🏆 AIeron | Data Feeling
Відкрити в Telegram
IT предприниматель и препод 🧑🏫 ex-ML лидер в Dodo Brands 🦤🍕 Прокачиваю людей в Data Science 🚀 Победитель Stepik Awards 🏆 Kaggle Expert 🤹♀️ Создатель mnogo-reels.ru и @big_llm_course РКН https://clik.now/datafeeling Алерон @Ale_v2
Показати більше📈 Аналітичний огляд Telegram-каналу 🏆 AIeron | Data Feeling
Канал 🏆 AIeron | Data Feeling (@datafeeling) у мовному сегменті Російська є активним учасником. На даний момент спільнота об'єднує 14 206 підписників, посідаючи 719 місце в категорії Маркетинг і PR та 45 651 місце у регіоні Росія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 14 206 підписників.
За останніми даними від 05 листопада, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -13, а за останні 24 години на -4, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 21.37%. Протягом перших 24 годин після публікації контент зазвичай збирає 9.00% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 3 036 переглядів. Протягом першої доби публікація в середньому набирає 1 278 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 27.
- Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як лот, n8n, бразилия, пет, санкция.
📝 Опис та контентна політика
Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“IT предприниматель и препод 🧑🏫
ex-ML лидер в Dodo Brands 🦤🍕
Прокачиваю людей в Data Science 🚀
Победитель Stepik Awards 🏆
Kaggle Expert 🤹♀️
Создатель mnogo-reels.ru и @big_llm_course
РКН https://clik.now/datafeeling
Алерон @Ale_v2”
Завдяки високій частоті оновлень (останні дані отримано 06 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 Маркетинг і PR.
14 206
Підписники
-424 години
-137 днів
-1330 днів
Архів дописів
14 210
Ох, пока был в Новосибирске случайно попал на местное TV😅
А правда, что все ребята из IT любят худи? 🤫
P.S. - Это последний пост про Новосиб, дальше будет про ML)
#бабулясвязаламнесвитшот
14 210
Зачем вам в IT? Почему именно анализ данных?? 🤷♀️ Высокие зарплаты? Возможность удаленки с Бали? 🌴
Мой личный ответ - все ради соревновательной атмосферы анализа данных🏎🏁🏇
Давно мечтал посетить Новосибирск, и вот уже на пару с коллегой прокачиваем новосибирских талантливых школьников в ML. Несколько дней вели практикумы. В финале дали задачку на классификацию картинок с лидербордом. Все в лучших традициях Kaggle💪😉.
Вы бы знали, что делает с человеком желание поднять скор на борде и обойти других😹. Море эмоций и буря идей тут же вырываются на волю😈🔥
Инсайд: не пытайтесь раскачать человека словами, просто разожгите в нем любопытство, а там уже этот поезд не остановить 🚝. Так сложные концепции впрах разбиваются о бетонную стену азарта. 👊
P.S - мой не самый слабый бейзлайн был побит школьниками меньше, чем за час💥😳👏
#Новосибирск -20🌡
14 210
Заметил, что вы активно откликаетесь на реальные примеры побед/успехов. Даже пишите в личку или просто поддерживаете в комментариях. Спасибо.
Мне нравится делиться тем, как можно "хакнуть" какой-нибудь чемпионат по DS/ML. Однако, я рассказываю только про итоги, показываю уже рабочее чистое решение, не раскрывая при этом того, как прихожу к таким результатам. Хотя успеваю проверить море гипотез, при этом 95% из них не выстреливает. Вот это и есть реальный соревновательный анализ данных.
Что ж, настало время поднять ставки, рискнуть и показать этот процесс со старта.
Говорить о будущем успехе глупо и опрометчиво - никогда так не делаю, но именно в этот раз - Я изменю формат.
