Уже доступно! Исследование Telegram 2025 — ключевые инсайты года 
Анализ данных (Data analysis)
Открыть в Telegram
Data science, наука о данных. @haarrp - админ РКН: clck.ru/3FmyAp
Больше📈 Аналитический обзор Telegram-канала Анализ данных (Data analysis)
Канал Анализ данных (Data analysis) (@data_analysis_ml) языкового сегмента Русский является активным участником. Сейчас сообщество объединяет 50 263 подписчиков, занимая 2 659 место в категории Технологии и приложения и 12 428 место в регионе Россия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 50 263 подписчиков.
Согласно последним данным от 28 июня, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило 42, а за последние 24 часа — 3, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 10.26%. В первые 24 часа после публикации контент обычно набирает 6.15% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 5 157 просмотров. В течение первых суток публикация набирает 3 091 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 29.
- Тематические интересы: Контент сосредоточен на ключевых темах, таких как llm, контекст, openai, архитектура, deepseek.
📝 Описание и контентная политика
Автор описывает ресурс как площадку для выражения субъективного мнения:
“Data science, наука о данных.
@haarrp - админ
РКН: clck.ru/3FmyAp”
Благодаря высокой частоте обновлений (последние данные получены 29 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.
50 263
Подписчики
+324 часа
+87 дней
+4230 день
Архив постов
Ищем бизнес-аналитиков, кто хочет обучиться профессии с нуля с помощью в трудоустройстве. Полгода обучения - бесплатно. Первый платёж через 6 месяцев.
Бизнес-аналитик изучает процессы в компании и даёт рекомендации, как больше зарабатывать и не разориться. Вы научитесь собирать данные о финансах и бизнес-процессах, проводить продуктовые интервью и определять стратегии развития. Сможете получить профессию, которая особенно востребована во время нестабильности.
Узнать подробности и зарегистрироваться: https://clc.to/FaBjKw
Почему стоит учиться на бизнес-аналитика?
На рынке не хватает специалистов:
Более 1600 вакансий на должность бизнес-аналитика открыто в июле;
130 000 рублей - средняя зарплата бизнес-аналитика, по данным сайта HeadHunter.
Кому подойдёт этот курс:
– Тем, кто ищет востребованную профессию
– Разработчикам, которые хотят сменить профиль
– Junior-аналитикам данных
– Продактам, руководителям проектов и направлений в разработке
Чему вы научитесь:
◆Рассчитывать бизнес-модель;
◆Анализировать экономику бизнеса;
◆Оптимизировать бизнес-процессы;
◆Решать задачи бизнеса с помощью IT-разработки;
◆Программировать на Python;
◆Работать с заказчиками.
Кроме того, все студенты и выпускники Skillbox получают индивидуальную поддержку от Центра карьеры на протяжении всего обучения — от помощи с выбором профессии до выхода на работу.
Записаться на курс или получить бесплатную консультацию можно по ссылке: https://clc.to/FaBjKw
✅ Введение в параллельные вычисления для дата-инженеров.
Обычно дата-инженерам приходится получать данные из нескольких источников, а затем очищать их и агрегировать. Часто эти процессы необходимо применять на больших объемах данных.
Сегодня мы рассмотрим одно из самых фундаментальных понятий в области вычислительных технологий и в частности дата-инженерии — параллельные вычисления. С их помощью современные приложения могут обрабатывать огромные объемы данных за относительно небольшие промежутки времени.
Обсудим преимущества параллельных вычислений в целом, а также их недостатки. Изучим несколько программных пакетов и фреймворков, использующих возможности современных многоядерных систем и кластеров компьютеров для распределения и параллелизации рабочих нагрузок.
Читать
@data_analysis_ml
3️⃣ распространенные ошибки при поиске работы в области науки о данных в 2022 году
Читать
@data_analysis_ml
Как выбрать профессию в аналитике и Data Science — бесплатный тест-драйв 7 курсов
Профессии в сфере работы с данными может освоить каждый — нужно только выбрать наиболее комфортный способ обучения. На неделе пробных занятий по работе с данными вы сможете начать обучение по 7 курсам: пощупаете Python и SQL для анализа данных, изучите базовые инструменты Google-таблиц, узнаете о роли A/B-тестов, а также попробуете себя в дата-журналистике, игровой и мобильной аналитике. Сделайте первый шаг к освоению новой профессии.
Записаться на тест-драйв
🎯 Обогащение данных — что это и почему без него никак
Задача обогащения данных напрямую связана с темой их обработки и анализа. Обогащение нужно для того, чтобы конечные потребители данных получали качественную и полную информацию.
