Data science/ML/AI
Открыть в Telegram
Data science and machine learning hub Python, SQL, stats, ML, deep learning, projects, PDFs, roadmaps and AI resources. For beginners, data scientists and ML engineers 👉 https://rebrand.ly/bigdatachannels DMCA: @disclosure_bds Contact: @mldatascientist
Больше
Сеть:📈 Аналитический обзор Telegram-канала Data science/ML/AI
Канал Data science/ML/AI (@datascience_bds) языкового сегмента Английский является активным участником. Сейчас сообщество объединяет 14 064 подписчиков, занимая 9 052 место в категории Технологии и приложения и 28 197 место в регионе Индия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 14 064 подписчиков.
Согласно последним данным от 25 октября, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило 97, а за последние 24 часа — 4, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 8.86%. В первые 24 часа после публикации контент обычно набирает 2.13% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 1 246 просмотров. В течение первых суток публикация набирает 300 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 3.
- Тематические интересы: Контент сосредоточен на ключевых темах, таких как panda, learning, row, api, ethic.
📝 Описание и контентная политика
Автор описывает ресурс как площадку для выражения субъективного мнения:
“Data science and machine learning hub
Python, SQL, stats, ML, deep learning, projects, PDFs, roadmaps and AI resources.
For beginners, data scientists and ML engineers
👉 https://rebrand.ly/bigdatachannels
DMCA: @disclosure_bds
Contact: @mldatasci...”
Благодаря высокой частоте обновлений (последние данные получены 26 октября, 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.
14 064
Подписчики
+424 часа
+67 дней
+9730 дней
Загружаем данные
Похожие каналы
Облако тегов
Входящие и исходящие упоминания
---
---
---
---
---
---
Привлечение подписчиков
октябрь '26окт. '26
октябрь '26
+122
в 1 каналах
сентябрь '26
+143
в 0 каналах
Get PRO
август '26
+168
в 1 каналах
Get PRO
июль '26
+119
в 0 каналах
Get PRO
июнь '26
+199
в 1 каналах
Get PRO
май '26
+177
в 0 каналах
Get PRO
апрель '26
+277
в 1 каналах
Get PRO
март '26
+138
в 1 каналах
Get PRO
февраль '26
+175
в 0 каналах
Get PRO
январь '26
+171
в 11 каналах
Get PRO
декабрь '25
+118
в 1 каналах
Get PRO
ноябрь '25
+111
в 1 каналах
Get PRO
октябрь '25
+181
в 1 каналах
Get PRO
сентябрь '25
+275
в 2 каналах
Get PRO
август '25
+436
в 0 каналах
Get PRO
июль '25
+312
в 0 каналах
Get PRO
июнь '25
+191
в 1 каналах
Get PRO
май '25
+183
в 0 каналах
Get PRO
апрель '25
+233
в 0 каналах
Get PRO
март '25
+241
в 1 каналах
Get PRO
февраль '25
+274
в 1 каналах
Get PRO
январь '25
+765
в 3 каналах
Get PRO
декабрь '24
+743
в 1 каналах
Get PRO
ноябрь '24
+352
в 2 каналах
Get PRO
октябрь '24
+328
в 2 каналах
Get PRO
сентябрь '24
+351
в 3 каналах
Get PRO
август '24
+341
в 5 каналах
Get PRO
июль '24
+383
в 1 каналах
Get PRO
июнь '24
+436
в 1 каналах
Get PRO
май '24
+452
в 2 каналах
Get PRO
апрель '24
+522
в 3 каналах
Get PRO
март '24
+512
в 5 каналах
Get PRO
февраль '24
+517
в 3 каналах
Get PRO
январь '24
+511
в 1 каналах
Get PRO
декабрь '23
+471
в 0 каналах
Get PRO
ноябрь '23
+70
в 2 каналах
Get PRO
октябрь '23
+87
в 4 каналах
Get PRO
сентябрь '23
+102
в 0 каналах
Get PRO
август '23
+179
в 0 каналах
Get PRO
июль '23
+132
в 0 каналах
Get PRO
июнь '23
+190
в 0 каналах
Get PRO
май '23
+158
в 0 каналах
Get PRO
апрель '23
+129
в 0 каналах
Get PRO
март '23
+155
в 0 каналах
Get PRO
февраль '23
+114
в 0 каналах
Get PRO
январь '23
+181
в 0 каналах
Get PRO
декабрь '22
+197
в 0 каналах
Get PRO
ноябрь '22
+123
в 0 каналах
Get PRO
октябрь '22
+244
в 0 каналах
Get PRO
сентябрь '22
+274
в 0 каналах
Get PRO
август '22
+93
в 0 каналах
Get PRO
июль '22
+81
в 0 каналах
Get PRO
июнь '22
+100
в 0 каналах
Get PRO
май '22
+101
в 0 каналах
Get PRO
апрель '22
+160
в 0 каналах
Get PRO
март '22
+578
в 0 каналах
Get PRO
февраль '22
+186
в 0 каналах
Get PRO
январь '22
+129
в 0 каналах
Get PRO
декабрь '21
+31
в 0 каналах
Get PRO
ноябрь '21
+47
в 0 каналах
Get PRO
октябрь '21
+28
в 0 каналах
Get PRO
сентябрь '21
+286
в 0 каналах
Get PRO
август '21
+191
в 0 каналах
Get PRO
июль '21
+252
в 0 каналах
Get PRO
июнь '21
+1 000
в 0 каналах
| Дата | Привлечение подписчиков | Упоминания | Каналы | |
| 26 октября | +5 | |||
| 25 октября | +5 | |||
