![Data Science | Machinelearning [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1dVo3O%2F5217464346798572541%3Fty%3Dl&w=48&q=75){kind=small}
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. MAX - https://max.ru/devsp Личный блог - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD
Показати більше![Сітка: Frontender's notes [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1qrVZ3%2F5348049928330532677%3Fty%3Dx&w=32&q=75){kind=small}
📈 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 19 682 підписників, посідаючи 6 662 місце в категорії Технології та додатки та 33 396 місце у регіоні Росія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 19 682 підписників.
За останніми даними від 02 листопада, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -107, а за останні 24 години на -8, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 7.71%. Протягом перших 24 годин після публікації контент зазвичай збирає 4.58% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 1 518 переглядів. Протягом першої доби публікація в середньому набирає 901 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 4.
- 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.
MAX - https://max.ru/devsp
Личный блог - @just_genych
По вопросам рекламы или разработки - @g_abashkin
РКН: https://vk.cc/cJPGXD”
Завдяки високій частоті оновлень (останні дані отримано 03 листопада, 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.
19 682
Підписники
-824 години
-317 днів
-10730 днів
Архів дописів
![Data Science | Machinelearning [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1dVo3O%2F5217464346798572541%3Fty%3Dx&w=64&q=75){kind=small}
➡️ Что такое технология TTS, как устроена и каких сферах используется синтез речи
Вместе с Григорием Стерлингом, лидом команды TTS в SberDevices, разбираемся, как устроена технология, как разрабатывают синтезаторы речи и что нужно знать, чтобы работать в этой сфере.
Читать...
💡 Пиши код так, чтобы не пришлось его объяснять
Тебя уже дважды спрашивали, как работает твой код, а ты сам еле вспоминаешь?
👉 Совет: если код требует объяснения — значит, его можно улучшить. Улучши имена переменных, избавься от хитрых решений, добавь комментарии только там, где действительно нужно. Хороший код читается, как книга, а не как зашифрованное послание.
👩💻 Линейная регрессия и её регуляризация в Scikit-learn
Линейная регрессия — это метод обучения с учителем, который предсказывает значение y на основе признаков X. Основное допущение — линейная зависимость y от Xi, что позволяет оценить y через математическое выражение.
Читать...
❓ Кто такой разметчик данных и сколько он зарабатывает? Все, что вам нужно знать о профессии
Как нейросети распознают лица и управляют авто? Всё это благодаря разметчикам данных, которые учат ИИ видеть и понимать мир. Узнайте, сколько они зарабатывают и какие навыки нужны для работы.
Читать...
⚙️ Что такое
logging в Python?
logging — это встроенный модуль Python для создания логов, которые помогают отлаживать и мониторить работу приложений.
➡️ Пример:
import logging
# Настройка базового уровня логирования
logging.basicConfig(level=logging.INFO)
# Создание лога
logging.info("Приложение запущено")
logging.warning("Это предупреждение!")
logging.error("Произошла ошибка")🗣️ В этом примере модуль logging создаёт сообщения разного уровня важности. Логирование позволяет отслеживать работу приложений и находить проблемы в коде.🖥 Подробнее тут
🚀 Data Fusion Contest 2025: пришло время заявить о себе
Что такое Data Fusion Contest 2025?
Ежегодное онлайн-соревнование по анализу данных и машинному обучению для специалистов Data Science от Т1 и ВТБ. Общий призовой фонд — 3 000 000 рублей 🔥
В этом году участников ждут 2 основные задачи:
«Label Craft» — про предсказание категории товаров.
«4 Cast» — про предсказание динамики платежей на последующие 12 недель.
И одна образовательная задача — «Distribution».
А ещё будет специальная номинация Companion за лучшие публичные решения, в которой победителей определит жюри, учитывая поддержку со стороны других конкурсантов в чате соревнования.
📆 Даты проведения соревнования: с 13 февраля по 7 апреля 2025 года.
❗️Формат — онлайн: участвовать можно из любой точки мира.
🏆 Торжественная церемония награждения победителей состоится в Москве во время конференции по анализу данных и технологиям ИИ — DATA FUSION 2025.
👉 Регистрируйся на соревнование прямо сейчас.
Информация о рекламодателе
🤔 Топология в нейросетях?
