Уже доступно! Исследование Telegram 2025 — ключевые инсайты года 
Machine learning Interview
Открыть в Telegram
ИИ, Rust, вайбкодинг, Data Science, Deep Learning и делюсь тем, что интересно и полезно! Вопросы - @workakkk РКН: clck.ru/3FmwRz
Больше📈 Аналитический обзор Telegram-канала Machine learning Interview
Канал Machine learning Interview (@machinelearning_interview) языкового сегмента Русский является активным участником. Сейчас сообщество объединяет 30 032 подписчиков, занимая 4 585 место в категории Технологии и приложения и 21 928 место в регионе Россия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 30 032 подписчиков.
Согласно последним данным от 14 июня, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило 41, а за последние 24 часа — -8, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 20.73%. В первые 24 часа после публикации контент обычно набирает 7.14% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 6 226 просмотров. В течение первых суток публикация набирает 2 143 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 39.
- Тематические интересы: Контент сосредоточен на ключевых темах, таких как claude, llm, контекст, hermes, nvidia.
📝 Описание и контентная политика
Автор описывает ресурс как площадку для выражения субъективного мнения:
“ИИ, Rust, вайбкодинг, Data Science, Deep Learning и делюсь тем, что интересно и полезно!
Вопросы - @workakkk
РКН: clck.ru/3FmwRz”
Благодаря высокой частоте обновлений (последние данные получены 16 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.
30 032
Подписчики
-824 часа
-97 дней
+4130 день
Архив постов
🖥 100 вопросов для подготовки к собесу Python
https://habr.com/ru/articles/782266/
@python_job_interview
▶ Новая версия документации matplotlib!
Как создавать анимацию: https://matplotlib.org/3.7.3/tutorials/introductory/animation_tutorial.html#sphx-glr-tutorials-introductory-animation-tutorial-py
и все об аннотациях: https://matplotlib.org/devdocs/users/explain/text/annotations.html#annotations
@machinelearning_interview
🤗 Как построить интерактивное пространство HF для визуализации набора данных изображений
https://huggingface.co/blog/MarkusStoll/interactive-hf-space-to-visualize-image-datasets
@machinelearning_interview
Легкий старт карьеры в Data Science и анализе данных
Начните с бесплатного урока от Марии Тихоновой – Senior Data Scientist в SberDevices и преподавателя ВШЭ.
В результаты вебинара вы:
- узнаете, чем машинное обучение отличается от классического программирования;
- научитесь решать задачи классификации методами ML;
- обучите свою первую ML-модель для распознавания рукописных цифр.
Занятие пройдёт 26 декабря в 18:00 мск и будет приурочено к старту курса «Специализация Machine Learning». После урока вы сможете продолжить обучение на курсе в рассрочку.
Для бесплатного участия и получения записи регистрируйтесь прямо сейчас: https://otus.pw/e78v/?erid=LjN8KG8AD
Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963
⚡️ Если вы хотите начать изучать машинное обучение на практике:
Intro to Machine Learning от Kaggle поможет вам построить свою первую модель!
- 8 уроков.
- 100% бесплатно.
Поробовать: http://kaggle.com/learn/intro-to-machine-learning
@machinelearning_interview
🔥 101 упражнение Pandas & 100 упражнений по Numpy
Практические задачи по анализу данных с ответами. Полезные тренажёры, которые помогут подготовиться к собеседованиям.
📌 Pandas - https://machinelearningplus.com/python/101-pandas-exercises-python/
▪24 Важные функции Pandas
📌 Numpy - https://github.com/rougier/numpy-100
▪Продвинутый NumPy
▪Numpy видео-курс
@machinelearning_interview
Хотите узнать секреты создания ChatGPT и любого другого LLM-продукта?
Большие языковые модели (LLM) помогают ускорять работу компании, а ML-специалисту — становиться в разы более востребованным.
Чтобы узнать как создавать такие продукты приходите на бесплатный вебинар от школы karpovꓸcourses, на котором вы:
● Изучите паттерны проектирования и построения таких систем (всё проще чем кажется!)
● Разберёте кейсы, где языковые модели ускорят, а где наоборот помешают разработке продукта
● Поймёте, какие навыки необходимы для работы с LLM
Вебинар проведёт Богдан Печёнкин, фаундер AI-стартапа и соавтор Симулятора МЛ-инженера от karpovꓸcourses
Встречаемся 21 декабря в 18:00
Регистрируйтесь, чтобы попасть на вебинар
⚡️ 30+ проектов, которые помогут вам добиться успеха на собеседованиях и в поисках работы в области Data Science и Data Analytics.
