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 51 911 подписчиков, занимая 2 572 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 51 911 подписчиков.

Согласно последним данным от 16 ноября, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило 444, а за последние 24 часа — -8, при этом общий охват остаётся высоким.

  • Статус верификации: Не верифицирован
  • Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 11.63%. В первые 24 часа после публикации контент обычно набирает 8.47% реакций от общего числа подписчиков.
  • Охват публикаций: В среднем каждый пост получает 6 040 просмотров. В течение первых суток публикация набирает 4 397 просмотров.
  • Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 192.
  • 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 17 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.

51 911
Подписчики
-824 часа
+27 дней
+44430 дней
Архив постов
❓Хотите перейти в BI-аналитику? Сделайте первые шаги на пути к новому этапу в карьере уже 30 января в 20:00! Приглашаем вас н
❓Хотите перейти в BI-аналитику? Сделайте первые шаги на пути к новому этапу в карьере уже 30 января в 20:00! Приглашаем вас на открытый урок «Подготовка данных для дашборда в Pandas» в OTUS. Вебинар состоится в рамках онлайн-курса «BI-аналитика» для продуктовых и маркетинговых аналитиков, аналитиков данных, Product Owner’ов и Project Manager’ов, Data Scientist’ов, Data Engineer’ов и выпускников, которые хотят работать в области BI-аналитики. ✅На занятии вы узнаете про методы предобработки и “очистки” данных для дальнейшего построения дашбордов в Python Pandas. ➡️Какой результат мы получим? Преобразуем учебный набор данных, очистим его от пропусков и дубликатов, посмотрим различные способы трансформации (группировка, транспонирование строк/столбцов и т.д.). ➡️Пройдите вступительный тест, чтобы определить уровень своей подготовки и записаться на урок: https://otus.pw/3QTv/ Реклама. Информация о рекламодателе на сайте www.otus.ru.
27 янв. 2023, 03:04
10 февр. 2023, ~20:52

🔍 4 Библиотеки Python для Feature Engineering, которые вам стоит использовать в 2023 году "Feature Engineering" (отбор призн
🔍 4 Библиотеки Python для Feature Engineering, которые вам стоит использовать в 2023 году "Feature Engineering" (отбор признаков)- это процесс использования предметной области данных для создания признаков. Feature Engineering является фундаментом для приложений машинного обучения, a также процессом трудным и затратным. Необходимости ручного конструирования признаков можно избежать при автоматизации прикладного обучения признакам. В этой статье я покажу вам 4 популярные библиотеки Python для автоматизированного отбора признаков с которыми каждый Data Science-разработчик должен быть знаком. ▪Читать ▪Зеркало @data_analysis_ml
26 янв. 2023, 04:12

⚡️Как системному аналитику выбрать технологию для API? 🗓Обсудим во вторник, 31 января в 20:00 мск на вебинаре онлайн-курса «
⚡️Как системному аналитику выбрать технологию для API? 🗓Обсудим во вторник, 31 января в 20:00 мск на вебинаре онлайн-курса «Системный аналитик. Advanced» в OTUS. Вместе с преподавателем курса и ведущим аналитиком продуктовой команды Иннокентием Бодровым, посмотрим, как можно работать с классическими REST и SOAP, попробуем заменить их на gRPC и GraphQL. А также разберем несколько кейсов и решим, в каком из них какую технологию лучше применить. ✅Занятие «Выбираем технологию для API» будет полезно: — Аналитикам, перед которыми стоят задачи работы с API, использующими разные технологии — Тем, кто только пытается выбрать, какой API создавать 👉Для регистрации пройдите вступительный тест: https://otus.pw/8kb1/
26 янв. 2023, 02:09
02 февр. 2023, ~02:50

25 янв. 2023, 04:12

Хотите освоить новую профессию в сфере data science? 14 февраля стартует программа профессиональной переподготовки «Специалис
Хотите освоить новую профессию в сфере data science? 14 февраля стартует программа профессиональной переподготовки «Специалист по Data Science». Программа организована Центром непрерывного образования ФКН НИУ ВШЭ. Обучение очное, ведется онлайн-трансляция и рассылаются видеозаписи каждого занятия. 📋Вы начнете обучение с программирования и базовых разделов математики. А потом приступите к последовательному освоению разделов по: ✅машинному обучению, ✅прикладной статистике и обработке данных, ✅работе с большими данными, ✅глубинному обучению и его применениям к изображениям, текстам и сигналам. Большой акцент в программе сделан на практическую работу, поэтому к окончанию курса вы получите не только знания и диплом, но и портфолио проектов. Старт: 14 февраля ❤️ Продолжительность обучения: 15 месяцев. Стоимость: 465 000 рублей. Оплату можно разделить на 8 взносов. Программа курса и регистрация по ссылке.
25 янв. 2023, 02:36
02 февр. 2023, ~02:50

