🏆 Data Feeling | AIeron

Открыть в Telegram

IT предприниматель и препод 🧑‍🏫 ex-ML лидер в Dodo Brands 🦤🍕 Прокачиваю людей в Data Science 🚀 Победитель Stepik Awards 🏆 Kaggle Expert 🤹‍♀️ Создатель @Speakadora_bot @big_llm_course РКН https://clik.now/datafeeling Алерон @Ale_v2

Больше

Россия45 387 Маркетинг и PR717...

📈 Аналитический обзор Telegram-канала 🏆 Data Feeling | AIeron

Канал 🏆 Data Feeling | AIeron (@datafeeling) языкового сегмента Русский является активным участником. Сейчас сообщество объединяет 14 701 подписчиков, занимая 717 место в категории Маркетинг и PR и 45 387 место в регионе Россия.

📊 Показатели аудитории и динамика

С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 14 701 подписчиков.

Согласно последним данным от 19 июня, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -81, а за последние 24 часа — -6, при этом общий охват остаётся высоким.

Статус верификации: Не верифицирован
Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 19.05%. В первые 24 часа после публикации контент обычно набирает 7.37% реакций от общего числа подписчиков.
Охват публикаций: В среднем каждый пост получает 2 801 просмотров. В течение первых суток публикация набирает 1 084 просмотров.
Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 28.
Тематические интересы: Контент сосредоточен на ключевых темах, таких как лот, n8n, бразилия, пет, санкция.

📝 Описание и контентная политика

Автор описывает ресурс как площадку для выражения субъективного мнения:
“IT предприниматель и препод 🧑‍🏫 ex-ML лидер в Dodo Brands 🦤🍕 Прокачиваю людей в Data Science 🚀 Победитель Stepik Awards 🏆 Kaggle Expert 🤹‍♀️ Создатель @Speakadora_bot @big_llm_course РКН https://clik.now/datafeeling Алерон @Ale_v2”

Благодаря высокой частоте обновлений (последние данные получены 20 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 Маркетинг и PR.

14 701

Подписчики

-624 часа

-57 дней

-8130 день

2 801

Просмотры поста

~ 1 08424 часа

~ 1 20448 часов

19.05%

Коэффициент вовлеченности

Нет данных

Постов в день

Ads index

beta

Архив постов

14 700

Так, ну окей. Теперь я еще спокойнее и вот-вот буду радовать вас снова прикольными приемами и техниками в ML/DS.

14 700

Продолжаю восхищаться динамическим ценообразованием. Подсвечивают понижение цены на билет, хотя из билета просто убрали багаж. Мдам-с А ведь какому-то продукт-менеджер зп получает, за придумку эту фичи.

14 700

Динамическое ценообразование любопытная вещь. 🤔 Интересно, это руками так подбирается или действительно есть алгоритм на такие случаи...

14 700

Тут на Kaggle приехала интересная биологическая задачка. Надо по аминокислотной последовательности белка фиксированный длины предсказать температуру плавления этого белка. В общем, просят реализовать AlphaFold от DeepMind на минималках. AlphaFold предсказывал 3D структура, а тут все намного проще - надо всего лишь температуру плавления. Что-то похожее я уже решал однажды в прошлой жизни биоинформатика. Посмотрел, как люди на форуме пытаются решить эту задачу и там какой-то детский сад. По типу tf-idf + модель. Очевидно, это никак не раскрывает свойства такого сложного 3D объекта как белок. Решил, что буду участвовать. Хочу усилить свою команду и провести эксперимент. Ищу новых тиммейтов с биологическим бэкграундом! Я ищу именно тебя, если ты: - Понимаешь основы молекулярной биологии. Отличаешь ДНК от аминокислот. - Имеешь опыт аннотации белков. - Любишь ресерчить статейки и даже слышал, как устроен AlphaFold. С меня вся ML часть. Ресурсы и личный опыт. В планах пойти каглерским путем. Настакать фичей разной природы и дальше по классике ансамбль бустинга и сетки. Пиши в личку, если тебе интересна задача и тебе нужны медали на Kaggle! Думаю, что особенно актуально для тех кто переходит из биоинфы в DS/ML.

