Уже доступно! Исследование Telegram 2025 — ключевые инсайты года 
Библиотека собеса по Data Science | вопросы с собеседований
Открыть в Telegram
Вопросы с собеседований по Data Science и ответы на них. Учиться у нас: clc.to/GjjbkQ По рекламе: @proglib_adv Учиться у нас: https://proglib.io/w/7dfb7235 Для обратной связи: @proglibrary_feeedback_bot
Больше4 487
Подписчики
-124 часа
-47 дней
+2230 день
Загрузка данных...
Похожие каналы
Облако тегов
Входящие и исходящие упоминания
---
---
---
---
---
---
Привлечение подписчиков
июнь '26
июнь '26
+64
в 2 каналах
май '26
+79
в 1 каналах
Get PRO
апрель '26
+98
в 1 каналах
Get PRO
март '26
+109
в 0 каналах
Get PRO
февраль '26
+78
в 2 каналах
Get PRO
январь '26
+90
в 1 каналах
Get PRO
декабрь '25
+46
в 1 каналах
Get PRO
ноябрь '25
+66
в 1 каналах
Get PRO
октябрь '25
+55
в 0 каналах
Get PRO
сентябрь '25
+43
в 0 каналах
Get PRO
август '25
+48
в 2 каналах
Get PRO
июль '25
+62
в 0 каналах
Get PRO
июнь '25
+50
в 0 каналах
Get PRO
май '25
+53
в 0 каналах
Get PRO
апрель '25
+82
в 2 каналах
Get PRO
март '25
+136
в 52 каналах
Get PRO
февраль '25
+111
в 31 каналах
Get PRO
январь '25
+147
в 36 каналах
Get PRO
декабрь '24
+180
в 35 каналах
Get PRO
ноябрь '24
+216
в 38 каналах
Get PRO
октябрь '24
+191
в 37 каналах
Get PRO
сентябрь '24
+144
в 36 каналах
Get PRO
август '24
+201
в 36 каналах
Get PRO
июль '24
+193
в 35 каналах
Get PRO
июнь '24
+177
в 30 каналах
Get PRO
май '24
+198
в 36 каналах
Get PRO
апрель '24
+226
в 36 каналах
Get PRO
март '24
+261
в 30 каналах
Get PRO
февраль '24
+275
в 30 каналах
Get PRO
январь '24
+269
в 24 каналах
Get PRO
декабрь '23
+493
в 33 каналах
Get PRO
ноябрь '23
+471
в 12 каналах
Get PRO
октябрь '23
+1 388
в 22 каналах
| Дата | Привлечение подписчиков | Упоминания | Каналы | |
| 26 июня | 0 | |||
| 25 июня | +2 | |||
| 24 июня | +1 | |||
| 23 июня | +7 | |||
| 22 июня | +1 | |||
| 21 июня | +1 | |||
| 20 июня | +1 | |||
| 19 июня | 0 | |||
| 18 июня | +1 | |||
| 17 июня | +2 | |||
| 16 июня | +5 | |||
| 15 июня | +5 | |||
| 14 июня | +1 | |||
| 13 июня | 0 | |||
| 12 июня | +4 | |||
| 11 июня | +2 | |||
| 10 июня | +2 | |||
| 09 июня | +2 | |||
| 08 июня | +3 | |||
| 07 июня | +1 | |||
| 06 июня | +2 | |||
| 05 июня | 0 | |||
| 04 июня | +3 | |||
| 03 июня | +5 | |||
| 02 июня | +8 | |||
| 01 июня | +5 |
Посты канала
Какое критически важное свойство гарантирует дата-сайентисту выпуклость функции потерь (например, MSE в линейной регрессии или LogLoss в логистической регрессии) при обучении модели?
| 2 | Каким образом работает метод MC Dropout на этапе инференса (предсказания)? | 297 |
| 3 | ⏰ Уже сегодня в 19:00 (МСК) стартует наш открытый урок!
Знаем, летом хочется отложить учёбу на осень. Но пока остальные отдыхают 😅, мы предлагаем без лишней конкуренции прокачать свой workflow и начать закрывать тикеты в три раза быстрее.
