Data science/ML/AI
Відкрити в Telegram
Data science and machine learning hub Python, SQL, stats, ML, deep learning, projects, PDFs, roadmaps and AI resources. For beginners, data scientists and ML engineers 👉 https://rebrand.ly/bigdatachannels DMCA: @disclosure_bds Contact: @mldatascientist
Показати більше
Сітка:📈 Аналітичний огляд Telegram-каналу Data science/ML/AI
Канал Data science/ML/AI (@datascience_bds) у мовному сегменті Англійська є активним учасником. На даний момент спільнота об'єднує 14 064 підписників, посідаючи 9 052 місце в категорії Технології та додатки та 28 197 місце у регіоні Індія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 14 064 підписників.
За останніми даними від 25 жовтня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на 97, а за останні 24 години на 4, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 8.86%. Протягом перших 24 годин після публікації контент зазвичай збирає 2.13% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 1 246 переглядів. Протягом першої доби публікація в середньому набирає 300 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 3.
- Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як panda, learning, row, api, ethic.
📝 Опис та контентна політика
Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“Data science and machine learning hub
Python, SQL, stats, ML, deep learning, projects, PDFs, roadmaps and AI resources.
For beginners, data scientists and ML engineers
👉 https://rebrand.ly/bigdatachannels
DMCA: @disclosure_bds
Contact: @mldatasci...”
Завдяки високій частоті оновлень (останні дані отримано 26 жовтня, 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.
14 064
Підписники
+424 години
+67 днів
+9730 днів
Завантажуємо дані
Схожі канали
Хмара тегів
Вхідні та вихідні згадування
---
---
---
---
---
---
Залучення підписників
жовтень '26жовт '26
жовтень '26
+122
в 1 каналах
вересень '26
+143
в 0 каналах
Get PRO
серпень '26
+168
в 1 каналах
Get PRO
липень '26
+119
в 0 каналах
Get PRO
червень '26
+199
в 1 каналах
Get PRO
травень '26
+177
в 0 каналах
Get PRO
квітень '26
+277
в 1 каналах
Get PRO
березень '26
+138
в 1 каналах
Get PRO
лютий '26
+175
в 0 каналах
Get PRO
січень '26
+171
в 11 каналах
Get PRO
грудень '25
+118
в 1 каналах
Get PRO
листопад '25
+111
в 1 каналах
Get PRO
жовтень '25
+181
в 1 каналах
Get PRO
вересень '25
+275
в 2 каналах
Get PRO
серпень '25
+436
в 0 каналах
Get PRO
липень '25
+312
в 0 каналах
Get PRO
червень '25
+191
в 1 каналах
Get PRO
травень '25
+183
в 0 каналах
Get PRO
квітень '25
+233
в 0 каналах
Get PRO
березень '25
+241
в 1 каналах
Get PRO
лютий '25
+274
в 1 каналах
Get PRO
січень '25
+765
в 3 каналах
Get PRO
грудень '24
+743
в 1 каналах
Get PRO
листопад '24
+352
в 2 каналах
Get PRO
жовтень '24
+328
в 2 каналах
Get PRO
вересень '24
+351
в 3 каналах
Get PRO
серпень '24
+341
в 5 каналах
Get PRO
липень '24
+383
в 1 каналах
Get PRO
червень '24
+436
в 1 каналах
Get PRO
травень '24
+452
в 2 каналах
Get PRO
квітень '24
+522
в 3 каналах
Get PRO
березень '24
+512
в 5 каналах
Get PRO
лютий '24
+517
в 3 каналах
Get PRO
січень '24
+511
в 1 каналах
Get PRO
грудень '23
+471
в 0 каналах
Get PRO
листопад '23
+70
в 2 каналах
Get PRO
жовтень '23
+87
в 4 каналах
Get PRO
вересень '23
+102
в 0 каналах
Get PRO
серпень '23
+179
в 0 каналах
Get PRO
липень '23
+132
в 0 каналах
Get PRO
червень '23
+190
в 0 каналах
Get PRO
травень '23
+158
в 0 каналах
Get PRO
квітень '23
+129
в 0 каналах
Get PRO
березень '23
+155
в 0 каналах
Get PRO
лютий '23
+114
в 0 каналах
Get PRO
січень '23
+181
в 0 каналах
Get PRO
грудень '22
+197
в 0 каналах
Get PRO
листопад '22
+123
в 0 каналах
Get PRO
жовтень '22
+244
в 0 каналах
Get PRO
вересень '22
+274
в 0 каналах
Get PRO
серпень '22
+93
в 0 каналах
Get PRO
липень '22
+81
в 0 каналах
Get PRO
червень '22
+100
в 0 каналах
Get PRO
травень '22
+101
в 0 каналах
Get PRO
квітень '22
+160
в 0 каналах
Get PRO
березень '22
+578
в 0 каналах
Get PRO
лютий '22
+186
в 0 каналах
Get PRO
січень '22
+129
в 0 каналах
Get PRO
грудень '21
+31
в 0 каналах
Get PRO
листопад '21
+47
в 0 каналах
Get PRO
жовтень '21
+28
в 0 каналах
Get PRO
вересень '21
+286
в 0 каналах
Get PRO
серпень '21
+191
в 0 каналах
Get PRO
липень '21
+252
в 0 каналах
Get PRO
червень '21
+1 000
в 0 каналах
| Дата | Залучення підписників | Згадування | Канали | |
| 26 жовтня | +5 | |||