Сам термин "обогащение данных" — это перевод англоязычного Data enrichment, который проводит аналогию между данными и... ураном. Точно так же, как промышленники насыщают урановую руду, увеличивая долю изотопа 235U, чтобы её можно было использовать (хочется надеяться, в мирных целях), в процессе обогащения данных мы насыщаем их информацией.
Читать дальше
@data_analysis_ml
Data Scientist — одна из самых перспективных и высокооплачиваемых специальностей в IT-сфере. Вы научитесь программировать на базовом уровне, работать с открытыми данными из интернета и предсказывать курс биткоина.
Записывайтесь на бесплатный онлайн-интенсив: 👉 https://clc.to/TRrgJw
За 3 дня сделаете первые шаги в Data Science.
✔️ Познакомитесь с Python, Google Collab, Pandas, Scikit-learn.
✔️ Узнаете, что такое GridSearch и кросс-валидация.
✔️ Осуществите простейший анализ и визуализацию данных.
✔️ Решите первые реальные бизнес-задачи.
💡 Вебинары проведёт главный методист технического направления Skillbox Михаил Овчинников. Вы узнаете, как разрабатывают искусственный интеллект и какие инструменты используют специалисты по Data Science. Создадите проект для портфолио.
🎁 При регистрации все участники получат чек-лист с информацией о том, чем занимается специалист по DS, где он может работать, какие знания и навыки ему нужны и где новичку найти первые проекты.
📌 Подключайтесь к прямым эфирам с 25 по 27 июля в 21:00 по московскому времени!
3️⃣6️⃣ лучших инструментов для визуализации данных ↩️
Если вы ищете способ просто и понятно рассказать о сложных данных, географии, объяснить неочевидные взаимосвязи, сложные или простые идеи, то вам нужна визуализация. Она хороша тем, что сразу привлекает внимание к ключевому посланию, демонстрирует закономерности, которые трудно уловить в тексте или в таблице с цифрами.
Существует много специальных инструментов для визуализации: некоторые из них совсем простые: нужно только загрузить данные и выбрать, как они будут отображаться. Другие программы более сложные и комплексные — требуют настройки и, например, знаний JavaScript.
Мы подобрали самые разные варианты: и для тех, кому нужен быстрый понятный результат, и для продвинутых пользователей. Есть из чего выбрать.
Читать дальше
@data_analysis_ml
Как SQL может ускорить вашу работу и где его освоить? Узнайте на вебинаре.
→ Бесплатно, 25 июля в 19:00
SQL — это расчёты метрик, отчёты, поиск нужных данных, быстрота и надёжность. Рассказывать о навыке будут эксперты:
◾️ Дмитрий Попков, маркетинговый аналитик в Яндексе.
Знает, как ускорить работу с помощью SQL.
◾️ Сушков Александр, автор курсов по SQL и преподаватель Яндекс Практикума.
Не только обучает SQL, но и думает на нём.
◾️ Семён Расторопов, выпускник первой когорты курса «SQL для работы с данными и аналитики».
Умеет решать задачи со звёздочкой.
Вы узнаете:
— зачем нужен SQL в анализе данных и других сферах;
— какие задачи с можно решать с помощью SQL;
— как легче его выучить.
→ Зарегистрироваться на вебинар
5️⃣ грязных трюков в соревновательном Data Science, о которых тебе не расскажут в приличном обществе. 🔥
Привет, чемпион! Возможно, ты сейчас участвуешь в соревновании по анализу данных или просто решил погрузиться в мира Data Science. Тогда эта статья будет тебе очень полезна!
Сражу скажу, что трюки, о которых мы сегодня поговорим, я не просто так назвал "грязными". Речь пойдет о вещах, которые в каком-то смысле нечестные или просто вводят в заблуждение других участников соревнований. Долго думал, стоит ли про эти техники вообще рассказывать, ведь в борьбе за призовые всегда велик соблазн начать хитрить. Решил, что все-таки расскажу про некоторые приемы, дабы вооружить честных людей, которые играют по правилам.
Будем разбирать приемы по ходу увеличения уровня их "грязи" - поехали!
Читать дальше
@data_analysis_ml
Используем библиотеку matplotlib для создания интересной анимации данных.
Используем библиотеку matplotlib для создания интересной анимации
Изображение имитации дождя выполнено с помощью библиотеки Matplotlib, известной как прародитель пакетов для визуализации данных на python. Matplotlib имитирует капли дождя на поверхности путем анимирования масштаба и непрозрачности 50 точек графика разброса. В этой статье мы рассмотрим анимации в Matplotlib и несколько способов их создания.
