uk
Feedback
Data Science | Machinelearning [ru]

Data Science | Machinelearning [ru]

Відкрити в Telegram

Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM. Личный блог автора - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD

Показати більше

📈 Аналітичний огляд Telegram-каналу Data Science | Machinelearning [ru]

Канал Data Science | Machinelearning [ru] (@devsp) у мовному сегменті Російська є активним учасником. На даний момент спільнота об'єднує 19 992 підписників, посідаючи 6 718 місце в категорії Технології та додатки та 33 709 місце у регіоні Росія.

📊 Показники аудиторії та динаміка

З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 19 992 підписників.

За останніми даними від 23 червня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -85, а за останні 24 години на 0, загальне охоплення залишається високим.

  • Статус верифікації: Не верифікований
  • Рівень залученості (ER): Середній показник залученості аудиторії становить 7.98%. Протягом перших 24 годин після публікації контент зазвичай збирає 3.64% реакцій від загальної кількості підписників.
  • Охоплення публікацій: В середньому кожен допис отримує 1 596 переглядів. Протягом першої доби публікація в середньому набирає 728 переглядів.
  • Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 8.
  • Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як llm, nvidia, контекст, openai, архитектура.

📝 Опис та контентна політика

Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM. Личный блог автора - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD

Завдяки високій частоті оновлень (останні дані отримано 24 червня, 2026), канал підтримує актуальність та високий рівень охоплення публікацій. Аналітика показує, що аудиторія активно взаємодіє з контентом, що робить його важливою точкою впливу в категорії Технології та додатки.

19 992
Підписники
Немає даних24 години
-417 днів
-8530 день
Архів дописів
​​👾Особенности автоматического дифференцирования в PyTorch. Часть 1 В этой статье автор расскажет, почему PyTorch активно развивается более пяти лет и представляет собой целую экосистему для создания моделей машинного обучения на основе глубоких нейронных сетей, и как они помогают научному и бизнес-сообществу проводить исследования, вести разведку данных и проверять гипотезы. Читать...

​​🧑🏼‍💻Реализация мультиоблачной стратегии для Cloud Storage в Битрикс24 В этой статье автор расскажет, зачем понадобилось S3-хранилище, и как его внедряли и интегрировали в архитектуру облачного сервиса Битрикс24. Читать...

​​😵Локализация и рывок вперед: как мы разработали новый подход к облачному хранению данных для Hoff В этой статье автор расскажет, как сделали облачное хранилище понятным и структурированным источником информации для Hoff, и почему надежность хранилища определяется качеством системы оповещений, то есть алертингом. Читать...

​​🤔PySpark для аналитика. Как выгружать данные с помощью toPandas и его альтернатив В этой статье автор расскажет, как правильно использовать функцию toPandas вместе с библиотекой pyArrow, и когда использовать toPandas не стоит. Читать...

​​😬Как развернуть Apache Superset в облаке: Docker, ВМ, Kubernetes В этой статье автор расскажет, какие есть способы развёртывания Apache Superset на разных платформах, и почему вариант с развёртыванием Apache Superset в Docker больше подходит для быстрых тестов, а также вы узнаете какие есть вариант с развёртыванием Apache Superset на виртуальных машинах. Читать...

​​📊Генерация конвейеров обработки данных в Dataflow В этой статье автор расскажет, почему в Dataflow есть несколько вариантов образцов рабочих потоков, но бизнес-логика используется в них одна, и почему файл определения main содержит логику только одного выполнения, а также вы узнаете почему поток daily выполняет main на ежедневной основе в течение установленного количества прошедших дней. Читать...

​​🧑🏼‍💻Как внедрить Data Driven подход в систему управления поставками В этой статье автор расскажет, почему каждое предприятие при организации складских запасов ориентируется на производственные планы, и почему после внедрения системы менеджер будет заниматься только интеллектуальной работой, а также вы узнаете о проблемах управления цепями поставок и способы их решений. Читать...

​​👤Без лишних слов или очищаем речь с помощью текст майнинга В этой статье автор расскажет, почему поиск качественного инструмента для анализа аудио свелся к выбору между облачными сервисами, и как данное исследование поможет разобраться с нашими вербальными привычками, а также вы узнаете как после нетривиальных настроек облака стал доступен API асинхронного распознавания. Читать...