| 25 жовтня | +5 | |||
| 24 жовтня | +1 | |||
| 23 жовтня | +3 | |||
| 22 жовтня | +2 | |||
| 21 жовтня | +4 | |||
| 20 жовтня | +2 | |||
| 19 жовтня | +1 | |||
| 18 жовтня | +3 | |||
| 17 жовтня | +2 | |||
| 16 жовтня | +5 | |||
| 15 жовтня | 0 | |||
| 14 жовтня | +9 | |||
| 13 жовтня | +1 | |||
| 12 жовтня | +6 | |||
| 11 жовтня | +2 | |||
| 10 жовтня | +2 | |||
| 09 жовтня | +5 | |||
| 08 жовтня | +2 | |||
| 07 жовтня | +4 | |||
| 06 жовтня | +9 | |||
| 05 жовтня | +9 | |||
| 04 жовтня | +6 | |||
| 03 жовтня | +8 | |||
| 02 жовтня | +13 | |||
| 01 жовтня | +13 |
Дописи каналу
| 2 | SQL Basic to Advanced | 508 |
| 3 |  10 Modern AI Agents Frameworks and Tools | 586 |
| 4 | Data Science Interview Questions.pdf | 787 |
| 5 | 7 baby steps to start with machine learning:
1. Start with Python
2. Learn to use Google Colab
3. Take a Pandas tutorial
4. Then a Seaborn tutorial
5. Decision Trees is a good first algorithm
6. Finish Kaggle's "Intro to Machine Learning"
7. Solve the Titanic challenge | 999 |
| 6 |  Power BI Mind Map | 1 104 |
| 7 | SQL Notes for Begineers.pdf | 1 079 |
| 8 |  Computer Vision Explained | 1 267 |
| 9 | 1,000 AI/ML Acronyms & Operational Concepts | 1 318 |
| 10 |  Roadmap to Learn SQL | 1 313 |
| 11 | 🧮 Why does NumPy let you add a number to an entire matrix?
Look at this:
import numpy as np
x = np.array([
[10, 20, 30],
[40, 50, 60]
])
x + 5
You get:
[[15, 25, 35],
[45, 55, 65]]
But where did the 5 go? You didn't write a loop. You didn't copy 5 six times.
This is broadcasting.
NumPy automatically treats the smaller object as if it were expanded to match the larger array's shape.
So conceptually:
[[10, 20, 30], [[5, 5, 5],
[40, 50, 60]] + [5, 5, 5]]
Then it adds them element by element.
And it works with arrays too:
x + np.array([1, 2, 3])
Conceptually:
[[10, 20, 30], [[1, 2, 3],
[40, 50, 60]] + [1, 2, 3]]
Result:
[[11, 22, 33],
[41, 52, 63]]
The important part:
Broadcasting doesn't literally copy the data into a bigger array.
NumPy applies the operation as if the smaller array had been expanded, while avoiding unnecessary copies.
That's why this:
x + 5
can work even though x is 2D and 5 is just a scalar. | 1 229 |
| 12 | Intro to Datascience with Python.pdf | 1 397 |
| 13 |  8 RAG architectures for AI Engineers, visually explained: | 1 238 |
| 14 | A comprehensive summary of the Seaborn Library.pdf | 1 334 |
| 15 |  🧮 NumPy: Why axis=0 and axis=1 Feel Backwards
You've probably seen:
np.mean(X, axis=0)
and wondered:
"Why does axis 0 mean columns?"
Think about what NumPy is doing.
📌 axis=0 means:
Collapse the rows.
So you move down each column and get one value per column.
📌 axis=1 means:
Collapse the columns.
So you move across each row and get one value per row.
For:
1 2 3
4 5 6
np.mean(X, axis=0)
gives:
[2.5, 3.5, 4.5]
On the other hand:
np.mean(X, axis=1)
gives:
[2, 5]
Don't memorize the numbers.
Just Remember: The axis you specify is the dimension that gets collapsed.
#NumPy | 1 389 |
| 16 | Data Science Formulas Cheat Sheet.pdf | 1 214 |
| 17 |  📊 Pandas Cheatsheet Every Data Analyst Should Save
Pandas is one of the most important tools for data analysis. Master these core operations to work faster and more efficiently:
🔹 Read & Inspect Data
head(), shape, dtypes, describe()
🔹 Select & Filter Data
Extract relevant rows and columns with ease.
🔹 Row Selection
Use loc[] (labels) and iloc[] (positions).
🔹 Handle Missing Values
isnull(), dropna(), fillna()
🔹 Group & Aggregate
Summarize data using groupby() and aggregation functions.
🔹 Merge & Join Data
Combine datasets with merge() using different join types.
#Pandas | 1 381 |
| 18 | SQLBolt: Interactive SQL
You can learn SQL by writing real queries directly in the browser. Each short lesson ends with interactive exercises that give instant feedback. It covers SELECT, filters, joins, aggregates, inserting/updating data, creating tables, and more.
📚 Free Interactive Exercises
⏰ Duration: Self-paced (can finish in a few hours)
🏃♂️ Self Paced
👨🏫 Created by: SQLBolt
🔗 Link
#SQL #DataScience #Interactive
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
👉 Join @bigdataspecialist for more 👈 | 1 198 |
| 19 |  Tools vs MCP vs Skills: 3 Layers That Power Production AI Agents | 1 208 |
| 20 |  LLM inference speed with vs. without KV caching | 1 268 |
