ru
Feedback

Не попадитесь на канал ботавода! Telemetrio находит и помечает такие каналы 👉 Хотите видеть метку — оформите подписку

Анализ данных (Data analysis)

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 51 929 подписчиков, занимая 2 575 место в категории Технологии и приложения и 11 804 место в регионе Россия.

📊 Показатели аудитории и динамика

С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 51 929 подписчиков.

Согласно последним данным от 18 ноября, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило 379, а за последние 24 часа — 21, при этом общий охват остаётся высоким.

  • Статус верификации: Не верифицирован
  • Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 12.13%. В первые 24 часа после публикации контент обычно набирает 8.35% реакций от общего числа подписчиков.
  • Охват публикаций: В среднем каждый пост получает 6 299 просмотров. В течение первых суток публикация набирает 4 337 просмотров.
  • Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 169.
  • 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 19 ноября, 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.

51 929
Подписчики
+2124 часа
-457 дней
+37930 дней
Архив постов
🖥 dtreeviz: инструмент визуализации и интерпретации деревьев решений Если вы хотите найти простой способ визуализации и инте
+1
🖥 dtreeviz: инструмент визуализации и интерпретации деревьев решений Если вы хотите найти простой способ визуализации и интерпретации модели дерева решений, используйте dtreeviz. На изображении выше показан результат работы dtreeviz при применении инструмента к DecisionTreeClassifier. ▪Github @data_analysis_ml
30 мая 2023, 06:02

✅ Покажем на практике как деплоить модели в production Владение инструментами MLOps открывает новые карьерные горизонты специ
✅ Покажем на практике как деплоить модели в production Владение инструментами MLOps открывает новые карьерные горизонты специалистам ML, Data Scientist’ам и Software инженерам. 📌 Ответьте на 10 вопросов и проверьте, насколько вы готовы к обучению на курсе «MLOps» от OTUS. Время прохождения теста ограничено 30 минут ПРОЙДИТЕ ТЕСТ — сможете занять место в группе по спец.цене 👉 https://otus.pw/1i9N/ Нативная интеграция. Информация о продукте www.otus.ru
30 мая 2023, 04:02
06 июня 2023, ~06:12

🖥 Полезая подборка бесплатных курсов по Python и R 1. Автоматизация тестирования с помощью Selenium и Python - Stepik (INT) 2. Добрый, добрый Python - обучающий курс от Сергея Балакирева - Сергей Балакирев (Stepik) (BEG) 3. Основы программирования на Python - Coursera (BEG) 4. Питонтьютор: Бесплатный курс по программированию с нуля - Виталий Павленко, Владимир Соломатин, Д. П. Кириенко, команда Pythontutor (BEG) 5. "Поколение Python": курс для начинающих - Тимур Гуев, Руслан Чаниев, Анри Табуев (Stepik) (BEG) 6. "Поколение Python": курс для продвинутых - Тимур Гуев, Руслан Чаниев, Благотворительный фонд "Айкью Опшн" (Stepik) (INT) 7. Программирование на Python - Тимофей Бондарев, Павел Федотов (Stepik) (BEG) 8. Python: быстрый старт - Дмитрий Фёдоров (BEG) 9. Python для начинающих (BEG) 10. Python для тех, у кого лапки - Мария Чакчурина, Дмитрий Колосов (Stepik) (INT) 11. Python: основы и применение - Константин Зайцев, Антон Гардер (Stepik) (INT) 🖊 Курсы по R 1. Анализ данных в R - Stepik (INT) 2. Анализ данных в R. Часть 2 - Stepik (INT) 3. Основы программирования на R - Stepik (BEG) @data_analysis_ml
29 мая 2023, 04:51

Создай цифровой продукт вместе с государством и бизнесом и улучши качество жизни в Арктике 🏆 Участвуй в технологическом конк
Создай цифровой продукт вместе с государством и бизнесом и улучши качество жизни в Арктике 🏆 Участвуй в технологическом конкурсе «АРКТЕК ДАТА 2023» и создай цифровой продукт в области устойчивого развития за 2 месяца. Направления: экология, туризм, урбанизация. Подать заявку можно с готовым продуктом или создать с нуля. У тебя будут: ✅ Реальные данные по Арктической зоне ✅ Встречи с экспертами ✅ Трекеры ✅ Онлайн-участие и оффлайн-финал Принять участие могут студенты, молодые профессионалы и отраслевые эксперты, Data Science лаборатории, студии разработки IT-продуктов и стартапы. Состав команд от 3 до 5 человек. 💸 Призовой фонд 3 000 000 рублей. Конкурс организован при поддержке Минвостокразвития России, МИД России, ФАНУ «Востокгосплан», госкорпорации «Росатом», компании МегаФон и геомаркетингового сервиса «Геоинтеллект». ❗️Регистрация открыта до 23:59 8 июня. https://clck.ru/34YDvE
29 мая 2023, 02:51
06 июня 2023, ~06:12