Когда говорят о математике в ML, чаще всего вспоминают Байесовские методы и тензоры. Но математика в машинном обучении может затрагивать и фундаментальные направления, как топологический анализ данных (TDA) — ту самую науку про бублики и ленточки.
Читать...
📈 Подборка статей для вашей карьеры
• «Снова упала?» Как поднять самооценку и зачем мы сравниваем себя с другими, даже если от этого больно
• Из учителя в QA: мой путь в IT
• Рынок дата-инженеров и прогноз на 2025
• Как сделать резюме, которое дойдёт до работодателя. Фильтры ATS в 2025 году
• Ошибайся смело: жизненные уроки из мира machine learning
На GitVerse стала доступна среда разработки GigaIDE Cloud со встроенным AI-ассистентом
СберТех представил российскую облачную среду для разработки GigaIDE Cloud, встроенную в платформу для работы с исходным кодом GitVerse.
Среда обеспечивает редактирование, отладку, проверку и совместную работу с кодом, а также постоянный и безопасный доступ к предварительно настроенным рабочим пространствам разработки. GigaIDE Cloud доступна из браузера и позволяет вести разработку в удобном режиме с различных устройств вне зависимости от их производительности.
Также пользователи получили доступ к обновлённой версии интегрированной среды разработки GigaIDE Desktop, которую можно скачать на GitVerse. Десктопная версия стала стабильнее и производительнее, а еще добавились новые инструменты для анализа и навигации по элементам крупнейших фреймворков для Java.
В обе версии среды разработки интегрирован AI-ассистент разработчика GigaCode, который автоматизирует рутинные процессы и помогает программистам в реальном времени.
Начать пользоваться GigaIDE Cloud — по ссылке
📝 Подборка вакансий для сеньоров
Data Engineer
• Python, CI/CD, Apache Spark, Apache Hadoop
• от 250 000 до 320 000 ₽ | от 2 лет опыта
Data Scientist (E-com)
• Python, SQL
• Уровень дохода не указан | от 1 года опыта
Data Scientist (middle)
• Python, SQL, A/B тестирование, Математическая статистика
• Уровень дохода не указан | от 1 года опыта🧠 Как нейросети, RL и байесовскую оптимизацию стали использовать на ускорителях заряженных частиц
Как машинное обучение помогает управлять ускорителями частиц? В статье раскрываются примеры применения нейронных сетей, обучения с подкреплением и байесовской оптимизации для стабилизации и настройки пучков частиц.
Читать...
Как ML-инженеру пробиться из мидлов в сеньоры?
Вы умеете делать fit() и predict(), но что-то не даёт покоя — застряли на уровне мидла и нет понимания, как пробиться в сеньоры.
Сеньор — это не просто человек, который знает больше библиотек или пишет код быстрее. Это специалист, который видит картину целиком, способен самостоятельно взять на себя задачу или выбрать направление в развитии проекта и довести его до успешного завершения.
Прокачайте свои навыки и получите level up своей карьеры на курсе Hard ML от karpov courses. Авторы курса — Валерий Бабушкин, из British Petroleum и другие топовые специалисты из Яндекса, X5 Retail Group и других крупных компаний.
Вы получите максимально глубокое погружение в задачи, с которыми сталкивается современный бизнес. К концу каждого модуля у вас будет собственный ML-сервис, решающий сложную и важную задачу.
Курс охватывает абсолютно все этапы работы ML-инженера. Вы научитесь самостоятельно собирать и размечать данные, строить пайплайны их поставки, деплоить приложения, настраивать мониторинги и оценивать эффективность алгоритмов.
Присоединяйтесь к курсу со скидкой 5% по промокоду DEVSP: https://clc.to/ZocBWQ
👩💻 Парсинг и подсчёт количества слов в текстовом файле
Напишите функцию на Python, которая принимает путь к текстовому файлу и возвращает словарь с подсчётом количества уникальных слов. Слова должны сравниваться без учёта регистра, а знаки препинания должны быть удалены.
