ Сколтеха. В роли кандидата – инженер-доброволец
📂 Никакого сценария: Любовь задаст вопросы и предложит задачи, которые использует на технических интервью. Кандидат не будет знать их заранее
📂 В конце эфира Любовь ответит на вопросы участников
Участие бесплатное!
Эфир проходит в рамках менторской программы ШОРТКАТ для айтишников, которые хотят сменить работу, вырасти в грейде и зарплате или прокачать технические навыки
Переходи в бота, чтобы получить ссылку на эфир → @shortcut_ml_bot
Реклама.
О рекламодателе. | 2 058 |
| 9 |  Yoshua Bengio and collaborators just released a goldmine 182-page survey on mechanistic interpretability!
"Understanding AI from the Inside"
📓 Read
@datascienceiot | 1 987 |
| 10 |  A Circuit for In-Context Learning
📓 Read
@datascienceiot | 2 893 |
| 11 |  Алгоритм знает, где вы будете 7-го ноября 😎
RecSys-митап в Москве для тех, кто уже строит рекомендательные системы и хочет делать это еще лучше.
В программе — доклады от топовых экспертов Сбера с разбором кейсов, свежих подходов и неочевидных решений.
После официальной части — нетворкинг. Время в узком кругу профессионалов и сообщества Зеленый RecSys.
Участие бесплатное, но количество мест ограничено.
Москва. Суббота. 7 ноября. RecSys!
➡️ регистрируйтесь | 2 723 |
| 12 |  Mistral Large 4
📓 Read
@datascienceiot | 2 750 |
| 13 |  "Large Flow Language Models"
What if we could turn existing LLMs into diffusionLMs that generate multiple tokens in parallel without losing accuracy?
📓 Read
@datascienceiot | 3 829 |
| 14 |  Бесплатная книга о больших языковых моделях – 315 страниц от предобучения до рассуждений.
Foundations of Large Language Models Тун Сяо и Цзинбо Чжу системно объясняет, как устроены LLM, как их обучают и применяют.
Внутри шесть основных тем:
- Предобучение: задачи обучения и архитектуры моделей.
- Генеративные модели: Transformer, подготовка данных, масштабирование и длинный контекст.
- Промптинг: обучение на примерах в контексте, декомпозиция задач, RAG и инструменты.
- Выравнивание: обучение выполнению инструкций и использование человеческой обратной связи.
- Инференс: декодирование, ускорение и дополнительные вычисления во время генерации.
- Рассуждения: методы улучшения способности решать сложные задачи.
Авторы делают акцент на фундаментальных принципах. Материал подойдёт студентам, разработчикам и ML-инженерам, которым хочется связать отдельные знания о LLM в целостную картину.
Книга на английском. Базовые знания машинного обучения и нейросетей помогут при чтении.
Скачать PDF бесплатно:
https://arxiv.org/pdf/2501.09223 | 3 556 |
| 15 |  Working with Agentic `Teammates': When a New Organizational Actor Collides with the Human Ecosystem of Work
📓 Read
@datascienceiot | 2 748 |
| 16 |  The Geometry of Agent Memory: Forecasting Retrieval-Bound Memory Failures, and Characterizing Its Limits
📓 Read
@datascienceiot | 3 034 |
| 17 |  At the Limits of Computability: Steps Towards Autonomous AI Discovery on the Busy Beaver Frontier
📓 Read
@datascienceiot | 3 096 |
| 18 |  Patch the Planet: global response coordination as agents uncover critical vulnerabilities
https://openai.com/index/coordinated-disclosure-of-critical-vulnerabilities/ | 3 207 |
| 19 | Зачем готовиться к собеседованию вслепую, если можно заранее посмотреть, какие будут вопросы и задачи?
Ребята из Поступашек уже 6 лет собирают реальные задания и разборы собеседований в BigTech. Там можно найти не только сами вопросы, но и разборы технических секций, критерии оценки и рекомендации по подготовке.
Собрали подборку полезных материалов под разные направления:
➡️ Аналитикам:
— Собеседования на продуктового и бизнес-аналитика в Т-Банке 🟨
— Что спрашивают по A/B-тестированию в X5 🌿 , разбор собес на DS в Яндекс 🟥
➡️ Разработчикам:
— Go и System Design в Ozon 🔵, GO в Авито😎
— Банк алгоритмических собеседований из BigTech
➡️ ML/AI-инженерам:
— Все вопросы на ML-собеседование в Яндексе 🟥 и ML в Авито 😎
— 10 кейсов по ML System Design в Т-Банке 🟨
➡️ Тем, кто ищет первую стажировку:
— Как получить стажировку в 2026 году
— Где взять опыт, если его нет
В Поступашках регулярно выходят новые разборы собеседований, карьерные гайды, стажировки и инсайды о найме в BigTech.
Лучше увидеть эти вопросы до собеседования, чем узнать о них после отказа
ПОСТУПАШКИ ПОДПИСАТЬСЯ | 2 437 |
| 20 |  The World Won't Wait: Evaluating and Teaching Agents Under a Live Clock
📓 Read
@datascienceiot | 3 442 |
