ru
Feedback
Data Science

Data Science

Открыть в Telegram

📈 Аналитический обзор Telegram-канала Data Science

Канал Data Science (@datascienceiot) является активным участником. Сейчас сообщество объединяет 41 813 подписчиков, занимая 3 219 место в категории Технологии и приложения и 15 236 место в регионе Россия.

📊 Показатели аудитории и динамика

С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 41 813 подписчиков.

Согласно последним данным от 26 июня, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -110, а за последние 24 часа — -11, при этом общий охват остаётся высоким.

  • Статус верификации: Не верифицирован
  • Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 5.86%. В первые 24 часа после публикации контент обычно набирает 2.43% реакций от общего числа подписчиков.
  • Охват публикаций: В среднем каждый пост получает 2 449 просмотров. В течение первых суток публикация набирает 1 016 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 27 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.

41 813
Подписчики
-1124 часа
-717 дней
-11030 день
Архив постов
Thinking in Pandas (2020) @datascienceiot

Fundamental Limitations of Semi-Supervised Learning @datascienceiot

Wagenmakers, Beekman 2020 Bayesian Thinking @datascienceiot

Hands-On Data Analysis with Pandas (2019) Github @datascienceiot
Hands-On Data Analysis with Pandas (2019) Github @datascienceiot

Programming PyTorch for Deep Learning (2019) @datascienceiot
Programming PyTorch for Deep Learning (2019) @datascienceiot

Python ® Machine Learning - 2019 @datascienceiot
Python ® Machine Learning - 2019 @datascienceiot

Building a career in data-science. @datascienceiot
Building a career in data-science. @datascienceiot

Какие продвинутые навыки стоит освоить Data Science специалистам? 27 октября в 20:00 (мск) приглашаем познакомиться с онлайн-
Какие продвинутые навыки стоит освоить Data Science специалистам? 27 октября в 20:00 (мск) приглашаем познакомиться с онлайн-курсом "Machine Learning. Продвинутый курс". Преподаватель Дмитрий Сергеев представит программу, расскажет, как организована практика и ответит на ваши вопросы о карьере Data Science. Вебинар предназначен для практикующих Data Science специалистов, желающих повысить свой профессиональный уровень до Middle/Senior. Интересно, как можно продвинуться в Data Science? Тогда регистрируйтесь, чтобы не пропустить, и приходите: https://otus.pw/zjhM/

Machine Learning in Action Github @datascienceiot
Machine Learning in Action Github @datascienceiot

Data Management at Scale (2020) Автор: Piethein Strengholt @datascienceiot

Oracle Business Intelligence with Machine Learning @datascienceiot

Programming Machine Learning: From Coding to Deep Learning (2020) @datascienceiot

Hands-On Genetic Algorithms with Python (2020) Github @datascienceiot
Hands-On Genetic Algorithms with Python (2020) Github @datascienceiot

Как вывести ML-модели в промышленную среду? Для большинства Data Scientist это сложная задача. 19 октября пройдет демо-урок «
Как вывести ML-модели в промышленную среду? Для большинства Data Scientist это сложная задача. 19 октября пройдет демо-урок «Вывод ML моделей в промышленную среду на примере онлайн-рекомендаций» Дмитрий Бугайченко, управляющий директор в Сбербанке, расскажет, как Data Science выходит из ноутбука Data Scientist, проходит через аналитическую платформу и среду исполнения в пром, и в итоге попадает к пользователям. Вы узнаете, какие трюки помогают масштабировать алгоритм, какие компоненты и технические решения позволяют вывести ML в промышленную среду, какие паттерны помогают ML работать в режиме онлайн и многое другое. Демо-урок является частью онлайн-курса «Промышленный ML на больших данных». Используйте эту возможность, чтобы получить ценные знания, оценить качество знаний и формат обучения. Для регистрации пройдите вступительный тест https://otus.pw/8pL6/

Python for Graph analysis @datascienceiot
Python for Graph analysis @datascienceiot

Data Science with python @datascienceiot
Data Science with python @datascienceiot

miuller_dzhon_pol_massaron_luka_python_i_nauka_o_dannykh_dli.djvu31.87 MB

Deep Learning with JavaScript (2020) Авторы: Shanqing Cai, Stan Bileschi, Eric Nielsen @datascienceiot

Hands-On Deep Learning for IoT (2019) Github @datascienceiot
Hands-On Deep Learning for IoT (2019) Github @datascienceiot

How is Machine Learning used in the LinkedIn Recruiter Recommendation System Github @datascienceiot
How is Machine Learning used in the LinkedIn Recruiter Recommendation System Github @datascienceiot