> Я обещаю выйти минимум в топ-10%🥉в свежем соревновании по NLP на Kaggle: 🔥🔥🔥🔥🔥 www.kaggle.com/c/jigsaw-toxic-severity-rating
Задача: ранжирование текстов по уровню токсичности. Впереди два месяца и сотни способов не выполнить своё обещание.
Эта серия постов будет носить тег: #Aleron_фармит🤹♂️
Как думаете, провалю? 🙂
14 210
#Трюк № 35 - стабилизация решений🛹⚖️
Представьте такую ситуацию, вы потратили уйму времени, чтобы занять лидирующую позицию в топе лидерборда. А после оценки вашей модели на приватной выборке - ваш результат уходит в закат 🌅, а точнее слетает на N позиций вниз🛬. Что вы чувствуете? 🤷♀️😕🌡
Что ж, сейчас дядя Саша расскажет одну Kaggle'скую фишку, как можно взять шафл под свой контроль и скидывать вниз по лидерборду всех, кто плохо пристегнулся💺.
Сама процедура прозвучит как абсурд, как бессмысленная операция, как бред больного, но метод на моей практике показал себя хорошо. (Пруф эффективности трюка на скрине ниже)
Идея трюка такая:
1 - Берем модель, фиксируем random_state/seed модели, обучаем, сохраняем.
2 - Создаем новую точно такую же модель, фиксируем НОВЫЙ random_state, обучаем, сохраняем.
3 - Делаем так несколько раз .
4 - Далее просто усредняем прогнозы полученных моделей с разными seed'ами. Все🙅♂️
Сама точность прогноза обычно не отличается. Она даже может быть больше/меньше, чем без усреднения.
Но преимущество в том, что такой ответ более стабильный по множеству причин. Эту идею часто используют не только в классическом ML, но даже в CV, NLP, GAN'ах.
P.S. - Если ваша модель детерминированная (linear regression), то можно зайти с другой стороны. Берем K-фолдное разбиение и повторяем его несколько раз при разных random_state'ах. Результаты усредняем.
#теперь_фарт_в_твоей_команде
14 210
Выкладываю своё решение по хакатону от МКБ на топ-2. Забирайте на разбор)🍿🎬
- Потрачено времени - 4 дня (full time)
- Сгенерировано 210 новых признаков🚵
- Только 10 новых признаков дают резкий прирост в точности
- Финальная модель - ансамбль двух катбустов🐈 🐈
- Результат - 2й на привате🏆
Из ощущений о кейсе:
- 70% успеха - это новые признаки / работа с данными
- 20% успеха - это работа с моделью / коддинг
- 10% понимание доменной области / или гугление
Ссылка на GitHub: github.com/a-milenkin/MKB_hack
Отдельными постами расскажу про фишки/трюки, которые сработали.
#two_cats_to_top
#забирай_и_побеждай
14 210
Братцы, одно скажу!
Цените матерей и максимально стабилизируйте свои решения, чтобы шафлило только вверх ☝️😄
Итог: топ-2 на привате🤟😱
#всемфарту🤞
#МКБ
14 210
Неожиданно много людей написало насчет идей по хаку МКБ. 😳 Что так много людей хотят себе айфон или макбук?😅
Из того что услышал, мало кто вообще пытался дополнительные признаки генерировать 😳😳. Поэтому решил поделится одним успешным кейсом, который на мой взгляд хорошо разделяет данные по таргету. 🧠🚀
Расскажу что это и как я придумал этот признак через пару дней)
#FeatureEngineering на максималках
14 210
Пофармил на этих выходных хакатон от МКБ. Задача интересная, предсказание факта наступления выплаты по гарантии.
Осталась пара дней до конца, но уже все адекватные идеи перебрал пока дошел до топ-5 из 3-x сотен DS'ов 🤺. Оставлю так, посмотрим, подбросит ли меня шафл на привате повыше. 😄🤟
Кто-то писал, что хак для начинающих, но такого не почувствовал. Пока поднимал скор - пришлось попотеть🧠🧠🧠.
