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
Сеть:📈 Аналитический обзор Telegram-канала Data Science
Канал Data Science (@datascienceiot) является активным участником. Сейчас сообщество объединяет 42 653 подписчиков, занимая 3 054 место в категории Технологии и приложения и 14 713 место в регионе Россия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 42 653 подписчиков.
Согласно последним данным от 14 сентября, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило 225, а за последние 24 часа — 19, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 10.03%. В первые 24 часа после публикации контент обычно набирает 2.62% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 4 280 просмотров. В течение первых суток публикация набирает 1 119 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 сентября, 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.
42 653
Подписчики
+1924 часа
+647 дней
+22530 дней
Архив постов
42 651
📘 Бесплатный 17-страничный PDF по Hidden Markov Models (HMM)
Короткий материал от Stanford по одной из классических моделей машинного обучения для работы с последовательностями.
Внутри разбираются:
- состояния и наблюдения
- transition и emission probabilities
- вычисление вероятности последовательности
- декодирование скрытых состояний
- обучение параметров HMM
- применение к последовательным данным
Хороший компактный материал, если нужно быстро разобраться, как работают скрытые марковские модели без чтения огромного учебника.
https://web.stanford.edu/~jurafsky/slp3/A.pdf
42 651
Banger report from Microsoft.
They introduce a 4B coding agent trained on roughly 1,500 software engineering environments.
📘 Paper
@datascienceiot
42 651
Новые возможности – рядом! Теперь каждый может протестировать бесплатную «коробочную» версию объектного хранилища «S3 Архипелаг» 👨🏻💻
🚪Бесплатная версия снижает порог входа для проектов. Что нужно, чтобы начать? Просто скачайте дистрибутив, установите на свои серверы и приступите к работе сразу после авторизации через корпоративный SSO. Готово!
Сам «S3 Архипелаг» от Диасофт – российское S3-совместимое хранилище для работы с петабайтами данных в архитектурах Data Lakehouse, аналитических системах и консолидации разрозненных файловых хранилищ.
Оставляем ссылку на «S3 Архипелаг» 🔗
#реклама
О рекламодателе
42 651
Self-service в аналитике начинается задолго до построения витрин
⚡️ 17 сентября в 11:00 (МСК) приглашаем на вебинар о том, как дать аналитикам больше самостоятельности в работе с данными – от их поиска и исследования до проверки гипотез и создания собственных конвейеров
Эксперты Axenix и DIS Group разберут, как построить Self-service без потери контроля над данными и архитектурой, и покажут полезные инструменты для ускорения работы аналитиков
Программа:
🔹Self-service в аналитике данных: цели, ценность для бизнеса, подводные камни и способы их преодолеть
🔹Пять в одном с Dat.аx: извлечение – исследование – гипотеза – визуализация – ценность
🔹Селена – и озеро, и хранилище для аналитики, ИИ и «реалтайма»
🔹Сессия вопросов и ответов
📌 Регистрируйтесь и присоединяйтесь к обсуждению программных решений!
42 651
When AI Takes the Couch: Psychometric Jailbreaks Reveal Internal Conflict in Frontier Models
Read
42 651
🌐 Твоё ИИ-решение — в одной из крупнейших энергетических компаний России
Получи подготовленные данные и разработай ИИ-ассистента для энергетики на соревновании от ПАО «Интер РАО» при поддержке «Яндекса». Лучшие проекты смогут стать частью экосистемы компании. Призовой фонд — 750 000 рублей.
Регистрация открыта до 27 сентября.
Можно участвовать одному или командой до 5 человек. Идеальный состав: разработчик, специалист по машинному обучению, аналитик и дизайнер.
Стартуем 28 сентября. Придумай концепт проекта: самые сильные идеи участники доработают под руководством экспертов с 9 по 23 октября. Финал в Москве — 3 ноября.
Задачи соревнования — за какую возьмешься?
1️⃣ ИИ-помощник для подготовки презентаций. Создай инструмент генерации презентации в корпоративном стиле из текстового брифа. 2️⃣ Помощник для анализа документов из судов. Разработай систему, которая сможет распознавать, классифицировать и заносить судебные и исполнительные документы в базу данных. 3️⃣ Ассистент для создания ИТ/ИБ-дайджестов. Напиши ассистента, который будет регулярно анализировать релевантные новости из различных источников и формировать краткую сводку. 4️⃣ Архитектор BPMN-диаграмм. Создай генератор BPMN-диаграмм, который позволит из текстового описания процесса собрать валидную схему в формате BPMN 2.0.Получи сильную строчку в портфолио и уникальный опыт работы под руководством экспертов Группы «Интер РАО». Регистрируйся: https://cnrlink.com/interraohack26ds
42 651
+1
📘 Mathematics of Deep Learning: An Introduction
Authors: Leonid Berlyand & Pierre-Emmanuel Jabin
Edition: 2nd revised and extended edition (2026)
Pages: 333 pages
Publisher: De Gruyter
📓 Read
@datascienceiot
42 651
Инженеры AI VK отказались от бустинга в финальном ранжировании рекомендаций и перешла на многозадачный нейроранкер DCDN.
Что изменилось:
• вместо одного score модель отдельно предсказывает лайк, дизлайк и Watch Time
• Learning to Rank объединяет эти сигналы в финальную оценку
• CTR и другие отношения сеть учит напрямую из сырых счётчиков - деление встроено в архитектуру
• ручного Feature Engineering стало заметно меньше
Read
42 651
📚 Бесплатная книга по выпуклой оптимизации - 130 страниц
"Convex Optimization: Algorithms and Complexity" - хорошее введение в алгоритмы выпуклой оптимизации и их вычислительную сложность.