Тема:
«AI-инструменты в разработке: пишем код быстрее»
Мы покажем живой разбор реального проекта: как с помощью AI-ассистентов мгновенно разбираться в чужой кодовой базе, искать нужные участки и собирать Pull Request. Только рабочие промпты, которые сэкономят вам часы рутины.
🎙️ Спикер — Ольга Лукьянова, руководитель команды в SourceCraft (18+ лет развивала инструменты в JetBrains и Huawei).
👉 Узнать, как ускорить разработку с AI | 302 |
| 4 | Байесовский подход разделяет неопределенность модели на два принципиально разных типа.
Какая неопределенность называется Эпистемической (Epistemic Uncertainty) и как дата-сайентист может её снизить? | 333 |
| 5 | 🤖 Какие задачи можно действительно доверить ИИ?
Уже завтра разберём это на открытом уроке «AI-инструменты в разработке: как писать код быстрее с помощью ассистентов».
Спикер — Ольга Лукьянова, руководитель команды поиска и навигации по коду в SourceCraft от Яндекса.
После урока вы:
🔹 поймёте, какие задачи стоит делегировать AI уже сегодня;
🔹 научитесь быстрее разбираться в новых проектах и кодовой базе;
🔹 увидите, как выглядит современный workflow разработки с AI;
🔹 узнаете, где AI помогает экономить время, а где всё ещё нужен контроль разработчика.
На практике разберём путь от получения задачи до готового Pull Request с использованием AI-инструментов и AI-ревью.
🗓️ 23 июня, 19:00 (МСК)
⏱️ 90 минут
👉 Зарегистрироваться и получить рабочий AI-workflow для своих задач | 347 |
| 6 | В стандартном слое nn.Linear в PyTorch каждый синаптический вес — это конкретное скалярное число (например, w=0.345).Как устроены веса в аналогичном слое Байесовской нейронной сети? | 365 |
| 7 | 🤖 AI пишет код за вас? Это самое скучное, что он умеет
Основное время разработчик тратит на другое: разобраться в чужой кодовой базе, найти нужный участок проекта, проверить решение, собрать Pull Request. Вот где AI реально экономит часы — если знать, как им пользоваться.
23 июня Ольга Лукьянова покажет это на практике: как с помощью современных AI-инструментов быстро погружаться в незнакомый проект, находить нужный код, реализовывать задачи и проверять результат до ревью коллег.
В итоге вы увидите не отдельные приёмы и промпты, а целостный workflow, который можно встроить в свою работу уже на следующий день 🔥
Чтобы лучше погрузиться в тему:
📺 Выступление про SourceCraft
📖 Статья на Хабре
🗓️ Когда: 23 июня, 19:00 (МСК)
👉 Занять место на открытом уроке | 377 |
| 8 | Нет текста... | 386 |
| 9 | Вы обучаете модель и хотите оценить влияние каждого признака на предсказание. Для этого используете permutation importance. Один из признаков получает почти нулевую важность. После его удаления качество модели заметно падает.
Какое объяснение вероятно? | 416 |
| 10 | При обучении модели градиентного бустинга вы заметили, что при увеличении количества деревьев: ошибка на обучающей выборке продолжает уменьшаться, а на валидационной сначала уменьшается, а затем начинает расти.
Какое из действий наиболее обоснованно? | 452 |
| 11 | ⏰ Уже сегодня в 19:00 (МСК) стартует открытый урок!
Тема:
«Мультиагентные системы: почему большинство архитектур переусложнены»
🔥 За 90 минут разберёмся, когда действительно стоит строить мультиагентную систему, а когда она только добавляет сложность, расходы и новые точки отказа.
Поговорим о критериях выбора архитектуры, типичных ошибках и ограничениях современных ИИ-агентов, которые важно учитывать ещё до внедрения в продукт.
🎙️ Спикер — Дмитрий Юдин, руководитель AI/ML-направления в Сloud․ru.
🎁 Для всех участников подготовили промокод на скидку 10 000 ₽ на курс «Разработка ИИ-агентов».