Читать дальше
@data_analysis_ml
📊 Улучшение визуализации данных с помощью диаграмм с двумя осями в Python
Визуализация данных облегчает понимание тенденций и позволяет принимать обоснованные решения. Для оптимального представления данных важно правильно выбрать вид диаграммы. Более того, некоторые диаграммы, такие как столбиковые и многолинейные, можно дополнительно настроить для лучшего разъяснения данных.
Помимо косметических преобразований графических изображений (с помощью цвета и шрифта), можно воспользоваться дополнительными функциями, такими как общее направление линий, прогнозы и двухосевая реализация. В этой статье мы расскажем, как использовать двухосевую линейную диаграмму, чтобы более наглядно продемонстрировать аудитории корреляции и тенденции между точками данных. Мы также кратко рассмотрим, как может выглядеть обычная диаграмма без двойной оси, чтобы вы могли решить, какое из двух графических представлений максимально соответствует вашим потребностям в визуализации.
Читать дальше
@data_analysis_ml
✒️ Обучение алгоритма генерации текста на основе высказываний философов и писателей
Наверняка вы мечтали поговорить с великим философом: задать ему вопрос о своей жизни, узнать его мнение или просто поболтать. В наше время это возможно за счет чат-ботов, которые поддерживают диалог, имитируя манеру общения живого человека. Подобные чат-боты создаются благодаря технологиям обработки естественного языка и генерации текста. Уже сейчас существуют обученные модели, которые неплохо справляются с данной задачей.
В этой статье я расскажу о своем опыте обучения алгоритма генерации текста, основанного на высказываниях великих личностей. В датасете для обучения модели используются цитаты десяти известных философов, писателей и ученых.
Конечный текст будет генерироваться на основе высказываний всех десяти мыслителей.Но если вы захотите “пообщаться” с кем-то конкретным, например, с Сократом или Ницше, то Google Colab, в котором велась работа, прилагается в конце статьи. С его помощью можно будет поэкспериментировать только с генерацией выбранного вами философа.
Читать дальше
@data_analysis_ml
Идея для лета — нырнуть в Data Science с головой
Станьте специалистом по Data Science и приручите алгоритмы под свои амбициозные цели: от решения бизнес-задач до развития медицинских технологий. На курсе Яндекс Практикума вы можете за 8 месяцев изучить Python, SQL, машинное обучение и визуализацию данных — необходимый минимум для работы младшим специалистом.
Пять «П» — преимущества обучения в Практикуме:
— Помощь с трудоустройством: 78% выпускников находят работу в течение 4 месяцев после окончания курса.
— Портфолио: 16 проектов на основе реальных задач бизнеса и диплом о профессиональной переподготовке.
— Поддержка: преподаватели, наставники, кураторы и ревьюры помогают пройти обучение.
— Подходящий формат: можете заниматься из любой точки мира когда вам удобно.
— Практика: курс на 75% состоит из задач в онлайн-тренажёре и учебных проектов.
→ Старт потока — 21 июля.
Оплачивать учёбу можно помесячно, от 6 090 ₽/мес, или 112 000 ₽ сразу.
Начните учиться бесплатно и решите, подходит ли вам роль специалиста по Data Science.
→ Попробуйте курс бесплатно
Обзор библиотеки Datatable в Python для обработки больших объёмов данных.
Если вы пользовались языком R, то, скорее всего, вы уже работали с пакетом data.table. В R это расширение пакета data.frame. Для пользователей R он полезен в обработке больших объёмов данных (например, около 100 ГБ в RAM).
data.table в R — многофункциональный пакет с высокой производительностью. Он лёгок в использовании, удобен и быстр. Конечно, он очень известен: у него более 400 тысяч скачиваний каждый месяц и его используют почти 650 пакетов CRAN и Bioconductor.
А что делать тем, кто использует Python? Хорошие новости: для этого языка существует библиотека datatable, которая поддерживает большие данные, датасеты как внутри динамической памяти, так и вне, мультипотоковые алгоритмы и обеспечивает высокую производительность.
Читать дальше
@data_analysis_ml
Идея для лета — нырнуть в Data Science с головой
Станьте специалистом по Data Science и приручите алгоритмы под свои амбициозные цели: от решения бизнес-задач до развития медицинских технологий. На курсе Яндекс Практикума вы можете за 8 месяцев изучить Python, SQL, машинное обучение и визуализацию данных — необходимый минимум для работы младшим специалистом.
Пять «П» — преимущества обучения в Практикуме:
— Помощь с трудоустройством: 78% выпускников находят работу в течение 4 месяцев после окончания курса.
— Портфолио: 16 проектов на основе реальных задач бизнеса и диплом о профессиональной переподготовке.
— Поддержка: преподаватели, наставники, кураторы и ревьюры помогают пройти обучение.
— Подходящий формат: можете заниматься из любой точки мира когда вам удобно.