Пример:
# Содержимое файла example.txt:
# "Hello, world! This is a test. Hello again."
result = count_words_in_file("example.txt")
print(result)
# Ожидаемый результат:
# {'hello': 2, 'world': 1, 'this': 1, 'is': 1, 'a': 1, 'test': 1, 'again': 1}import string from collections import Counter def count_words_in_file(file_path): with open(file_path, 'r', encoding='utf-8') as f: text = f.read().lower() text = text.translate(str.maketrans('', '', string.punctuation)) words = text.split() return dict(Counter(words)) # Пример использования result = count_words_in_file("example.txt") print(result)
📌Открытый вебинар «MLFlow — полный контроль над ML-экспериментами»
📚Вы узнаете:
1️⃣ Что такое MLFlow и какие компоненты он содержит;
2️⃣ Как отслеживать и управлять экспериментами с помощью MLFlow;
3️⃣ Как интегрировать MLFlow в ваш ML-пайплайн и ускорить вывод моделей в продакшн;
4️⃣ Возможности MLFlow: трекинг экспериментов, управление моделями и воспроизводимость;
5️⃣ Как эффективно работать с артефактами и версиями моделей.
🎁 Проведём живую демонстрацию, где шаг за шагом внедрим MLFlow в ML-проект!
Спикер: Игорь Стурейко — PhD Physical and Mathematical Sciences и опытный руководитель команд.
📅 Дата: 27 февраля в 20:00 (мск)
🆓 Бесплатно. Вебинар в рамках курса «MLOps»
👉 Регистрация открыта: https://otus.pw/PQ87/
Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, erid: 2VtzquYCxq4
🔧 ТОП-10 опенсорсных инструментов для работы с ИИ в 2025 году
Детальный разбор 10 самых перспективных инструментов для работы с ИИ в 2025 году. От создания умных ассистентов до построения мощных RAG-систем — разбираем возможности, сравниваем производительность, безопасность и простоту интеграции каждого решения.
Читать...
У вас была ситуация, когда вы открываете новый проект или библиотеку и пытаетесь разобраться в коде?
Если в этом проекте используются аннотации типов - вы справитесь с этой задачей намного быстрее. Также на уроке рассмотрим библиотеку pydantic, которая позволяет вывести на новый уровень работу с данными в Python.
Узнайте, как эффективно реализовать интернационализацию и локализацию в Spring-приложениях.
⏺26 февраля в 20:00 МСК
Бесплатно. Урок в рамках старта курса «Python для аналитики» от Otus.
💬 Ссылка на регистрацию: https://vk.cc/cIWYRy
Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576📝 Подборка вакансий для мидлов
Data Scientist
• Python, BI
• Уровень дохода не указан | 1–3 года
Data Engineer
• PostgreSQL, Apache Airflow, Greenplum, DWH, ETL
• Уровень дохода не указан | 3–6 лет
AI Data Analysis Specialist
• Python, NLP, Power BI, Анализ данных, BI, Визуализация, Tableau, Английский язык
• Уровень дохода не указан | 1–3 года
📌Открытый вебинар: «Алгоритмы SARSA и Q-learning — база для изучения Reinforcement Learning»
📚Вы узнаете:
+ Как работают SARSA и Q-learning и чем они отличаются
+ Как применить SARSA и Q-learning на практике с Python и OpenAI Gym
+ Где используют RL: робототехника, финансы, игры
Спикер: Игорь Стурейко — кандидат физико-математических наук МГУ, опытный разработчик, руководитель и преподаватель.
📅Дата: 26 февраля в 20:00 (мск)
🆓Бесплатно. В рамках курса «Reinforcement Learning»
👉Регистрация открыта: https://otus.pw/f6Ai/
Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, erid: 2Vtzqw6QRyG
⚙️ Что такое
functools.partial в Python и зачем он нужен?
functools.partial позволяет создавать новые функции на основе существующих, фиксируя некоторые аргументы. Это полезно для упрощения кода, повышения читаемости и работы с колбэками.
➡️ Пример:
from functools import partial
def power(base, exponent):
return base ** exponent
square = partial(power, exponent=2) # Фиксируем степень = 2
cube = partial(power, exponent=3) # Фиксируем степень = 3
print(square(5)) # 25
print(cube(2)) # 8🗣️ partial() фиксирует аргумент exponent, создавая новые функции square и cube. Теперь square(5) эквивалентно power(5, 2), но код чище.🖥 Подробнее тут
🛍 Искусственный интеллект в ритейле: как он предсказывает вашу следующую покупку в приложении
Разбираем Next Basket Recommendation (NBR) — метод предсказания товаров, которые пользователь добавит в корзину. Рассмотрим метрики оценки, частотные и нейросетевые подходы в онлайн-ритейле.
Читать...