| 24 октября | +1 | |||
| 23 октября | +3 | |||
| 22 октября | +2 | |||
| 21 октября | +4 | |||
| 20 октября | +2 | |||
| 19 октября | +1 | |||
| 18 октября | +3 | |||
| 17 октября | +2 | |||
| 16 октября | +5 | |||
| 15 октября | 0 | |||
| 14 октября | +9 | |||
| 13 октября | +1 | |||
| 12 октября | +6 | |||
| 11 октября | +2 | |||
| 10 октября | +2 | |||
| 09 октября | +5 | |||
| 08 октября | +2 | |||
| 07 октября | +4 | |||
| 06 октября | +9 | |||
| 05 октября | +9 | |||
| 04 октября | +6 | |||
| 03 октября | +8 | |||
| 02 октября | +13 | |||
| 01 октября | +13 |
Посты канала
| 2 | SQL Basic to Advanced | 508 |
| 3 |  10 Modern AI Agents Frameworks and Tools | 586 |
| 4 | Data Science Interview Questions.pdf | 787 |
| 5 | 7 baby steps to start with machine learning:
1. Start with Python
2. Learn to use Google Colab
3. Take a Pandas tutorial
4. Then a Seaborn tutorial
5. Decision Trees is a good first algorithm
6. Finish Kaggle's "Intro to Machine Learning"
7. Solve the Titanic challenge | 999 |
| 6 |  Power BI Mind Map | 1 104 |
| 7 | SQL Notes for Begineers.pdf | 1 079 |
| 8 |  Computer Vision Explained | 1 267 |
| 9 | 1,000 AI/ML Acronyms & Operational Concepts | 1 318 |
| 10 |  Roadmap to Learn SQL | 1 313 |
| 11 | 🧮 Why does NumPy let you add a number to an entire matrix?
Look at this:
import numpy as np
x = np.array([
[10, 20, 30],
[40, 50, 60]
])
x + 5
You get:
[[15, 25, 35],
[45, 55, 65]]
But where did the 5 go? You didn't write a loop. You didn't copy 5 six times.
This is broadcasting.
NumPy automatically treats the smaller object as if it were expanded to match the larger array's shape.
So conceptually:
[[10, 20, 30], [[5, 5, 5],
[40, 50, 60]] + [5, 5, 5]]
Then it adds them element by element.
And it works with arrays too:
x + np.array([1, 2, 3])
Conceptually:
[[10, 20, 30], [[1, 2, 3],
[40, 50, 60]] + [1, 2, 3]]
Result:
[[11, 22, 33],
[41, 52, 63]]
The important part:
Broadcasting doesn't literally copy the data into a bigger array.
NumPy applies the operation as if the smaller array had been expanded, while avoiding unnecessary copies.
That's why this:
x + 5
can work even though x is 2D and 5 is just a scalar. | 1 229 |
| 12 | Intro to Datascience with Python.pdf | 1 397 |
| 13 |  8 RAG architectures for AI Engineers, visually explained: | 1 238 |
| 14 | A comprehensive summary of the Seaborn Library.pdf | 1 334 |
| 15 |  🧮 NumPy: Why axis=0 and axis=1 Feel Backwards
You've probably seen:
np.mean(X, axis=0)
and wondered:
"Why does axis 0 mean columns?"
Think about what NumPy is doing.
📌 axis=0 means:
Collapse the rows.
So you move down each column and get one value per column.
📌 axis=1 means:
Collapse the columns.
So you move across each row and get one value per row.
For:
1 2 3
4 5 6
np.mean(X, axis=0)
gives:
[2.5, 3.5, 4.5]
On the other hand:
np.mean(X, axis=1)
gives:
[2, 5]
Don't memorize the numbers.
Just Remember: The axis you specify is the dimension that gets collapsed.
#NumPy | 1 389 |
| 16 | Data Science Formulas Cheat Sheet.pdf | 1 214 |
| 17 |  📊 Pandas Cheatsheet Every Data Analyst Should Save
Pandas is one of the most important tools for data analysis. Master these core operations to work faster and more efficiently:
🔹 Read & Inspect Data
head(), shape, dtypes, describe()
🔹 Select & Filter Data
Extract relevant rows and columns with ease.
🔹 Row Selection
Use loc[] (labels) and iloc[] (positions).
🔹 Handle Missing Values
isnull(), dropna(), fillna()
🔹 Group & Aggregate
Summarize data using groupby() and aggregation functions.
🔹 Merge & Join Data
Combine datasets with merge() using different join types.
#Pandas | 1 381 |
| 18 | SQLBolt: Interactive SQL
You can learn SQL by writing real queries directly in the browser. Each short lesson ends with interactive exercises that give instant feedback. It covers SELECT, filters, joins, aggregates, inserting/updating data, creating tables, and more.
📚 Free Interactive Exercises
⏰ Duration: Self-paced (can finish in a few hours)
🏃♂️ Self Paced
👨🏫 Created by: SQLBolt
🔗 Link
#SQL #DataScience #Interactive
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
👉 Join @bigdataspecialist for more 👈 | 1 198 |
| 19 |  Tools vs MCP vs Skills: 3 Layers That Power Production AI Agents | 1 208 |
| 20 |  LLM inference speed with vs. without KV caching | 1 268 |
