Вже доступно! Дослідження Telegram за 2025 — головні інсайти року 
Анализ данных (Data analysis)
Відкрити в Telegram
Data science, наука о данных. @haarrp - админ РКН: clck.ru/3FmyAp
Показати більше📈 Аналітичний огляд Telegram-каналу Анализ данных (Data analysis)
Канал Анализ данных (Data analysis) (@data_analysis_ml) у мовному сегменті Російська є активним учасником. На даний момент спільнота об'єднує 50 255 підписників, посідаючи 2 658 місце в категорії Технології та додатки та 12 450 місце у регіоні Росія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 50 255 підписників.
За останніми даними від 26 червня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на 46, а за останні 24 години на 6, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 9.29%. Протягом перших 24 годин після публікації контент зазвичай збирає 6.48% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 4 671 переглядів. Протягом першої доби публікація в середньому набирає 3 258 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 29.
- Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як llm, контекст, openai, архитектура, deepseek.
📝 Опис та контентна політика
Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“Data science, наука о данных.
@haarrp - админ
РКН: clck.ru/3FmyAp”
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.
50 255
Підписники
+624 години
+327 днів
+4630 день
Архів дописів
🖥 Скрытые возможности Python: набор инструментов для эффективного и гибкого написания кода
Добро пожаловать в мир Python, универсального и мощного языка программирования, известного своей простотой, удобочитаемостью и обширной экосистемой библиотек.
В этой статье мы рассмотрим скрытые функциональные возможности Python, включая магические методы, контекстные менеджеры, понимание списков, декораторы, генераторы, динамическую типизацию и метапрограммирование, которые могут значительно улучшить ваши навыки программирования.
▪ Читать
@data_analysis_ml
❓Какие отличия между целями в проекте и продукте и как правильно валидировать требования?
Об этом 17 апреля в 20:00 на открытом уроке для опытных аналитиков в OTUS поговорим с преподавателем Иннокентием Бодровым, ведущим аналитиком продуктовой команды. Вебинар «Цели в проекте и продукте: различия и валидация требований» пройдет в рамках онлайн-курса «Системный аналитик. Advanced».
📝На занятии мы рассмотрим:
— Как проверить, что цели — это и правда цели
— Как различается целеполагание в проектах и продуктах
— Как валидировать требования на их соответствие целям.
Открытый урок — отличная возможность протестировать обучение! Продолжить вы сможете уже на курсе, доступном в рассрочку.
➡️Для участия пройдите вступительный тест: https://otus.pw/bTHA/
Аналитики данных — настоящие супергерои и занимают 1 место в рейтинге профессий с самым большим спросом на рынке труда до 2025 года (по данным Всемирного экономического форума).
Как стать таким специалистом?
Приходите на бесплатный симулятор работы в аналитике данных с 18 по 20 апреля и вместе с дата-сайентистом Сбера Марией Жаровой будете решать бизнес-задачи с помощью анализа данных. 30 минут теории, час практики и домашнее задание — каждый день в 19:30 мск. Самые активные из вас получат полезные подарки.
На интенсиве вы научитесь:
- разбираться в понятиях и направлениях анализа данных;
- оценивать результаты A/B-теста вручную;
- анализировать данные с помощью Google Таблиц;
- использовать язык программирования Python.
Записывайтесь: https://go.skillfactory.ru/QrowaA
И главное — поймете, подходит ли вам специальность и стоит ли начинать обучение.
Реклама ООО "Скилфэктори", LatgBtYsi
🤖 Создайте чат-бота с нуля, используя Python и TensorFlow
Создание чат-бота может быть сложной задачей, но при наличии правильных инструментов и техник это может стать увлекательным и полезным занятием. В этом руководстве мы создадим простого чат-бота с использованием Python и библиотеки Natural Language Toolkit (NLTK).
Вот шаги, которым мы будем следовать:
▪Настройка среды разработки
▪Определение постановки задач
▪Сбор и предварительная обработка данных
▪Обучение модели
▪Создание интерфейса чат-бота
▪Тестирование чат-бота
@data_analysis_ml
Стабильность — это точно не про рынок в 2023 году. Пока одни теряют средства и тонут, другие преодолевают сложности и умножают прибыль.