14 700

[In reply to Data Feeling] [ Photo ] Не повезло, не фартануло. Корреляция между приватной выборкой и тестовой оказалось очень неплохой. Не заняв медальную зону сразу, мы не заняли ее и послей шейкапа на привате. Что зашло? - Систематичность. Мы почти каждый день созванивались с командой. Заполняли табличку гипотез. Приоретизировали и распределяли. - Мощности. Повезло, что в этот раз было относительно не много проблем с GPU. Почти все время могли запускать что-то. Модели одного фолда учились всего по два-три часа - Опыт. Множество технически проблем с архитектурой и инфраструктурой решались быстро, либо еще быстрее командным бруд-форсом. Какие вижу ошибки? - Поздно разгадали, какие архитектуры и приемы поднимают скор. Бленд двух моделей со скором 0.71 и 0.72 давал финальный скор в 0.76. То есть бери и просто бленди разные по природе модели. Всего у нас было 4 архитектуры. Стоило проверить больше вариаций. - Слабо изучили датасет. Данные как всегда с мусором, который в идеале было почистить или переразаметить pseudo labeling. - Под конец только пришла идея использовать в Test Time Augmentation цвето-коррекцию. - Не решились закинуть модельку в Optuna на пару дней, чтоб провести эксперименты более массово. - Бленд модели с мастерами по каким-то причинам только ухудшал скоро. Возможно неверные трешхолдны на классы брали. - Не успели добавить в бленд сильную модель наших друзей-аппонентов из поста выше. (Да, мы делились идеями через форум, но применить доп модели друг друга не смогли из-за неудобства разных подходов.)

14 700

Не повезло, не фартануло. Корреляция между приватной выборкой и тестовой оказалось очень неплохой. Не заняв медальную зону сразу, мы не заняли ее и послей шейкапа на привате. Что зашло? Какие вижу ошибки? - Поздно разгодали, какие архитектуры и приемы поднимают скор. Блен двух моделей со скором 0.71 и 0.72 давал финальный скор в 0.76. То есть бери и просто бленди разные по природе модели. Всего у нас было 4 архитектуры. Стоило проверить больше. - Слабо изучили датасет. Данные как всегда с мусором, который в идеале было почистить или переразаметить pseudo labeling. - Под конец только пришла идея использовать в Test Time Augmentation цвето-коррекцию. - Не решились закинуть модельку в Optuna на пару дней, чтоб провести эксперименты более массово. - Бленд модели с мастерами по каким-то причинам только ухудшал скоро. Возможно неверные трешхолдны на классы брали. - Не успели добавить в бленд сильную модель наших друзей-аппонентов из поста выше. (Да, мы делились идеями через форум, но применить доп модели друг друга не смогли из-за неудобства разных подходов.)

14 700

Что ж. Финиш. Закрепились в HubMap в топ-150 из 1300 человек. Надо подняться всего на 8 мест наверх. Собрали ансамбль из 16 моделей. Ждем шейкапа наверх. Ставьте 👍 или 👎 если верите что зайду с тимой в медали или не зайдем соответственно. Кстати, сегодня сходил на конференцию возобновившихся ML тренировок. Если буду активнее фармить возможно когда-нибудь там выступлю. Добрых снов😌

14 700

🙈У нас тут с пацанами разворачивается настоящий кипишь. Начинали фармить вместе, теперь фармим по разным тимам💪. Идем в медали ноздря в ноздрю. Вот-вот доблендить еще парочку моделей и зайдем в бронзу, надеюсь.

14 700

Ситуация непростая. Для тех кто решил релокейтиться куда-нибудь вот вам мои мысли по моему опыту. С февраля я успел попробовать три страны для проживания. Турция, Казахстан и Таиланд. Если вы прям вот совсем в панике и уже выбираете куда можно поехать пока всё не утихнет, то это хорошие варианты для раздумье. Начну с самого простого. Казахстан. Тут все понятно. Говорят все на русском. Еда относительно дешевая. Жилья много, со съемом его проблем нет. Успел там пробыть около суток у друзей. За день пребывания в центре Астаны на еду в рестиках/лофтах на двоих ушло примерно ~ 3к. Если выбирать что-то скромнее, то жить там можно долго. Турция. Если раньше там не прибывали на долгое время, то это не самый просто вариант. Найти жилье и закупаться там едой по оптимальным ценам чтоб долго протянуть. Жилье дорогое, так просто его не снять. Но если туда ехать, я бы советовать побережье Алании или Анталии, где вне сезона цены ниже. Оставаться в Турции по заграну можно только на два месяца. Дальше надо что-то делать. Таиланд. Не очевидно, но это самый лучший из этих трех вариантов. Еда дешевая. Население очень дружелюбное. Весь год лето. Океан. Хватает для общения базового английского. Самому удавалось снимать двухэтажную виллу с бассейном за 14К бат в месяц (~45к рублей). Единственное, что билеты дорогие (от 35к до 70к в среднем). Продлевать визу там можно бесконечно. Лететь советую через Казахстан. Через Турцию сейчас будет очень дорого. Кстати, мы еще подняли скор. Шаг за шагом идем в медали, не поддаваясь панике.