#хочумакбук👨💻
#ЛикиНЕиспользовал💦
Интересно чем все закончится?
Накидайте идей в комменты 🤪
14 210
Kaggle штука не простая)😅
Поднялся за ночь на 426 мест вверх, но до медали все равно не долетел)☄️🤪
А не запустить ли мне курс - как НЕ выиграть медаль на Kaggle? 🤔🤔
Решил поделиться - потому что иногда важнее набраться опыта, чем урвать призовые.
PS: Сорева по NLP на языке Хинди - вообще ничего не мог прочитать, чисто на метрики опирался. 🙂
PPS: В паре мест надо мной два индуса Kaggle-мастера🤙
14 210
Вот рассказываю тут вам про фишки из мира анализа данных, а в жизни сталкиваюсь с вот таким…🤷♀️😅
Представляю вашему вниманию сверх-высоко-пропускную систему электронного документооборота 🗃🧨
Врать не стану. Мои документы, потерянные месяц назад, были найдены менее, чем за 10 секунд, под чьей-то чашкой кофе☕️. Очень шустро ⚡️
Сама команда, разработавшая систему, признается, что секрет успеха в Agile техниках и продвинутом использовании Jira, Slask’а и Trello
#CRMотдыхает
#DataEngineering
14 210
Рассказываю тут вам про фишки из мира анализа данных, а в жизни сталкиваюсь с вот этим…
Представляю вашему вниманию сверх-высоко-пропускную систему электронного документооборота.
Врать не стану. Мои документы, потерянные месяц назад, были найдены менее, чем за 10 секунд, не отрываясь от кофе☕️.
Сама команда, разработавшая базу данных, признается, что секрет успеха в agile техниках и продвинутом использовании Slask’а и Trello.
#SRMотдыхает
14 210
А ты используешь пайплайны?😎
Или пишешь код отдельно для тренировочных данных и отдельно для тестовых?🙊😱
#ds_memes
14 210
Провел вчера открытый вебинар в Otus по пайплайнам в sklearn.
Вышло полезно, поэтому не могу не поделиться и со своей шайкой DS'ов. Забирайте запись: github.com/a-milenkin/Otus_Open_Day/
На картинке гигант, которого собрал для задачи классификации за 10 строк кода на Python 🤠
Да еще и обучили💪🤪🤘
#pipelines
#неРеклама
14 210
Продолжаю прокачивать твои навыки в Data Science🎡
Трюк №17 - сдвиги (Data shift)🎭
На валидации метрика высокая, а на тесте внезапно сильно ниже? - Это повод проверить ваши данные на сдвиги. На скрине привел простой пример, как можно отловить сдвиг🕸
Что можно сделать?
- Удалить шифт-фичу совсем
- Проверить выбросы
- RobustScaling, StandScaling*
- Вычесть разницу средних
- data[“feature”].shift(12)
* В этом теме много тонкостей. Поэтому просто обращу внимание на один из способов искать шифты с помощью статистических критериев - не зря же вам на мат.статистике про них рассказывали?! Найдя шифт, придумать что с ним делать уже проще.
На своей практике, использовал шифты как дополнительный повод почистить данные. Смотри скрин.
P.S - Да, критерии нужны не только для А/B тестирования!🚦🏭
14 210
трюк №13 - блендинг 🎳
Вот вам мотивация биться командой☘️. Считаешь, что твой score так себе...? А что покажет блендинг с моделями товарищей? На фото мой реальный кейс с хака🧙♂️ Это прям магия 🪄📈😅
Почему работает? Зануляется шумовая составляющая прогноза.
P.S - Развлёкся этой ночью на Open Data Battle, наконец-то дошли руки доработать код с 3-м бустингом - catboost'ом 🐈. Очень порадовал)💪 🔥
#чисто_ради_фана
🎃🎃🎃🎃🎃🎃🎃