​​🚀Оптимизация выборок в больших коллекциях MongoDB В этой статье автор расскажет, почему при работе с большими коллекциями в MongoDB, размер которых превышал десятки миллионов записей, возникает необходимость формировать случайные выборки уникальных значений полей, принадлежащих документам этой коллекции, а ещё вы узнаете почему для такой операции, в MongoDB штатно предусмотрена функция $sample, которую можно использовать в составе pipeline при проведении агрегации данных. Читать...

​​🧑🏼‍💻«Инженеров данных заменит автоматика» и другие мифы о DE В этой статье автор расскажет, почему инженеры данных готовят данные для анализа, машинного обучения и других целей, и почему мифы про бесконечный кодинг или однообразие задач могут показаться глупыми и смешными, а также вы узнаете как No-code-инструменты позволяют управлять данными и упрощают создание их базовых структур. Читать...

​​👤Дообучение модели машинного перевода В этой статье автор расскажет, почему разработчики машинного перевода часто рассказывают об использовании предварительно обученных моделей, и как можно дообучить такую модель самому, а также вы узнаете почему после дообучения, при помощи кода m2m_multiling_tune_epochs. py, перевод стал гораздо приятнее. Читать...

​​✉️Как Почта моделирует риски потери отправлений В этой статье автор расскажет, почему антифрод в логистике — нетривиальная задача, и какие данные легли в основу модели, а также вы узнаете как создать модель, которая предсказывает до 97% возможных пропаж международных отправлений. Читать...

​​😎Применение регулярных выражений для обработки данных В этой статье автор расскажет, почему сейчас регулярные выражения применяются в разнообразных задачах, и как регулярные выражения могут применяться для решения задач SQL, а также вы узнаете почему на практике не все специалисты применяют регулярные выражения для решения поставленных задач в SQL. Читать...

​​Онлайн-курс по основам программирования дронов. Вы научитесь:  – разбираться в устройстве дронов; – создавать программы для управления беспилотниками и анализа данных;  – составлять карту пространства; – обрабатывать изображения, полученные с бортовых систем БПЛА; – разрабатывать свою систему управления. В качестве итогового проекта вы создадите систему полёта беспилотника в лесу и примените один из алгоритмов облёта препятствий. Жаркие скидки до 60% по ссылке https://goo.su/zCk9Wy

​​🤨Cache warming в Qlik Sense из подручных материалов В этой статье автор расскажет, как сделать приложения Qlik Sense быстрее, и почему Qlik не оптимизирован под постоянную работу с внешними источниками, а также вы узнаете какие бывают инструменты для Cache warming. Читать...

​​🚀Как ускорить вывод ML-моделей в 4 раза, или Как может выглядеть экосистема МLOps в банке В этой статье автор расскажет, как может выглядеть полноценный конвейер MLOps, и что может уметь, а также вы узнаете как прийти к максимальной автоматизации процесса вывода моделей в промышленную эксплуатацию. Читать...

😻 😫 🐹 😫 🐱 😫 🐭 😫🦉 Data Secrets — канал для датасаентистов Как тренировали алгоритм, который обыграл чемпиона мира в шахматы? Как работает FaceID в твоем смартфоне? Как обучить ChatGPT на стареньком ноутбуке? Как предсказать курс биткоина и исход футбольного матча? Чем отличаются сверточные и рекуррентные нейросети? Заходи и узнаешь @data_secrets

​​🤫Вся правда о кубах данных OLAP: развенчиваем мифы В этой статье автор расскажет, почему кубы данных — не самая простая тема в дата-инжиниринге, и как кубы данных могут помогать бизнес-аналитикам предварительно упаковывать и агрегировать важные для стейкхолдеров показатели, а также вы узнаете почему кубы это важная характеристика ядра традиционных OLAP-систем. Читать...

​​🚀Optuna. Подбор гиперпараметров для вашей модели В этой статье автор расскажет, почему гиперпараметры, задаются разработчиком модели перед ее обучением, и почему фреймворк Optuna обычно используют как оптимизатор гиперпараметров, а также вы узнаете как разработчик может самостоятельно задать пространство для поиска гиперпараметров, используя базовый синтаксис Python. Читать...

​​😈Масштабируемая Big Data система в Kubernetes с использованием Spark и Cassandra В этой статье автор расскажет, как организовать систему распределенного машинного обучения на GPU NVidia, используя язык Java с фреймворками Spring, Spark ML, XGBoost, DML в standalone кластере Spark, и как запустить Spark Jobs в Kubernetes в режимах client и cluster, а также вы узнаете почему для Spark Driver необходим K8S Service Account с полными правами на неймспейс Читать...