⚡️ Как работать с Big Data быстрее и эффективнее: Kubernetes для Data Science Традиционный подход к построению работы с больш
⚡️ Как работать с Big Data быстрее и эффективнее: Kubernetes для Data Science Традиционный подход к построению работы с большими данными — развернуть Hadoop-кластер, установить дополнительные инструменты и построить на нем платформу для работы с данными. Но в таком подходе есть несколько ограничений, вроде невозможности разделения Storage- и Compute-слоев, сложностей масштабирования и изоляции сред для разных приложений. Даже несмотря на то, что Hadoop можно арендовать у облачного провайдера как сервис (aaS), такой подход все равно мало чем отличается от развертывания на собственном оборудовании. Однако есть другой, Cloud-Native подход работы с большими данными. Он позволяет решить эти проблемы, а также получить дополнительные возможности от облачных технологий. Для этого используют Kubernetes, интегрируя его с различными инструментами. Из статьи вы узнаете, как Kubernetes помогает в работе с Big Data, какие используются инструменты и какие преимущества можно получить по сравнению с классическим развертыванием. ▪Читать @data_analysis_ml
24 янв. 2023, 11:23

Каждый классический БА периодически сталкивается с проблемами: 🧐не понимает, о чём говорят разработчики 🤔есть технические з
Каждый классический БА периодически сталкивается с проблемами: 🧐не понимает, о чём говорят разработчики 🤔есть технические знания, но нет системности и структурности 😞 коллеги вынуждены объяснять технические вопросы буквально на пальцах 😕чувствует себя неуверенно при общении в команде 😐 есть страх приступить к работе на начальной стадии проекта Возможно, и вам знакомы эти проблемы из-за недостаточности технических знаний, отсутствия их системности? 26 января в 19:00 МСК мы проведем вебинар «Технические навыки как спасательный круг для бизнес-аналитика». 🔥Разберём реальные кейсы, поставившие в тупик опытных БА: ✔️как спроектировать информационную систему с применением объектной модели и диаграммы классов; ✔️как разработать требования по интеграции с применением разных паттернов в зависимости от количества и особенностей интегрируемых систем и необходимого функционала; ✔️как описать требования к разным моделям управления доступом. На вебинаре вы узнаете, как технические знания помогают эффективно решать задачи БА, какие навыки прокачать, чтобы повысить свою зарплату. В подарок за регистрацию на вебинар 🎁 Гайд «Типы интеграции информационных систем с подробным описанием» Регистрируйтесь! >>> ❌Повтор и запись вебинара не планируются! Спикер - Александр Грижневич: ➡️ Основатель онлайн-школы для аналитиков GetSkills (Минск) ➡️ 20 лет в IT - 12 лет в разработке и 8+ лет в системном и бизнес-анализе ➡️ 6+ лет преподавания и менторства ➡️ 8 авторских курсов ➡️ 450+ выпускников
24 янв. 2023, 09:19
02 февр. 2023, ~02:50

🏠 Строим свое будущее: как выбрать квартиру, опираясь на методы регрессионного анализа? Для анализа ситуации на рынке недвиж
🏠 Строим свое будущее: как выбрать квартиру, опираясь на методы регрессионного анализа? Для анализа ситуации на рынке недвижимости будем использовать готовый датасет, который состоит из списков уникальных объектов популярных порталов по продаже недвижимости. Набор данных содержит информацию о месторасположении дома, материале, из которого он построен (кирпичный, панельный, деревянный и т.д.), количестве этажей, площади квартиры и его стоимости. ▪Читать @data_analysis_ml
24 янв. 2023, 07:24

Для старта карьеры в машинном обучении не хватает опыта? Решайте реальные рабочие задачи на Симуляторе ML. Под руководством в
Для старта карьеры в машинном обучении не хватает опыта? Решайте реальные рабочие задачи на Симуляторе ML. Под руководством ведущих Data Scientists — Валерия Бабушкина и Богдана Печёнкина — вы не просто прокачаете отдельные навыки, а поймёте, как сводить бизнес-задачи к задачам машинного обучения. Поработав над проектами различного уровня сложности, вы научитесь: - Понимать, какие у бизнеса есть проблемы и какими метриками их можно измерить - Проводить А/В-тесты, чтобы подтверждать прирост метрик - Формулировать задачу для модели - Выбирать подходящую модель и обучать её - Организовывать процесс доставки данных для модели - Оборачивать модель в сервис и деплоить его После симулятора вы сможете успешно пройти собеседование на позицию в сфере ML, получить хорошую работу и приносить пользу бизнесу уже с первых дней. Симулятор работает в режиме подписки и постоянно пополняется новыми задачами. А первые задачи можно порешать бесплатно на демоверсии симулятора. Присоединяйтесь: https://bit.ly/3Hp1AYe
24 янв. 2023, 05:24
02 февр. 2023, ~02:50

