Уже доступно! Исследование Telegram 2025 — ключевые инсайты года 
Математика Дата саентиста
Открыть в Telegram
@workakkk - админ @data_analysis_ml - ds https://gosuslugi.ru/snet/67b55bb01a1c5a6fb6ecc946
Больше📈 Аналитический обзор Telegram-канала Математика Дата саентиста
Канал Математика Дата саентиста (@data_math) языкового сегмента Русский является активным участником. Сейчас сообщество объединяет 14 054 подписчиков, занимая 9 185 место в категории Технологии и приложения и 47 321 место в регионе Россия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 14 054 подписчиков.
Согласно последним данным от 19 июня, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -52, а за последние 24 часа — 3, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 17.50%. В первые 24 часа после публикации контент обычно набирает 6.82% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 2 459 просмотров. В течение первых суток публикация набирает 958 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 51.
- Тематические интересы: Контент сосредоточен на ключевых темах, таких как llm, программирование, параметр, визуализация, stepik.
📝 Описание и контентная политика
Автор описывает ресурс как площадку для выражения субъективного мнения:
“@workakkk - админ
@data_analysis_ml - ds
https://gosuslugi.ru/snet/67b55bb01a1c5a6fb6ecc946”
Благодаря высокой частоте обновлений (последние данные получены 20 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.
14 054
Подписчики
+324 часа
+27 дней
-5230 день
Архив постов
Семь лучших сайтов для самообразования, которые научат вас лучше, чем «вышка»:
Academic Earth — огромная библиотека бесплатных курсов обо всем на свете от ведущих специалистов мира. От обучения химии и информатике до бизнеса и психологии;
Classcentral — самый удобный поисковик по бесплатным курсам на любую тему;
Edx — тут собраны обучающие курсы от самых топовых ВУЗов мира, таких как Гарвард, Стэнфорд и Массачусетский технологический институт. Разумеется, бесплатно;
Google Garage Courses — библиотека бесплатных курсов от Google с возможностью получить карьерный сертификат от технологического гиганта;
Khanacademy — лучший сайт для углубленного изучения математики и других прикладных наук;
Udemy — для тех, кто планирует работать в «диджитале»: отличные курсы по программированию, дизайну, веб-разработке, графике и т.д.;
Treehouse — мастхэв для будущих программистов. Простые и понятные курсы по Python, Data Science, React и другим темам.
@exploitex
Как обучить нейросеть в облаке? Коллеги из immers.cloud подогнали железо для этих задач.
- В наличии видеокарты для обучения нейросетей: Tesla V100 32 GB, Tesla A100 80 GB, Tesla H100 80 GB
- А также для инференса: Tesla T4 16 GB, Tesla A10 24 GB, RTX 3090 10 GB и RTX 4090 24 GB, Tesla A2 16 GB
🌳 Мгновенное масштабирование под растущие нагрузки. Оплата за фактически использованные ресурсы
🌳 Возможность выбрать сервер как готовой, так и произвольной конфигурации с нужной видеокартой
💰 Платформа предлагает самые выгодные тарифы на рынке, включая посекундную тарификацию и скидки до 50% на долгосрочную аренду. Кроме того, у нас есть бесплатное хранилище S3
⚡️ Арендуя видеокарты через immers.cloud, вы сможете значительно ускорить время обучения нейронных сетей и обеспечить их бесперебойную работу, благодаря высокой производительности и эффективности этих GPU.
🎁 Для наших подписчиков действует бонус: +20% бонус к пополнению баланса.
Реклама. ООО «ДТЛ». ИНН 9717073792. erid: LjN8JxL2k
🚀 Easings
Полезный справочник по easing-функциям с примерами
Суть таких функций в том, чтобы задать скорость изменения параметра во времени
С этим инструментом вы сможете выбрать подходящую именно вам функцию смягчения, а также посмотреть, как она устроена с точки зрения CSS и даже математики
#web #css #open_source
@data_math
🎓 Архив слитых курсов прямо в телеграм!
Вот огромная база материалов, которая пополняется каждый день!
>Python (96гб видео)
>С++(51 курсов)
>Java (23гб видео)
>Базы данных (50гб курсов)
>C# (45гб курсов)
>Английский (101гб курсов)
>PHP (43гб видео)
>Мобильная разработка (22гб курсов)
>Go ( 132гб видео)
>Rust (35 гб видео)
>SQL (43гб видео)
>MySQL (31гб видео)
>Другое (1679 гб видео)
⛓ Огромный кладезь топовых материалов более 20198Гб: Курсов, свежих книг, шпаргалок, гайдов , лекций, — всё в одном месте: @datacours
🔝 Крутая платформы где можно попрактиковаться в решении задач:
Шикарный вариант, чтобы порешать задачи.