Полезные инструменты: RATH — альтернатива Tableau с открытым исходным кодом RATH относительно новый инструмент, который имеет одно из самых быстрорастущих сообществ на GitHub. Благодаря передовым технологиям и новаторскому подходу к анализу и визуализации данных, RATH быстро завоевала популярность среди профессионалов по работе с данными. Сообщество RATH быстро растет: разработчики, специалисты по данным и бизнес-аналитики вносят свой вклад в его развитие и делятся идеями о том, как максимально использовать его потенциал. Независимо от того, являетесь ли вы опытным аналитиком данных или только начинаете, RATH является обязательным инструментом для всех, кто хочет улучшить свои навыки анализа и визуализации данных. ▪Kanaries(k6s) RATH ▪Больше информации о RATH @data_analysis_ml
27 мая 2023, 05:58

⚡️ Стартовал прием заявок на Технологический конкурс НТИ Up Great «Экстренный поиск»! Участникам предстоит преодолеть комплек
⚡️ Стартовал прием заявок на Технологический конкурс НТИ Up Great «Экстренный поиск»! Участникам предстоит преодолеть комплексный технологический барьер, предусматривающий разработку технологий и технических решений, объединенных в единую систему, позволяющую эффективно использовать техническое зрение при поиске пропавших людей с применением беспилотных воздушных судов (БВС). На первом этапе (Сателлит №1) участникам необходимо разработать программное решение для поиска объектов (людей) на изображениях, полученных с БВС. Призовой фонд Сателлита №1 составляет 5 млн руб. Лучшим командам, удовлетворяющим требованиям технического регламента, организаторами будут предоставлены БВС для участия во втором этапе (Сателлит №2) и финале конкурса. Призерами и победителями могут стать только налоговые резиденты РФ. 📲 Заявки на Сателлит № 1 принимаются до 12 июня 2023 г. по ссылке. Конкурс организуется совместно МФТИ, Фондом НТИ и добровольческим поисково-спасательным отрядом «ЛизаАлерт». Общий призовой фонд составляет 135 млн руб.
27 мая 2023, 04:58
29 мая 2023, ~04:25

🗺 Создание географической карты с интерактивными маркерами: руководство по Plotly Dash Хочу поделиться с вами решением задач
🗺 Создание географической карты с интерактивными маркерами: руководство по Plotly Dash Хочу поделиться с вами решением задачи наглядного представления большого объёма данных с возможностью детального просмотра информации по интересующим объектам. ▪Читать @data_analysis_ml
26 мая 2023, 04:21

🖥 faker: Create Fake Data in One Line of Code Чтобы быстро создать фейковые данные для тестов, попробуйте использовать faker
🖥 faker: Create Fake Data in One Line of Code Чтобы быстро создать фейковые данные для тестов, попробуйте использовать faker. В приведенном коде показаны некоторые возможности быстрой генерации данных с faker. pip install Faker from faker import Faker fake = Faker() fake.name() # 'Lucy Cechtelar' fake.address() # '426 Jordy Lodge # Cartwrightshire, SC 88120-6700' fake.text() # 'Sint velit eveniet. Rerum atque repellat voluptatem quia rerum. Numquam excepturi' 🖥 Github @pythonl
25 мая 2023, 06:02

🔥 Data scientist и другие digital-специалисты! Открыта регистрация на онлайн-чемпионат по анализу данных SIBUR CHALLENGE 202
🔥 Data scientist и другие digital-специалисты! Открыта регистрация на онлайн-чемпионат по анализу данных SIBUR CHALLENGE 2023 // ГЕНЕРАЛИЗАЦИЯ. Участникам предстоит поработать с реальными кейсами крупной нефтехимической компании Сибур и решить две задачи на выбор. Вы получите поддержку от экспертов индустрии, доступ к сообществу единомышленников и дополнительные вознаграждения за активности. А еще — шанс получить приглашение на работу или стажировку! 🏆 Призовой фонд — 1 млн рублей. На каждую из двух задач приходится по 3 места: 1 место — 250 тысяч рублей. 2 место — 150 тысяч рублей. 3 место — 100 тысяч рублей. Основная работа будет проходить в онлайне на платформе AI Today. Можно участвовать индивидуально или в команде. Присоединиться к соревнованию можно до 7 июня. Успейте подать заявку и побороться за призовой фонд в 1 млн рублей. 👨‍💻 Регистрация и подробности: https://clck.ru/34WAyY Организаторы: Сибур Диджитал, AI Community и AI Today.
25 мая 2023, 04:02