В чём секрет успеха? Хорошая интуиция и чутьё? Нет — это слишком большой риск. Данные и цифры — вот инструменты крутых управленцев и предпринимателей. Посмотрел на метрики в CRM, проанализировал их, принял решение — без интуиции, чуйки и эмоций. Работать с данными не так сложно, как кажется.
Вы научитесь это делать на курсе Skillbox «Управление на основе данных». Уже через полтора месяца вы сможете:
✅ Оптимизировать бизнес-процессы и уменьшать траты.
✅ Определять прибыльные направления для развития.
✅ Превращать наборы цифр в понятные графики и дашборды.
✅ Принимать решения даже в условиях неопределённости.
✅ Больше зарабатывать, пока другие теряют деньги.
Вас ждёт 5 онлайн-встреч с экспертами в аналитике данных и юнит-экономике. Вместе вы разберётесь в анализе и визуализации данных, начнёте находить точки роста бизнеса с помощью юнит-экономики, разберёте кейсы.
В конце курса вместе с экспертами разработаете проект по работе с данными для своего бизнеса и начнёте применять полученные знания на практике.
Узнать подробности и записаться можно здесь: https://epic.st/eOEpi
🗒 Пайплайн для создания классификации текстовой информации
Актуальность работы с большими объемами текстовой информации ещё долгое время (а может быть и всегда) будет неоспорима. При этом спектр задач весьма вариативен — от задач по поиску именованных сущностей, до классификации и кластеризации текстов обрабатываемых документов.
Представим ситуацию. Перед вами важная задача — классифицировать огромный поток входящих обращений сотрудников/клиентов для дальнейшего анализа профильными сотрудниками на предмет отклонений и для построения интересующих статистик. Первое решение, приходящее в голову — в ручном режиме просматривать обращения и проводить их классификацию. Спустя пару часов, приходит осознание того, что решение было не самым правильным и так задачу не выполнить в срок. Как же тогда поступить? Именно об этом будет следующий пост.
Задача классификации текстовых данных на языке Python довольно обширная тема, в ней могут встречаться как automl‑подходы, модели тематического моделирования так и нейросетевые методы. В рамках данного поста будет рассмотрен относительно эталонный pipeline для решения данной задачи с помощью классических моделей машинного обучения, предназначенных для классификации.
▪ Читать
@data_analysis_ml1
🚀 Смотрите международную конференцию Data Fusion 2023 в прямом эфире прямо сейчас! Конференция посвящена работе с данными и развитию технологий искусственного интеллекта.
Data Fusion 2023 – это точка сближения науки и бизнеса. Конференция будет полезна разработчикам и специалистам в области Data Science, CDO, бизнес-заказчикам DS-продуктов и сервисов, представителям государства и науки.
Присоединяйтесь к экспертам Банка ВТБ, Яндекса, Сколтеха, «Газпром нефти», ВШЭ и многим другим.
👉 Смотрите международную конференцию Data Fusion 2023 по ссылке: https://cnrlink.com/datafusion2023online
🖥 19 советов для улучшения вашего синтаксиса в Python
Заставить функцию работать – это одно. Другое дело – реализовать это с помощью точного и элегантного кода.
Как упоминалось в “The Zen of Python”: “красивое лучше, чем уродливое”. Хороший язык программирования, такой как Python, всегда предоставит соответствующий синтаксический сахар, который поможет разработчикам легко писать элегантный код.
В этой статье освещаются 19 важнейших синтаксических ошибок в Python. Путь к мастерству предполагает их понимание и умелое использование.
▪ Читать
@data_analysis_ml1
Получите надежную базу для быстрого старта в сфере data science: обучим в онлайн-формате за 2 месяца полностью бесплатно.
📚 Официальный образовательный партнер Томского государственного университета
💰 Преподаватели-практики с выдающимся профессиональным опытом в своей области
🙌 Увлеченное коммьюнити и новые полезные контакты
🎓 Удостоверение о повышении квалификации установленного образца
💻 Удобная обучающая платформа
🙍♀️ Поддержка тьютора в зачислении и обучении
Кто может участвовать?