Внутри:
* градиентные методы
* ускоренные методы
* субградиентная оптимизация
* проксимальные алгоритмы
* first-order methods
* оценки скорости сходимости
* сложность оптимизационных алгоритмов
Полезно для ML, математики и тех, кто хочет глубже понять, что стоит за обучением моделей.
PDF:
https://arxiv.org/abs/1405.4980
42 651
Встраивайте систему распознавания документов в ваш продукт за 15 минут 🚀
Если вы развиваете SaaS, автоматизируете B2B-процессы или собираете ИИ-агентов, вопрос безопасности и скорости обработки документов всегда встает ребром.
Provision OCR — это мощный российский движок для on-premise и private cloud развертывания.
⚡️ 100% локальности: данные не покидают ваш сервер.
⚡️ Скорость: обработка <3 сек/страница на GPU 2070 и выше, Поддержка CPU , точность до 99%
⚡️ Быстрая и бесшовная интеграция через REST API + gRPC.
⚡️ Поддержка разных документов на русском языке: договоры, счета и другие.
💡 Дистрибутив в нашем Telegram-канале: @ProvisionLabs
💻 Примеры кода на GitHub:
https://github.com/orgs/Provision-Labs/repositories
#OCR #ProvisionOCR #Документы #Разработка #Python #AI #OnPremise
42 651
10 бесплатных книг по программированию, которые можно читать прямо с GitHub
1. The Rust Programming Language
https://github.com/rust-lang/book
2. Rust by Example
https://github.com/rust-lang/rust-by-example
3. The Little Book of Rust Books
https://github.com/lborb/book
4. Python Data Science Handbook
https://github.com/jakevdp/PythonDataScienceHandbook
5. Dive Into Deep Learning
https://github.com/d2l-ai/d2l-en
6. Probabilistic Machine Learning
https://github.com/probml/pml-book
7. Algorithms for Decision Making
https://github.com/algorithmsbooks/algforopt-notebooks
8. Operating Systems: Three Easy Pieces
https://github.com/remzi-arpacidusseau/ostep-homework
9. Crafting Interpreters
https://github.com/munificent/craftinginterpreters
10. Free Programming Books — огромная библиотека бесплатных книг по Python, Java, C++, Go, AI, SQL, Linux и десяткам других тем
https://github.com/EbookFoundation/free-programming-books
Последний репозиторий особенно полезен: там собрана огромная регулярно обновляемая база легально доступных книг и учебных материалов по программированию.
42 651
🔥 Хочешь быстрее расти в IT? Хватит учиться в одиночку
Окружение решает больше, чем кажется.
Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре.
AI: t.me/ai_machinelearning_big_data
Python: t.me/pythonl
Linux: t.me/linuxacademiya
Хакинг: t.me/linuxkalii
DevOps: t.me/DevOPSitsec
Docker: https://t.me/+90Z5TAyfuNU5YmRi
Golang: t.me/Golang_google
Rust: t.me/rust_code
C++: t.me/cpluspluc
C#: t.me/csharp_1001_notes
Java: t.me/javatg
JavaScript: t.me/javascriptv
React: t.me/react_tg
Frontend: t.me/front
PHP: t.me/phpshka
Android: t.me/android_its
Мобильная разработка: t.me/mobdevelop
Базы данных: t.me/sqlhub
Data Science: t.me/data_analysis_ml
Big Data: t.me/bigdatai
Математика: t.me/data_math
Физика: t.me/fizmat
Kubernetes: t.me/kubernetc
GameDev: https://t.me/gamedev
Haskell: t.me/haskell_tg
Собеседования и карьера:
DS собеседования: t.me/machinelearning_interview
Python собеседования: t.me/python_job_interview
Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy
Папка Frontend: https://t.me/addlist/mzMMG3RPZhY2M2Iy
Полезное сверху:
ИТ-мемы: t.me/memes_prog
Английский для программистов: t.me/english_forprogrammers
ИИ и технологии: t.me/vistehno
954 ГБ open-source курсов: https://t.me/+rKBQEMccAA01MTcy
ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy
Max Ai: https://max.ru/ai_machinelearning_big_data
Max python: https://max.ru/pythonl
ТЕХНО: https://max.ru/vistehno
Max Go: https://max.ru/Golang_google
Max Linux: https://max.ru/linuxkalii
Devops: https://max.ru/DevOPSitsec
C#: https://max.ru/csharp_ci
C++: https://max.ru/cpluspluc
SQL: https://max.ru/sqlhub
Java: https://max.ru/javatg
Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд.
42 651
What Does Context Compression Cost an Agent? Interaction Costs Unrevealed by Task-Completion Metrics
5× context compression did surprisingly little to GPT-5.5’s final task result.
📓 Read
@datascienceiot
42 651
Вырастили целое дерево из агентов 🌳
Мы в Авито разработали единую платформу для процессов. Самые лучшие и популярные становятся агентами. В итоге каждый сотрудник может создать свой процесс или воспользоваться готовым. Классно? Не то слово! Поэтому мы написали статью, как создавали это решение.
О чём узнаете, если прочитаете:
🔸как устроена архитектура платформы,
🔸как процесс становится агентом,
🔸как измерять качество агентов.
Читать статью 🚀