— Практика: курс на 75% состоит из задач в онлайн-тренажёре и учебных проектов.
→ Старт потока — 21 июля.
Оплачивать учёбу можно помесячно, от 6 090 ₽/мес, или 112 000 ₽ сразу.
Начните учиться бесплатно и решите, подходит ли вам роль специалиста по Data Science.
→ Попробуйте курс бесплатно
Ищем медработников, чтобы с нуля обучить профессии Data Scientist в медицине.
С помощью машинного обучения, вы научитесь обрабатывать данные по сердечно-сосудистым заболеваниям, онкологии, сигналам ЭЭГ, рентгеновским изображениям, сможете ставить диагнозы,обнаруживать болезни и персонализировать лечение.
Курс прекрасно подойдет:
Медработникам
Освоите IT-специализацию в знакомой нише, увеличите доход и сможете улучшать жизнь сотен людей с помощью искусственного интеллекта.
Новичкам в Data Science
Станете специалистом по Data Science с нуля: освоите аналитику в медицине, бизнесе и других направлениях.
IT-специалистам
Поможем систематизировать знания в Data Science, ускорить карьерный рост и больше зарабатывать.
Вашими преподавателями станут эксперты из таких компаний как: Parexel, X5 Retail Group, NVIDIA, Минобороны России, Pirogov AI.
Если после успешного обучения вы не найдёте работу, мы вернём вам деньги, ведь гарантия трудоустройства закреплена в договоре.
Узнать подробности и зарегистрироваться: https://clc.to/4eaSQw
⚡️ Synthetic Minority Over-sampling Technique, SMOTE) — алгоритм предварительной обработки данных
Метод увеличения числа примеров миноритарного класса (Synthetic Minority Over-sampling Technique, SMOTE) — это алгоритм предварительной обработки данных, используемый для устранения дисбаланса классов в наборе данных.
В реальном мире нередко приходится обучать модель на наборе данных с очень малым количеством примеров определенного класса. Чаще всего эта проблема возникает при создании классификатора для диагностирования редких заболеваний, выявления производственных дефектов, раскрытия мошеннических транзакций.
Во всех перечисленных сферах применения МО характер данных (очень редкие случаи) не позволяет собрать больше примеров. Однако модель, обученная таким образом, может оказаться малоэффективной.
Одним из способов решения этой проблемы является сокращение числа примеров мажоритарного класса. Иными словами, из набора данных исключаются строки мажоритарного класса, чтобы выровнять количество строк мажоритарного и миноритарного классов.
Читать дальше
@data_analysis_ml
Делимся отличной новостью: Минцифры внесло Газпромбанк в реестр аккредитованных IT-компаний!
Банк не первый год активно развивает цифровые продукты, над которыми сегодня работают тысячи крутых диджитал-специалистов. И теперь айтишники смогут получить дополнительные государственные льготы.
Вы тоже можете стать частью команды Газпромбанка! Вакансии в IT и других направлениях — по ссылке > https://vk.cc/cf61ir
🌠 Что такое Apache Superset? Установка Docker. Примеры дашбордов
Apache Superset — Open-Source инструмент для визуализации данных, входящий в портфолио продуктов Apache Foundation. Зародился Apache Superset в компании Airbnb, там же где появился Airflow. Эта система является очень популярной и хорошо развивается за счет привлечения новых контрибьютеров.
Количество комитов авторов на Github неуклонно растет.
В настоящее время Superset широко используется во многих компаниях по всему миру (полный перечень компаний, использующих Apache Superset). Например, Superset запускается в производственной среде Airbnb внутри Kubernetes и ежедневно обслуживает более 600 активных пользователей, просматривающих более 100 000 диаграмм в день.
Также Apache Superset приобретает популярность в России, в том числе после ухода западных вендоров.
Ознакомиться с полным функционалом и настройками Superset можно в официальной документации https://superset.apache.org/docs/intro.
Читать дальше
@data_analysis_ml
Это приглашение на «быстрое свидание» с работой мечты в команде Сбера.
One Day Offer — самый короткий путь до оффера. Пройти собеседование и получить ответ в тот же день можно 16 и 17 июля по двум вакансиям: Data Engineer в ИТ-команду «Комплаенс» и Java Developer в ИТ-подразделение «Сеть продаж».
Как это работает?
Шаг 1. 16 июля или 17 июля (в зависимости от вакансии) подключитесь к онлайн-интервью.
Шаг 2. Получите предложение о работе, о которой мечтали, в тот же день.
Шаг 3. А дальше — вместе со своей командой разрабатывайте крутые и важные продукты Сбера.
Прочитать подробнее о вакансиях и отправить заявку на участие в One Day Offer можно здесь.
