uk
Feedback
Data Science

Data Science

Відкрити в Telegram

DS По всем вопросам- @haarrp @ai_machinelearning_big_data - machine learning @pythonl - Python @itchannels_telegram - 🔥 best it channels @ArtificialIntelligencedl - AI @pythonlbooks-📚 @programming_books_it -📚 Реестр РКН: https://clck.ru/3Fk3zS

Показати більше

📈 Аналітичний огляд Telegram-каналу Data Science

Канал Data Science (@datascienceiot) є активним учасником. На даний момент спільнота об'єднує 41 813 підписників, посідаючи 3 219 місце в категорії Технології та додатки та 15 236 місце у регіоні Росія.

📊 Показники аудиторії та динаміка

З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 41 813 підписників.

За останніми даними від 26 червня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -110, а за останні 24 години на -11, загальне охоплення залишається високим.

  • Статус верифікації: Не верифікований
  • Рівень залученості (ER): Середній показник залученості аудиторії становить 5.86%. Протягом перших 24 годин після публікації контент зазвичай збирає 2.43% реакцій від загальної кількості підписників.
  • Охоплення публікацій: В середньому кожен допис отримує 2 449 переглядів. Протягом першої доби публікація в середньому набирає 1 016 переглядів.
  • Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 0.
  • Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як llm, агентов, api, октября, разработчиков.

📝 Опис та контентна політика

Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
DS По всем вопросам- @haarrp @ai_machinelearning_big_data - machine learning @pythonl - Python @itchannels_telegram - 🔥 best it channels @ArtificialIntelligencedl - AI @pythonlbooks-📚 @programming_books_it -📚 Реестр РКН: https://clck.ru/3...

Завдяки високій частоті оновлень (останні дані отримано 27 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.

41 813
Підписники
-1124 години
-717 днів
-11030 день
Архів дописів
Thinking in Pandas (2020) @datascienceiot

Fundamental Limitations of Semi-Supervised Learning @datascienceiot

Wagenmakers, Beekman 2020 Bayesian Thinking @datascienceiot

Hands-On Data Analysis with Pandas (2019) Github @datascienceiot
Hands-On Data Analysis with Pandas (2019) Github @datascienceiot

Programming PyTorch for Deep Learning (2019) @datascienceiot
Programming PyTorch for Deep Learning (2019) @datascienceiot

Python ® Machine Learning - 2019 @datascienceiot
Python ® Machine Learning - 2019 @datascienceiot

Building a career in data-science. @datascienceiot
Building a career in data-science. @datascienceiot

Какие продвинутые навыки стоит освоить Data Science специалистам? 27 октября в 20:00 (мск) приглашаем познакомиться с онлайн-
Какие продвинутые навыки стоит освоить Data Science специалистам? 27 октября в 20:00 (мск) приглашаем познакомиться с онлайн-курсом "Machine Learning. Продвинутый курс". Преподаватель Дмитрий Сергеев представит программу, расскажет, как организована практика и ответит на ваши вопросы о карьере Data Science. Вебинар предназначен для практикующих Data Science специалистов, желающих повысить свой профессиональный уровень до Middle/Senior. Интересно, как можно продвинуться в Data Science? Тогда регистрируйтесь, чтобы не пропустить, и приходите: https://otus.pw/zjhM/

Machine Learning in Action Github @datascienceiot
Machine Learning in Action Github @datascienceiot

Data Management at Scale (2020) Автор: Piethein Strengholt @datascienceiot

Oracle Business Intelligence with Machine Learning @datascienceiot

Programming Machine Learning: From Coding to Deep Learning (2020) @datascienceiot

Hands-On Genetic Algorithms with Python (2020) Github @datascienceiot
Hands-On Genetic Algorithms with Python (2020) Github @datascienceiot

Как вывести ML-модели в промышленную среду? Для большинства Data Scientist это сложная задача. 19 октября пройдет демо-урок «
Как вывести ML-модели в промышленную среду? Для большинства Data Scientist это сложная задача. 19 октября пройдет демо-урок «Вывод ML моделей в промышленную среду на примере онлайн-рекомендаций» Дмитрий Бугайченко, управляющий директор в Сбербанке, расскажет, как Data Science выходит из ноутбука Data Scientist, проходит через аналитическую платформу и среду исполнения в пром, и в итоге попадает к пользователям. Вы узнаете, какие трюки помогают масштабировать алгоритм, какие компоненты и технические решения позволяют вывести ML в промышленную среду, какие паттерны помогают ML работать в режиме онлайн и многое другое. Демо-урок является частью онлайн-курса «Промышленный ML на больших данных». Используйте эту возможность, чтобы получить ценные знания, оценить качество знаний и формат обучения. Для регистрации пройдите вступительный тест https://otus.pw/8pL6/

Python for Graph analysis @datascienceiot
Python for Graph analysis @datascienceiot

Data Science with python @datascienceiot
Data Science with python @datascienceiot

miuller_dzhon_pol_massaron_luka_python_i_nauka_o_dannykh_dli.djvu31.87 MB

Deep Learning with JavaScript (2020) Авторы: Shanqing Cai, Stan Bileschi, Eric Nielsen @datascienceiot

Hands-On Deep Learning for IoT (2019) Github @datascienceiot
Hands-On Deep Learning for IoT (2019) Github @datascienceiot

How is Machine Learning used in the LinkedIn Recruiter Recommendation System Github @datascienceiot
How is Machine Learning used in the LinkedIn Recruiter Recommendation System Github @datascienceiot