— Студенты старшего курса и выпускники
— Женщины в декрете и мамы детей до 7 лет
— Безработные и лица под риском увольнения
и другие категории граждан.
Подробные условия — на нашем сайте.
Все наши программы:
— Аналитик данных
— Графический дизайнер
— Аналитик маркетплейсов
— Тестировщик ПО
— Системный аналитик
🚀 Подайте заявку прямо сейчас и начните учиться уже через 2 недели:
https://clck.ru/347bZ9
🖥 Прощай, os.path: 15 хитростей Pathlib для быстрого освоения файловой системы на Python
Pathlib, возможно, моя любимая библиотека (очевидно, после Sklearn). А учитывая, что в мире насчитывается более 130 тысяч библиотек, это о чём-то да говорит. Pathlib помогает мне превратить подобный код, написанный в os.path…
import os
dir_path = "/home/user/documents"
files = [os.path.join(dir_path, f) for f in os.listdir(dir_path) \
if os.path.isfile(os.path.join(dir_path, f)) and f.endswith(".txt")]
…в это:
from pathlib import Path
files = list(dir_path.glob("*.txt"))
▪ Читать дальше
@data_analysis_ml1Работать в IT может каждый! Для этого не обязательно техническое образование. Аналитика данных подойдет тем, кто хочет в IT, но пока не готов учиться программированию.
Всего за 9 месяца обучения на профессии «Аналитик данных» от Хекслета вы:
— Научитесь понимать основные метрики компаний и самостоятельно считать их, используя SQL и Google Sheets
— Разберетесь, как проводить когортный анализ и строить прогнозы
— Узнаете всё о визуализации данных с помощью Looker Studio и библиотек Python
— Научитесь делать выводы на основе исследований, обосновывать их и помогать бизнесу расти
❗А главное — на Хекслете вы станете участником Карьерного трека.
Пройдете вебинары, которые охватывают все темы по трудоустройству: от составления резюме и рабочих профилей до психологических аспектов собеседований и адаптации на рабочем месте.
🆙 Мы заинтересованы, чтобы вы нашли первую работу в IT. Переходите по ссылке выше, чтобы попробовать обучение на нашей платформе.
🤖 Создайте своего собственного чат-бота с искусственным интеллектом на Python
В этом пошаговом руководстве я покажу вам, как создать чат-бота с искусственным интеллектом с помощью Python.
Не волнуйтесь, если вы ничего не смыслите в программировании – я объясню всё на понятном языке, а примеры кода будут очень простыми.
▪ Читать
@data_analysis_ml
Почему именно ChatGPT стал прорывом в развитии нейросетей? Что происходит там под капотом на самом деле?
📢📢 Посмотрим на ChatGPT глазами ML-специалистов 17 апреля в 18:00 на открытом уроке «Towards ChatGPT».
Вебинар приурочен к старту онлайн-курса «Natural Language Processing (NLP)» в OTUS. На занятии мы разберем подход, позволивший ChatGPT добиться таких высот.
💻Что вас ждет на занятии?
— Поговорим про трансформерные и генеративные модели, лежащие в основе ChatGPT
— Разберем подход обучения с подкреплением на основе отзывов (RLHF), идею тюнинга инструкций и модель InstructGPT.
— Узнаем, благодаря чему трансформерным моделям удалось достичь таких высот.
Спикер — Мария Тихонова, руководитель курсов по ML в OTUS и Senior Research Data Scientist в команде AGI NLP в SberDevices. Не упустите возможность познакомиться с преподавателем курса и оценить формат обучения! Продолжить изучать NLP вы сможете уже на курсе, доступном в рассрочку.
При покупке курса вы бесплатно получите доступ к подготовительному курсу по Python, который познакомит с основными возможности языка.