- линейная алгебра
- ML/DL
- статистика и теория вероятности
Теория дело хорошее, но без практики никуда.
@data_math
Открыта регистрация на онлайн-трансляцию лекций Летней школы машинного обучения Сколтеха.
SMILES-2024 — 12-дневный интенсивный курс для молодых специалистов, посвященный современным статистическим методам машинного обучения. Темы этого года: большие языковые модели, мультимодальные подходы, мультиагентные системы, генеративные подходы, методы самообучения.
Генеральный партнер школы — Лаборатория искусственного интеллекта и Центр робототехники Сбербанка, золотой партнер — Альфа-Банк. Информационную поддержку оказывает Национальный проект «Цифровая экономика».
Подробности и регистрация — здесь.
Реклама. СКОЛКОВСКИЙ ИНСТИТУТ НАУКИ И ТЕХНОЛОГИЙ, СКОЛТЕХ. ИНН 5032998454.
✨Наборы данных NuminaMath: крупнейшая коллекция из ~ 1 млн пар задач и решений для математических соревнований, варьирующихся по сложности от юношеских олимпиад до университетских экзаменов.
➡️ Цепочка рассуждений (CoT): 860 тысяч пар задач и решений, созданных с помощью CoT.
🛠️ Инструментально-интегрированные рассуждения (TIR): 73 тысячи синтетических решений, полученных на основе GPT-4, с обратной связью по выполнению кода для разбивки сложных задач на более простые подзадачи, которые могут быть решены с помощью Python.
Модели, обученные на NuminaMath, демонстрируют лучшие в своем классе показатели среди моделей с открытым весом и приближаются или превосходят собственные модели по показателям математических соревнований 🔥
🤗 Hub: https://huggingface.co/collections/AI-MO/numinamath-6697df380293bcfdbc1d978c
@bigdatai
+3
📌Подборка полезных ресурсов для изучения ML и для подготовки к собеседованию
Здесь приводится много ссылок на ресурсы, которые объясняют основы Computer Science, матанализ и линейную алгебру, теорию вероятностей и статистику.
Плюс затрагиваются такие темы как:
— классическое ML
— байесовское ML
— Deep Learning
— NLP
— Reinforcement Learning
— применение ML, в частности в биологии и медицине
Почти все практические примеры связаны с Python и R
🟡 ML resources
@data_math
Привет! Присматриваетесь в сторону Data Science и ML? У нас есть крутая новость!
23 июля в 18:00 по Москве мы проведем открытый урок о том, как математика и Python могут сделать вашу работу еще эффективнее с помощью машинного обучения.
📌 Что будет на уроке?
- Почему математика и Python важны для ML? Как эти инструменты помогут вам в повседневной работе.
- Линейная алгебра с примерами: Основные понятия, операции и их применение в ML. Как работать с данными и их представлением.
- Статистика и теорвер: Вероятностные модели и их значение в анализе данных. Примеры прогнозирования и анализа.
- Основы Python: Синтаксис, типы данных, основные конструкции. Почему Python стал стандартом для анализа данных и ML.
- Библиотеки для машинного обучения: Как они ускоряют разработку и стандартизируют подходы. Примеры использования.
- Решение реальной задачи на Python с использованием популярных библиотек.
- Сессия вопрос-ответ
🦾 Регистрация на урок
Реклама. ООО «ИНЖЕНЕРКАТЕХ» ИНН 9715483673 erid:2Vtzqv8AFWr
Вероятность и статистика
1. Переменные и метрики
2. Генераторы и Монте-Карло
3. ЗБЧ и ЦПТ
4. Монте-Карло: практика
5. Проверка гипотез и p-value
6. А/Б тесты: пропорции
7. А/Б тесты: непрерывные переменные
8. Множественная проверка гипотез
9. Ревью курса + вопросы и ответы
#video #math
https://www.youtube.com/watch?v=S3WAjnBC6CI&list=PLQJ7ptkRY-xbHLLI66KdscKp_FJt0FsIi
Python для работы с данными
1. Способы самопроверки при анализе данных
2. Как автоматизировать скучную работу в Pandas ?
3, Какая роль у аналитика в команде?
4. Как сделать предподготовку данных? Реальные примеры
5. Как использовать метод apply для трансформации колонок?
6. Lambda функции для быстрых вычислений
7. Приступаем к аналитике
8. Объединение данных, метод merge
9. От данных к метрикам
10. Визуализация как метод исследования данных
#video #python
https://www.youtube.com/watch?v=Eb7Q_qCAqM4&list=PLBRXq5LaddfxQFjzuq5QC05q1ZheGMQo1&ab_channel=karpov.courses
✅ Что делать, если у Вас неопытная команда, а надо делать сложную задачу?
Расскажем, как математика может помочь выстроить архитектуру приложения, которая позволит разрешить ситуацию в вашу пользу.