14 700

Мне некогда думать о какой-то там мобилизации, у нас медали на Kaggle горит. Подняли скор, кстати. А у вас как дела?

14 700

Не заходит пока, но мы пытаемся 😅 А у вас как дела?

14 700

Доброе утро! Мы тут с парнями из Redmadrobot пытаемся выиграть HubMAP (задача сегментации изображений). Вчера миновали точку объединения в команды. Остается неделя до конца. Неделя упорной работы и отчаянной проверки новых гипотез, в надежде подняться вверх. Сейчас мы в топ-200 из 1200 участников. Ради эксперимента, решил пригласить пару Kaggle мастеров в команду. Как итог, проснулись с двумя мастерами в команде. Посмотрим к чему это приведет. Буду держать вас updated. Гоу "приват шейринг" в комменты!

14 700

В Русский орфографический словарь внесли 150 новых слов. Это первое масштабное обновление словаря в текущем году. Тринадцать новых слов относятся к IT-сфере. Я погуглил и был приятно удивлен, среди новых есть такие слова как: - Телеграм-канал - Погуглить - Фармить - Каглер / Грендмастер - Блендинг / Стэкинг - Бэггинг / Бустинг - Приват / Паблик - Бутстрэп / Семплирование - Псевдолейблинг - Шейкап - фаанг - Удаленка - Пруф / Апвот #fake_news

14 700

Мне в личку часто пишут платные предложения о размещении вакансий. Однако, мой канал был придуман не для этого, и я почти всегда отказываюсь или реферю кентов. Однако, я хочу, чтоб HR'ы присылали не только мне открытые и интересные вакансии. Поэтому, как вы помните, я создал под это дело специальный канал, куда регулярно отправляю всех HR'ов, которые стучатся мне в личку. Так я делюсь вакансиями с вами. Недавно там снова замелькали вакансии на Data Engineer'ов и ML Engineer'ов в Турцию. Кому-то это будет интересно. Забирайте. Вот сам канал. В нем уже больше 3к человек😱🤪✅😊 #Алерон_делится

14 700

Помните мой пост про логарифмирование таргета в задаче регрессии? Логарифмирование таргета хорошо помогает в случае линейных моделей. А вот более сложным моделям по типу градиентных бустингов (Catboost / LigthGMB / XgBoost) неважно распределение таргета. И или все такие важно? С одной стороны, при построении дерева абсолютно неважна шкала по которой делать сплит, то есть логарифмирование таргета не важно. 🤔 Однако, как показывает практика (Raif-Hack 2021), логарифмирование таргета все же может помочь поднять скор. Как так?! Моя версия: при построении дерева валидационная метрика все же зависит от шкалы (MSE/MAE/MAPE и тп). Поэтому от логарифмирования все же что-то меняется. А как вы думаете, что может при построении дерева в бустинге измениться. Услышал еще клевую идею про влияние на сцепку признаков от @Ppilif И про влияние на бинаризацию от @slivka_83 А как думаете вы? Или это все бред и эффекта от этого не будет?! Услышал от знакомых разные версии,

14 700

Когда собесишь джуна и в конце спрашиваешь его, какими задачами он хотел бы заниматься. А он такой:

14 700

Переверну за вас календарь. Недорого.

14 700

Год назад слушал доклад по авто-ML от LAMA и как он автоматизирует работу DS'ов в Сбере. Тогда пришел мыслями к критерию. Если ты знаешь, как обойти авто-ML по точности, значит, ты будешь востребованным специалистом. Кстати, наивную идею на изи выигрывать, использую авто-ML я слил еще год назад, когда три чемпионата подряд ничего не выиграл.

14 700

С первым днем осени вас, чемпионы! Утром понял, что надо ~~вести мелкого в первый класс~~ написать статью, про свои идеи решений по недавним двум соревнованиями на Kaggle, принесшим мне медали🥉🥈. Amex оказался самым разнообразным в плане идей. Прикладываю схему, которую разберу на в статье на Хабр. Так же, расскажу еще про решение другие участников. Там есть очень классные задумки. Вижу тренд, как трансформеры начинают успешно ~~конкурировать~~ сочетаться с бустингами.