👉Пройдите тест на уровень вашей подготовки и зарегистрируйтесь: https://otus.pw/7RZ3/
Реклама. Информация о рекламодателе на сайте otus.ru🖥 Освоение SQL: Использование данных для решения сложных задач
Я решил подробно рассказать о том, как я подхожу к использованию SQL для запроса баз данных. Я принял участие в еженедельном конкурсе Danny’s SQL challenge, чтобы начать тематическое исследование по этой теме. Вся необходимая вам информация об этом испытании доступна здесь.
▪Читать
@data_analysis_ml
🧬 Примите участие в международной конференции Data Fusion 2023 от ВТБ, которая пройдёт 13-14 апреля.
Конференция будет полезна разработчикам и специалистам в области Data Science, CDO, бизнес-заказчикам DS-продуктов и сервисов, представителям государства и науки.
Первый день конференции будет посвящен аспектам управления данными, практикам перехода на доверенные технологии, доступности дата-сетов для ИИ и другим темам, актуальным для CDO и руководителей бизнес-подразделений.
Программа 14 апреля адресована data science специалистам и исследователям. Темы докладов и сессий распределены по трем стримам: «ML+», «AI Classic», «ML Environment».
На конференции представят новейшие технологии и инструменты, а также будут проведены практические сессии и выступления ведущих предприятий. Не пропустите возможность улучшить свои навыки и расширить свои знания в области Data Science.
Участие в конференции бесплатное. Успейте зарегистрироваться по ссылке: https://cnrlink.com/datafusion81
👁🗨 Освоение OpenCV с помощью Python: Полное руководство по обработке изображений и компьютерному зрению
OpenCV – это библиотека с открытым исходным кодом, которая предоставляет разработчикам инструменты и алгоритмы для задач компьютерного зрения и машинного обучения.
Она поддерживает несколько языков программирования, включая C++, Java и Python. Привязки Python для OpenCV, известные как opencv-python, позволяют разработчикам Python легко использовать возможности OpenCV в своих приложениях.
▪Читать
@data_analysis_ml
Интервью по System Design — это обязательный этап собеседований в большие технологические компании уровня FAANG, по результатам которого принимается финальное решение о найме.
Но на русском языке почти нет материалов для комплексной подготовки!
Поэтому Валерий Бабушкин, Vice President, Data Science в Blockchainꓸcom, и Евгений Нижибицкий, Lead Machine Learning Engineer в AliExpress, создали свой авторский курс, где вы научитесь выстраивать сложные и масштабируемые архитектуры программных систем.
За 4 недели вы научитесь:
- собирать требования и оценивать нагрузку
- применять высокоуровневые схемы и модульный дизайн
- масштабировать и повышать отзывчивость систем
- создавать подсистемы для хранения данных, поиска и аналитики
На курсе System Design вы получите готовый план идеального ответа на собеседовании, а также знания о системах, которые помогут выделиться среди других кандидатов.
Курс стартует уже сегодня.
Записывайтесь по ссылке!
🖥 Дзен Python ООП: лучшие практики и шаблоны проектирования Python
🎞 Video
▪ Статья
@data_analysis_ml
ML-разработчики, хотите создать что-то действительно уникальное? Присоединяйтесь к IT-команде Сбера и приступайте к работе над русской версией ChatGPT 🖥
Чем предстоит заниматься?
• Довести качество русской версии до ChatGPT и даже обогнать его
• Придумывать и реализовывать новые варианты применения LLM
• Находить решения бизнес-задач с помощью технологии Сбера.
Если у вас есть опыт обучения моделей, знание математики, алгоритмов, а еще вы не боитесь экспериментировать — переходите по ссылке, смотрите все условия и откликайтесь на вакансию 💚
📊 Визуализация траекторий движения инструмента при обработке ЧПУ с помощью динамической точечной 3D-диаграммы
В этой статье мы исследуем потенциал метода визуализации для получения представления о траектории движения режущего инструмента во время обработки. Мы демонстрируем, как визуализация помогла выявить проблемы с новыми данными, показывая, что проблемы были в самом процессе, а не в модели.
Наши результаты подчёркивают важность визуализации данных как инструмента для получения информации о сложных процессах и устранения неполадок в моделях машинного обучения.
▪ Читать
@data_analysis_ml