Охватывает:
1. Начальный уровень
2. Срдений уровень
3. Продвинутый уровень
К проектам прилагаются датасет и пояснения к ним.
👉 Статья
@machinelearning_interview
👉 Awesome ML для кибербезопасности
Список полезных инструментов и ресурсов, связанных с использованием машинного обучения для кибербезопасности.
🔗 https://github.com/jivoi/awesome-ml-for-cybersecurity
@machinelearning_interview
erid: LjN8K5NSk
Привет!
Мы BAUM, российская IT-компания. Наша работа — создавать продвинутые системы хранения данных и прикладной искусственный интеллект.Недавно мы завели аккаунт, где будем делиться своим опытом, давать советы для успешной карьеры, публиковать вакансии и рассказывать об интересных событиях из нашей жизни.
Обещаем, что будет очень полезно и совсем не душно – подписывайся!
Реклама. ООО "СХД БАУМ". ИНН 9731024067.
👨🎓 Бесплатный курс от Гарвардского университета: Введение в искусственный интеллект с помощью Python:
Это невероятный ресурс, которым стоит воспользоваться!
https://pll.harvard.edu/course/cs50s-introduction-artificial-intelligence-python
@machinelearning_interview
Новогодние подарки от karpovꓸcourses для тех, кто хочет сильно прокачать свою карьеру
Только в декабре можно выгодно приобрести комбо «курс + симулятор» для полноценного старта/апгрейда карьеры в машинном обучении:
▪️Курс Start ML даст крепкие знания и навыки для старта карьеры и работы junior-специалистом
▪️Симулятор ML позволит наработать много практики на реальных задачах бизнеса, создать свой пет-проект для портфолио и попасть в классное комьюнити
Записаться можно до конца декабря
[Забронировать скидку]
🖥 Почему PostgreSQL признан самым лбимой бд по результатам опроса разработчиков Stackoverflow?
На диаграмме показано множество вариантов использования PostgreSQL - одной базы данных, которая включает в себя почти все функции необходимых разработчикам.
🔹OLTP (Online Transaction Processing)
Мы можем использовать PostgreSQL для CRUD-операций (Create-Read-Update-Delete).
🔹OLAP (Online Analytical Processing)
Мы можем использовать PostgreSQL для аналитической обработки. PostgreSQL основан на архитектуре 𝐇𝐓𝐀𝐏 (Hybrid transactional/analytical processing), поэтому он может хорошо работать как с OLTP, так и с OLAP.
🔹FDW (Foreign Data Wrapper)
FDW - это расширение, доступное в PostgreSQL, которое позволяет нам обращаться к таблице или схеме одной базы данных из другой.
🔹Streaming
PipelineDB - это расширение PostgreSQL для высокопроизводительной агрегации временных рядов, предназначенное для работы с отчетами и аналитическими приложениями в реальном времени.
🔹Geospatial
PostGIS - это расширитель базы данных для объектно-реляционной базы данных PostgreSQL. Он добавляет поддержку географических объектов, позволяя выполнять запросы на определение местоположения в SQL.
🔹Временные ряды
Timescale расширяет PostgreSQL для работы с временными рядами и аналитикой. Например, разработчики могут объединять непрерывные потоки финансовых и тиковых данных с другими бизнес-данными для создания новых приложений и получения уникальных знаний.
🔹Распределенные таблицы
CitusData масштабирует Postgres за счет распределения данных и запросов.
Какая база данных вам нравится больше всего?
@sqlhub
Оффер за выходной в Big Data.МегаФон для Data-специалистов!
Зарплата от 250 до 450 тысяч рублей в зависимости от грейда, уютный офис или полная удаленка на территории РФ, а также ДМС со стоматологией и страховкой. На этом бонусы не заканчиваются: оплата связи, компенсация фитнеса, обучение за счет компании и многое другое.
Вам предстоит работать с масштабными проектами:
— разрабатывать аналитические сервисы на базе AI;
— анализировать бизнес-процессы и внедрять языковые модели для облегчения рутины в LLM;
— тестировать продуктовые и ML-гипотезы.