🖥 snoop : Интеллектуальная печать для отладки вашей функции Python Если вы хотите понять, что происходит в вашем коде, без и
🖥 snoop : Интеллектуальная печать для отладки вашей функции Python Если вы хотите понять, что происходит в вашем коде, без использования множества операторов print, попробуйте использовать snoop. Вы увидите журнал работы вашей функции, включая то, какие строки выполнялись и когда, и что происходит с каждой из переменных. Чтобы использовать библиотеку, просто добавьте декоратор @snoop в свою функцию. import snoop @snoop def factorial(x: int): if x == 1: return 1 else: return (x * factorial(x-1)) if __name__ == '__main__': num = 2 print(f'The factorial of {num} is {factorial(num)}') 🖥 Github @pythonl
24 мая 2023, 14:03

Ребята из Авито ищут аналитиков в кластеры Trust and Safety и Business Security. Открыты позиции: ➡️ Команда жилой недвижимос
Ребята из Авито ищут аналитиков в кластеры Trust and Safety и Business Security. Открыты позиции: ➡️ Команда жилой недвижимости ➡️ Команда модерации ➡️ Команда рейтингов и отзывов Из приятного: • Много качественных данных, мощная инфраструктура и инструменты, любое необходимое железо — всё готово для продуктивной работы; • Возможность влиять на бизнес и развитие продукта; • Прозрачная система премий, достойная зарплата — размер обсудим на собеседовании; • Личный бюджет на обучение — книги, курсы и конференции; • ДМС со стоматологией с первого дня, в офисе принимают терапевт и массажист; • Возможность совмещать работу из дома и комфортного офиса в 2 минутах от «Белорусской» с панорамным видом на центр города, местами для уединенной работы, двумя спортивными залами, зонами отдыха и гамаками. Не откладываем (а то мы вас знаем), а сразу переходим по ссылкам и откликаемся!
24 мая 2023, 12:02

📖wordfreq: оценка частоты слова на 40 языках Если вы хотите определить частоту употребления определенного слова в вашем текс
📖wordfreq: оценка частоты слова на 40 языках Если вы хотите определить частоту употребления определенного слова в вашем тексте, попробуйте использовать wordfreq. wordfreq поддерживает 40 языков. Библиотека охватывает даже слова, которые встречаются хотя бы один раз на 10 миллионов слов. Пример использования приведен выше. pip3 install wordfreq Пример работы: import matplotlib.pyplot as plt import seaborn as sns from wordfreq import word_frequency print(word_frequency("eat", "en")) # 0.000135 print(word_frequency("the", "en")) # 0.0537 sentence = "There is a dog running in a park" words = sentence.split(" ") word_frequencies = [word_frequency(word, "en") for word in words] sns.barplot(words, word_frequencies) plt.show() ▪Ссылка на wordfreq @data_analysis_ml
24 мая 2023, 07:06

nbdime: Полезная библиотека для контроля версий для Jupyter Notebook Если вы хотите сравнить предыдущую и текущую версии ноут
nbdime: Полезная библиотека для контроля версий для Jupyter Notebook Если вы хотите сравнить предыдущую и текущую версии ноутбука, используйте nbdime. На картинке выше показано, как сравниваются две версии ноутбука с помощью nbdime. Так же инструмент позволяет удобно мерджить ноутбуки. pip install nbdime 🖥 Github @data_analysis_ml
22 мая 2023, 12:22

Как начинающему Data Science-специалисту получить опыт для старта карьеры? Можно пройти стажировку. Будьте готовы к тому, что
Как начинающему Data Science-специалисту получить опыт для старта карьеры? Можно пройти стажировку. Будьте готовы к тому, что вы охватите узкий пул несложных задач, а ваше развитие будет ограничено спецификой компании. И не забывайте, что даже на этапе отбора есть конкуренция, а её выдержит не каждый. Есть и другой вариант — пройти «Симулятор аналитика». Это тренажёр реальной работы, где за 4 недели вы научитесь решать максимально разнообразные задачи: ▪️ Разрабатывать интерактивные дашборды ▪️ Автоматизировать поиск аномалий в данных ▪️ Строить ETL-пайплайны ▪️ Анализировать продуктовые метрики ▪️ Планировать и запускать A/B-тесты Суть симулятора — создать приближенные к реальным условия и подготовить вас к первой работе. Вы сможете безопасно ошибаться, не боясь увольнения, и наберётесь опыта. А в конце наши HR помогут получить оффер. Записывайтесь на симулятор, старт уже сегодня!
22 мая 2023, 10:22
29 мая 2023, ~07:13