🔹 Приглашаем вас на открытый урок «Как 7 студентов и филолог делали технически сложный проект»
Урок посвящен курсу «Математика для программистов» от Otus — лучшие практики, после изучения которых вы сможете быстрее изучать новые языки программирования и фреймворки.
👉 Регистрация и подробности
https://otus.pw/cXth/?erid=LjN8KaDpN
Цикл лекций о великих математиках
1. Обзор жизни и исследований Леонарда Эйлера
2. Что таĸое Эĸспонента? Значение в 0
3. Что таĸое Эĸспонента? Значение в 1
4. Экспонента по Ньютону. Чему равно е
5. Еще одна Экспонента
6. Формула Эйлера
7. Быстрое вычисление числа π по Эйлеру
8. Путь Эйлера
9. Топология
10. Приложение 1: “Футбольный мяч”
#video #math
https://www.youtube.com/watch?v=Nd5VJAR3ZPw&list=PLmu_y3-DV2_k-Tnu_L-uZ8FMbTWGce-ED&ab_channel=%D0%A6%D0%98%D0%A2%D0%9C%D0%AD%D0%BA%D1%81%D0%BF%D0%BE%D0%BD%D0%B5%D0%BD%D1%82%D0%B0
Как разобраться в вышмате за 1 вечер? 😨
Да никак. Но можно научиться понимать математику. И сберечь месяцы жизни, кучу нервов и сил.
В помощь вам - полезный канал о высшей математике. Его автор - выпускник СПБГУ, а ныне — преподаватель предмета.
На простом языке объясняет сложные вещи, даёт шпаргалки и проводит эфиры с решением задач 📈
Находка для всех, кому нужен вышмат по жизни. От полезных материалов и разборов до ответов на любые вопросы и живых дискуссий в комментариях.
Посмотрите сами 👉 @lav_math
+1
📌Feast — open-source хранилище фичей для ML
—
pip install feast
Если вдруг кто не сталкивался, существует Feast (Feature Store), который предоставляет простой способ управления существующей инфраструктурой данных для обучения ML-моделей.
Feast позволяет:
— загружать фичи в офлайн- и онлайн-хранилища. Первое подходит для хранения kv-store (оперативных данных), а последнее — для data lake (данных для обучения)
— отделить ML от данных, абстрагировать работу с данными от разработки ML-моделей
Feast содержит 5 функциональных блоков: Registry, Transform, Storage, Serving и Operational Monitoring.
🖥 GitHub
🟡 Доки
@data_analysis_ml
+3
Куда пойти, чтобы подготовиться к вступительным испытаниям в магистратуру?
Факультет компьютерных наук и Нетология организуют совместный марафон по подготовке к вступительным экзаменам в онлайн-магистратуру по инженерии данных.
Марафон включает:
⏺️3 вебинара по основам математики, алгоритмов и программировании на Python
⏺️консультацию по поступлению в онлайн-магистратуру «Инженерия данных»
⏺️экспертную поддержку
💻 Формат: онлайн
📆 Когда: 2-10 июля
🐭Для участия необходимо зарегистрироваться по ссылке.
Реклама ЗАО ГК Аккорд
2SDnjdPNmfG
🌟 Deep Learning на пальцах
Это крутой бесплатный курс по глубокому обучению, который читает исследователь MIT Семён Козлов.
В том же объёме курс читается и для магистрантов Новосибирского Государственного Университета, а также студентов CS центра Новосибирска.
Темы, которые в нем освещены:
▪️Python, numpy, notebooks
▪️Нейронные сети
▪️PyTorch и подробности
▪️Введение в NLP, компьютерное зрение, распознавание речи и обучение с подкреплением.
🔗 Ссылка на материалы
📌 Зачем программисту нужна математика?
Многие считают, что если предметная область не требует знаний математики, то она не нужна. Тем не менее существуют много фундаментальных ограничений, прямо вытекающих из математической теории, которые оказывают непосредственное влияние на код.
🔹 Приглашаем вас на открытый урок «Факты из математики, которые могут облегчить жизнь разработчику», где разберем факты и рассмотрим, как они помогают принимать проектные решения.
Урок посвящен курсу «Математика для программистов» от Otus — лучшие практики, после изучения которых вы сможете быстрее изучать новые языки программирования и фреймворки.
👉 Регистрация и подробности
https://otus.pw/acQX/?erid=LjN8KaCbi
+2
🌟 Мощный учебник по использованию Julia в ML и Deep Learning
Здесь приведено много практических примеров, таких как реализация LSTM, реализация классического перцептрона, использование линейной/логистической регрессии и много других примеров.
Показывается, как работать с последовательностями, как корректно обрабатывать файлы, как использовать GPU.
Отличный материал, если планируете использовать Julia в работе
🟡 Deep Learning with Julia
@machinelearning_interview