Мегафон — оператор №1 по покрытию сети и скорости мобильного интернета. Оставляйте заявку и меняйте рынок телекома: https://u.to/0m0sIA
🔥 5 бесплатных курсов от Microsoft, которые не стоит игнорировать:
1. Наука о данных
https://microsoft.github.io/Data-Science-For-Beginners/#/
2. Машинное обучение
https://microsoft.github.io/ML-For-Beginners/#/
3. Искусственный интеллект
https://microsoft.github.io/AI-For-Beginners/
4. Бессерверные приложения
https://learn.microsoft.com/en-us/training/paths/create-serverless-applications/
5. Microsoft Azure
https://learn.microsoft.com/en-us/training/paths/create-no-code-predictive-models-azure-machine-learning/
@machinelearning_interview
❓В каком порядке выполняются SQL-запросы❓
В SQL порядок выполнения запросов обычно определяется логическим порядком обработки запросов.
Ниже приведен общий логический порядок обработки SQL-запросов:
1️⃣Предложение FROM:
Сначала обрабатываются источники данных, указанные в предложении FROM.
2️⃣Предложение WHERE:
Предложение WHERE применяется для фильтрации строк на основе заданных условий.
3️⃣Предложение GROUP BY:
Если присутствует предложение GROUP BY, то строки группируются по указанным столбцам.
4️⃣Предложение HAVING:
Если присутствует предложение HAVING, то оно фильтрует группы на основе агрегированных условий.
5️⃣Предложение SELECT:
Затем к набору результатов применяется предложение SELECT.
Выбираются столбцы и вычисляются выражения.
6️⃣Предложение ORDER BY:
Если присутствует предложение ORDER BY, то набор результатов сортируется по указанным столбцам.
7️⃣LIMIT/OFFSET:
Если имеется условие LIMIT или OFFSET, то конечный набор результатов будет соответственно ограничен или смещен.
⚠️Как специалисту по машинному обучению попасть в крупную компанию?
Освоить востребованный скилл на бесплатном открытом уроке «Ассоциативные правила в теории рекомендательных систем» от OTUS и Марии Тихоновой – Senior Data Scientist в «SberDevices» и преподавателя ВШЭ.
🔹На вебинаре вы изучите теорию ассоциативных правил и примените полученные знания на практике
🔹Узнаете, как искать ассоциативные правила в покупательских корзинах и сможете находить ассоциативные правила в рекомендательных системах инструментами Python.
Занятие пройдёт 4 декабря в 18:00 мск и будет приурочено к старту курса «Machine Learning. Professional».
👉 Регистрация
https://otus.pw/HpnO/?erid=LjN8JtMMe
Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.
👉 Серия проектов и учебники по машинному обучению
Серия туториалов по pytorch.
В этом репозитории вы найдете учебники и проекты, связанные с машинным обучением.
🔗 https://github.com/aladdinpersson/Machine-Learning-Collection
🎞 www.youtube.com/c/AladdinPersson
@machinelearning_interview
🚀 Связные списки в алгоритмических собеседованиях
📌 "Книжного академического образования недостаточно. Книги - это замечательно, но они не помогут вам пройти собеседование. Почему? Подскажу: интервьюверы не видели красно-черных деревье со времен своего обучения в университете. Чтобы успешно пройти собеседование, нужно готовиться на реальных вопросах, встречающихся на собеседованиях" - Лакман Макдауэлл
🗓 2 декабря в 18:00 по МСК пройдет бесплатный урок по подготовке к алгоритмическим собеседования от Senior разработчика из Тинькофф и спикера HighLoad (ex-разработчика Яндекс, Huawei)
На открытом уроке решишь >8 задач, изучишь теорию, которая точно пригодится на собеседовании, и сможешь задать вопросы человеку, который успешно прошел алгоритмические секции в OZON, Tinkoff, VK, СБЕР, Яндекс и Авито
Зарегистрироваться
ℹ️Объяснение 4 наиболее часто используемых типов очередей на одной диаграммеℹ️
Очереди - это популярные структуры данных, широко используемые в системе. На диаграмме ниже показаны 4 различных типа очередей, которые мы часто используем.
1️⃣ Простая очередь FIFO
Простая очередь работает по принципу FIFO. Новый элемент вставляется в хвост очереди, а элемент удаляется из ее головы.
2️⃣ Кольцевой буфер
Круговую очередь также называют круговым или кольцевым буфером. Последний элемент связан с первым элементом. Вставка происходит в начале очереди, а удаление - в ее конце.
3️⃣ Приоритетная очередь
Элементы в приоритетной очереди имеют заранее определенные приоритеты. Мы берем из очереди элемент с самым высоким (или самым низким) приоритетом.
4️⃣ Deque
Очередь Deque также называется двусторонней очередью. Вставка и удаление могут происходить как в начале, так и в конце. Deque поддерживает как FIFO, так и LIFO (Last In First Out).
@machinelearning_interview