👉 Успей присоединиться к уроку | 447 |
| 12 | Что произойдет с моделью поиска, если во время обучения в качестве негативных примеров использовать только абсолютно случайные и далекие по смыслу объекты (например, к тексту «Собака» негативом всегда будет «Трактор» или «Пицца»)? | 430 |
| 13 | 🔥 Чем больше агентов — тем лучше? Не всегда. Уже завтра поговорим о реальных ограничениях на открытом уроке «Мультиагентные системы: почему большинство архитектур переусложнены».
Спикер — Дмитрий Юдин, руководитель AI/ML-направления в Сloud․ru.
После урока вы:
🔹 будете лучше ориентироваться в выборе между одним агентом и мультиагентной системой;
🔹 поймёте, какие архитектурные ошибки встречаются чаще всего;
🔹 получите практические ориентиры для проектирования и внедрения агентных систем;
🔹 будете лучше понимать возможности и ограничения современных ИИ-агентов.
🗓️ 18 июня, 19:00 (МСК)
⏱️ 90 минут
👉 Зарегистрироваться и получить промокод на 10 000 ₽ | 451 |
| 14 | Какую задачу решает этап Калибровки (Calibration) при квантовании весов, чтобы модель не потеряла свой «интеллект»? | 438 |
| 15 | Операции в Spark делятся на: узкие и широкие.
Какая из следующих операций является Широкой (Wide Transformation) и почему она считается самой «дорогой» и опасной для производительности кластера? | 508 |
| 16 | 🤖 Большинство материалов по ИИ-агентам устаревают быстрее, чем многие курсы успевают обновить программу
Инструменты, подходы и фреймворки меняются постоянно. Поэтому важно не просто собрать демо-агента, а понимать архитектуру, ограничения и практики, которые используются в продакшене.
🚀 30 июня стартует курс «Разработка ИИ-агентов».
⏳ До 20 июня действует сниженная цена.
За 8 недель под руководством практиков из бигтеха вы соберёте собственного AI-агента, который работает с API, использует память, подключается к внешним сервисам и решает реальную задачу.
Что разберём:
🔹 архитектуру AI-агентов и надёжный вывод;
🔹 LangGraph и оркестрацию workflow;
🔹 MCP и работу с внешними инструментами;
🔹 RAG-системы;
🔹 AgentOps, observability и evals;
🔹 безопасность и защиту от prompt injection;
🔹 мультиагентные системы и A2A.
На курсе отдельно разбираем вопросы надёжности, безопасности и контроля агентных систем.
👉 Узнать программу и забронировать место со скидкой | 518 |
| 17 | Что на самом деле делает Spark в тот момент, когда ты запускаешь строчку кода с фильтрацией .filter(df.city == "Москва")? | 494 |
| 18 | В теории игр вектор Шепли распределяет выигрыш между игроками, которые объединились в коалицию для достижения общей цели.Как эта экономическая концепция переносится на машинное обучение при расчете SHAP Values? | 540 |
| 19 | 💻 3 курса по цене одного — собери стек для оффера в топовую IT-компанию
Для следующего карьерного шага мало писать код. Работодатели ждут не только знания языка, но и понимания архитектуры, алгоритмов, автоматизации, AI-инструментов и агентных систем.
Одно направление закрывает только часть задачи.
Поэтому сейчас мы предлагаем освоить сразу несколько востребованных навыков — выбери любой курс и получи доступ еще к двум бесплатно 🔥
Собери стек навыков под свою цель:
🔹 подготовка к сильным компаниям (алгоритмы, архитектура);
🔹 переход в AI-направление (ИИ-агенты, AgentOps);
🔹 развитие в ML и Data Science (математика, основы ML);
🔹 новый оффер и рост дохода.
Полученные знания применяешь в работе уже во время обучения.
⏳ Акция действует 48 часов — 13 и 14 июня.
👉 Переходи на сайт, выбирай курсы и оставляй заявку — за 10 минут поможем собрать комплект под твою цель. | 544 |
| 20 | Какую физическую и математическую роль выполняет штраф D(KL) в процессе обучения VAE? | 567 |