Я попробовал 84 плагина на ChatGPT. Вот лучшие из них! Плагины — это новые модули, доступные пользователям ChatGPT Plus, кото
Я попробовал 84 плагина на ChatGPT. Вот лучшие из них! Плагины — это новые модули, доступные пользователям ChatGPT Plus, которые навсегда изменят ChatGPT, поскольку они добавляют множество функций к тому, что искусственный интеллект может делать изначально. На сегодняшний день в магазине плагинов их насчитывается около 84. Я попробовал их все, и в этой статье я поделюсь с вами теми, которые я считаю лучшими. Читать @data_analysis_ml
21 мая 2023, 06:47

🖥 Полезный интсрумент Класс ChainMap() модуля collections в Python. Обновляемый, производительный контейнер словарей dict(). Класс ChainMap() предназначен для быстрого объединения нескольких словарей, чтобы их можно было рассматривать как единое целое. Такой контейнер объединяет словари и ищет ключи намного быстрее, чем создание нового словаря и выполнение объединения при помощи вызовов dict.update(). Класс ChainMap() может использоваться для имитации вложенных областей и полезен при создании шаблонов. Смотрите примеры использования ChainMap Синтаксис: import collections d = collections.ChainMap(*maps) Параметры: *maps - один или несколько словарей. Возвращаемое значение: собственный тип ChainMap. Описание: Класс ChainMap() модуля collections группирует несколько словарей или других сопоставлений для создания единого обновляемого представления. Если словари maps не указаны, то будет создан один пустой словарь. >>> from collections import ChainMap >>> first = {'two': 22, 'three': 3} >>> last = {'one': 1, 'two': 2} >>> d = ChainMap(first, last) >>> d # ChainMap({'two': 22, 'three': 3}, {'one': 1, 'two': 2}) При добавлении словарей, одинаковые ключи не затираются новыми значениями, вместо этого словари добавляются и хранятся в обновляемом списке. Доступ к этому списку можно получить используя атрибут d.maps. Класс поддерживает все основные методы словарей dict(). Операции добавления, обновления и удаления значений могут быть произведены только со словарем, который был добавлен первым. Через атрибут maps можно изменять ВСЕ словари. Доступ к конкретному словарю осуществляется по индексу в списке атрибута d.maps[i], а изменения осуществляются через их методы dict(). # доступ к словарям >>> d.maps[0] # {'one': 1, 'two': 2, 'four': 4} >>> d.maps[1]['three'] # 3 # изменяем словари и не забываем, что мы # поменяли их местами - 'd.maps.reverse()' >>> d.maps[0]['five'] = 5 >>> del d.maps[0]['four'] >>> d.maps[1]['four'] = 4 >>> d # ChainMap({'one': 1, 'two': 2, 'five': 5}, {'three': 3, 'one': 11, 'four': 4}) # исходные словари то же изменились >>> first # {'three': 3, 'one': 11, 'four': 4} >>> last # {'one': 1, 'two': 2, 'five': 5} # изменяем список словарей >>> d.maps.pop() # {'three': 3, 'one': 11, 'four': 4} >>> d # ChainMap({'one': 1, 'two': 2, 'five': 5}) # добавляем в экземпляр `ChainMap()` новый словарь >>> new_dict = {'a': 10, 'b': 20, 'c': 30} >>> d.maps.append(new_dict) >>> d # ChainMap({'one': 1, 'two': 2, 'five': 5}, {'a': 10, 'b': 20, 'c': 30}) >>> del d.maps[1]['c'] >>> d.maps[0]['one'] = 0 >>> d # ChainMap({'one': 0, 'two': 2, 'five': 5}, {'a': 10, 'b': 20}) # исходные словари >>> last {'one': 0, 'two': 2, 'five': 5} >>> new_dict {'a': 10, 'b': 20} ▪Подробнее @data_analysis_ml
20 мая 2023, 05:01