23 янв. 2023, 05:53

Как работают облачные технологии и какой реальный эффект от искусственного интеллекта – эксперты показывают на конкретных кей
Как работают облачные технологии и какой реальный эффект от искусственного интеллекта – эксперты показывают на конкретных кейсах Команда облачного провайдера Cloud (ТОП-3 быстрорастущих it-компаний) пригласила своих заказчиков на интервью, чтобы из первых уст и в прямом эфире задать вопросы о том, каких результатов удалось достичь с помощью современных технологий в 2022 году. 24 января в 11:00 приходите на бесплатный вебинар «Облака и ML в бизнесе: истории клиентов Cloud», где вы узнаете: ✅ какие неочевидные возможности скрывают эти технологии; ✅ каких результатов достигли клиенты Cloud после успешного внедрения облаков и AI; ❗️а также все участники вебинара получат доступ к результатам масштабного исследования облачной зрелости, в котором приняло участие более 650 российских компаний (спойлер: по прогнозам Cloud, к 2025 году облака и AI будут применять более 130 тыс. компаний в России) Зарегистрироваться на вебинар
23 янв. 2023, 03:39
29 янв. 2023, ~12:45

22 янв. 2023, 06:44

21 янв. 2023, 09:00

👉 Приглашаем на первое знакомство с машинным обучением! Бесплатный урок «Первичный анализ данных с Pandas» в OTUS в рамках з
👉 Приглашаем на первое знакомство с машинным обучением! Бесплатный урок «Первичный анализ данных с Pandas» в OTUS в рамках запуска специализации «Machine Learning». 💪 После занятия вы будете знать: - Зачем нужен первичный анализ данных в машинном обучении - Какие существуют инструменты для первичного анализа данных в Python - Как визуализировать данные и какая преобработка данных нужна в ML 👱‍♀️ Спикер: Тихонова Мария, руководитель онлайн-курса и Senior Data Scientist в SberDevices. 👉 Чтобы участвовать в прямом эфире, зарегистрируйтесь https://otus.pw/q3yn/
21 янв. 2023, 08:00
30 янв. 2023, ~07:17

21 янв. 2023, 04:21

🌍 Как правильно использовать геоданные в аналитике и как это может повысить точность предиктивных моделей? Значительная част
🌍 Как правильно использовать геоданные в аналитике и как это может повысить точность предиктивных моделей? Значительная часть собираемых данных содержит географическую составляющую, которая зачастую не используется в анализе. В данном канале вы найдете информацию об инструментах обработки и визуализации геоданных, обзоры статей и библиотек, последние новости из мира Location Intelligence, открытые датасеты и примеры использования геоданных для решения практических задач. 👉 Читать
21 янв. 2023, 02:21
30 янв. 2023, ~07:17

20 янв. 2023, 04:01

Если бы java-разработчика спросили, в чём сила, он бы ответил: «В надёжности». Java — надёжный язык, потому что помогает отла
Если бы java-разработчика спросили, в чём сила, он бы ответил: «В надёжности». Java — надёжный язык, потому что помогает отлавливать ошибки до запуска программы. Код состоит из маленьких блоков-объектов, как в конструкторе. Можно исправить кусочек кода в одном месте, чтобы поменять поведение целой системы. Такой подход идеален для разработки масштабных систем с высокой нагрузкой. Так что если вы мечтаете своими руками создавать крупные проекты вроде стримингов и маркет-плейсов с миллионами посетителей — вам в java-разработку. Проверьте, подходит ли вам Java. Напишите приложение для учёта финансов в бесплатной вводной части курса → P.S: в начале может быть сложновато, но как только разберётесь в базе, дело пойдёт быстрее!
20 янв. 2023, 01:59
30 янв. 2023, ~07:17

19 янв. 2023, 13:10

Хотите выйти на новый уровень в аналитике данных и стать действительно крутым специалистом? Всему необходимому для решения своих рабочих задач можно научиться на курсе «Аналитик данных» от школы karpovꓸcourses. За 5 месяцев вы не только изучите теорию, но и на практических кейсах отточите навыки работы со всеми актуальными инструментами для анализа данных. В программу курса входят: – Python и SQL – Git и Airflow – Теория вероятностей – Статистика и A/B-тесты – Продуктовая аналитика – Визуализация данных Обучение построено на реальных задачах индустрии и проходит в формате буткемпа, когда максимум знаний даётся за минимальный срок. Вас будут учить специалисты с опытом работы в топовых IT-компаниях: вы сможете перенять их опыт и не допустить множество ошибок на старте. Записывайтесь на курс по ссылке до 23 января — по промокоду DAML37 вы получите скидку 10%. Также на сайте доступна бесплатная демоверсия — можете начать с неё.
19 янв. 2023, 09:59
30 янв. 2023, ~07:17