🔍 Где искать работу Дата Саентисту? Собрали для вас список площадок для поиска работы или фрланс-проекта в области Data Science. 1. Toptal Toptal - один из крупнейших фриланс сайтов для специалистов по анализу данных. В отличие от многих других бирж фриланса в Toptal соискатели проходят тестирование в различных областях, включая знание английского языка и технические навыки, в области SQL и Python для data science. 2. Open Data Science Jobs Open Data Science Jobs - одна из крупнейших площадок вакансий, посвященных только науке о данных. Такие компании, как Bose, использовали эту доску объявлений для поиска специалистов по науке о данных для оптимизации своей бизнес-аналитики. 3. Kaggle Kaggle - одно из крупнейших сообществ датасаентистов. Kaggle предоставляет наборы данных, проводит соревнования и вообще способствует процветанию сообщества специалистов по анализу данных. Доска вакансий Kaggle - один из лучших вариантов для начала поиска проекта для рабрты. Ее услугами пользуются крупнейшие компании (Amazon, Capital One и AIG и тд). 4. Scalable Path Если у вас есть готовая команда датасаентистов и вы хотите найти интерсный проект , Scalable Path - отличный вариант. 5. Gigster Еще одина крупная фриланс площадка с проектами ds. 6. iCrunchData - это доска объявлений c вакансиями в области науки о данных. 7. X-Team X-Team - рынок фриланса, где можно работать, как одному, так и в команде. 8. Gun.io Gun.io очень похож на Toptal, быстро и эффективно подбирая для компаний квалифицированных инженеров по науке о данных. С тысячами зарегистрированных членов Gun.io является восходящей звездой в индустрии фриаланса. 9. R-users Простой поиск по сайту R-users позволяет найти десятки вакансий в области науки о данных, в которых используется язык программирования R. 10. AngelList AngelList - это место, где встречаются ит- предприниматели и инвесторы. 11. Engineering Jobs Если вы ищете ds проект Engineering Jobs может стать отличным местом для поиска интересной работы. 12. Dice Dice - доскоа объявлений о карьере в сфере технологий и ИТ. Эта доска известна тем, что привлекает архитекторов программного обеспечения, инженеров, QA-тестеров и инженеров по анализу данных. 13. SimplyHired SimplyHired - это еще одна крупная доска объявлений о работе, похожая на Indeed или Monster. 14. Папка с каналами для поиска работы в телеграме. Телеграм каналы и чата, где публикуются вакансии ds, python и не только. Очень полезная папка (папки поддерживаются только в последних версиях тг), где можно найти вакансию на любой ЯП. Ставьте 👍 , если полезно. @data_analysis_ml
19 мая 2023, 05:44

Часто на Hadoop-кластерах не хватает ресурсов. Когда некоторые аналитики просят огромное количество ядер и памяти для своих J
Часто на Hadoop-кластерах не хватает ресурсов. Когда некоторые аналитики просят огромное количество ядер и памяти для своих Jupyter-ноутбуков, другие участники вообще не могут получить ресурсы. Это очень тормозит рабочие процессы. Узнали, согласны? Александр Ледовский, тимлид команды аналитики и DS в Авито, делится опытом использования Apache Spark для работы с поисковыми логами. Всё, что нужно знать аналитикам, дата-инженерам, специалистам по обработке больших данных и тимлидам команд, чтобы задавать параметры Spark-сессии и получать ресурсы. Переходите и читайте по ссылке. Реклама. ООО «Авито Тех». LdtCKLU3N
19 мая 2023, 03:40
06 июня 2023, ~06:12

❗️Как пройти техническое собеседование на ML-специалиста? ⚠️ Узнайте на примере mock-интервью с преподавателями курса «MLOps»
❗️Как пройти техническое собеседование на ML-специалиста? ⚠️ Узнайте на примере mock-интервью с преподавателями курса «MLOps» в OTUS! На открытом уроке вы сможете наблюдать один из этапов собеседования при найме ML-специалистов — ML System Design секцию. 👉 Для удачного прохождения этого этапа не достаточно только знания алгоритмов машинного обучения. Также проверяются навыки проектирования ML систем, которые могут успешно работать в промышленной среде. Больше инструментов MLOps ждет вас на курсе. Обратите внимание: возможные способы оплаты обучения. 👉 Готовьте вопросы и записывайтесь на вебинар! https://otus.pw/OOzA/ Нативная интеграция. Информация о продукте www.otus.ru
18 мая 2023, 03:01
25 мая 2023, ~04:58