Вже доступно! Дослідження Telegram за 2025 — головні інсайти року 
Machine learning Interview
Відкрити в Telegram
ИИ, Rust, вайбкодинг, Data Science, Deep Learning и делюсь тем, что интересно и полезно! Вопросы - @workakkk РКН: clck.ru/3FmwRz
Показати більше📈 Аналітичний огляд Telegram-каналу Machine learning Interview
Канал Machine learning Interview (@machinelearning_interview) у мовному сегменті Російська є активним учасником. На даний момент спільнота об'єднує 30 037 підписників, посідаючи 4 590 місце в категорії Технології та додатки та 21 932 місце у регіоні Росія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 30 037 підписників.
За останніми даними від 16 червня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на 26, а за останні 24 години на 4, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 20.72%. Протягом перших 24 годин після публікації контент зазвичай збирає 7.24% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 6 223 переглядів. Протягом першої доби публікація в середньому набирає 2 175 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 40.
- Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як claude, llm, контекст, hermes, nvidia.
📝 Опис та контентна політика
Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“ИИ, Rust, вайбкодинг, Data Science, Deep Learning и делюсь тем, что интересно и полезно!
Вопросы - @workakkk
РКН: clck.ru/3FmwRz”
Завдяки високій частоті оновлень (останні дані отримано 17 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.
30 037
Підписники
+424 години
-17 днів
+2630 день
Архів дописів
😎 Подборка сайтов для поиска работы по всему миру
🚀Франция
https://candidat.pole-emploi.fr/espacepersonnel/
https://www.indeed.fr
https://www.monster.fr
🚀Германия
https://stellenmarkt.sueddeutsche.de/
https://www.arbeitsagentur.de/
https://www.monster.de/
https://www.horizontjobs.de/
🚀Италия
https://www.careerjet.it/
http://www.monster.it/
https://it.indeed.com/
https://www.infojobs.it/
🚀Испания
https://www.infojobs.net/
https://www.monster.es/
https://www.infoempleo.com/
🚀США
www.indeed.com
https://www.careerbuilder.com/
http://craiglist.com/
www.monster.com
https://www.vacancyopen.com/
🚀Чехия
https://www.jobs.cz/
https://www.profesia.cz/
https://www.prace.cz/
https://www.dobraprace.cz/
www.dzob.cz
🚀Польша
https://www.pracuj.pl/
https://www.jobs.pl
https://gazetapraca.pl/
www.gowork.pl
🚀Великобритания
https://www.indeed.co.uk
https://www.monster.co.uk/advertise-a-job/
https://www.cv-library.co.uk/
🚀Швеция
https://www.monster.se/
https://www.jobbsafari.se/
https://www.metrojobb.se/
🚀Австралия
http://jobsearch.gov.au
www.seek.com.au
www.careerone.com.au
🚀Венгрия
https://nofluffjobs.com/hu/
🚀Канада
www.workopolis.com
http://www.canadajobs.com
http://ca.indeed.com
http://www.monster.ca/
🚀Латвия
https://www.cv.lv/lv/
🚀Турция
http://www.yenibiris.com/
http://www.kariyer.net/
https://turkey.xpatjobs.com/
#vacancy #job
@machinelearning_interview
Научитесь обучать модели компьютерного зрения и превращайте настоящее в будущее..
Яндекс Практикум запускает курс «Компьютерное зрение на базе нейронных сетей». Он подойдёт тем, у кого уже есть опыт в Data Science. В программе — «три кита» компьютерного зрения: классификация, детекция и сегментация.
За 3 месяца вы обучите модели, которые умеют:
— определять границы и сетку для пазла Судоку,
— узнавать настроение человека по фотографии;
— выявлять элементы дорожного движения для беспилотного автомобиля.
— сегментировать спутниковые снимки, чтобы определять местоположение объекта.
Вы освоите полный цикл работы с CV-моделями с нуля до релиза. А ещё — будете учиться у наставников — экспертов в области компьютерного зрения.
Записывайтесь в первый поток и работайте над технологиями, о которых писали фантасты.
Задача с кодом. Монетная кооперация
В стену вмонтирован специальный аппарат, выдающий монетки. За стеной с каждой стороны стоит человек. Оба они могут взаимодействовать с аппаратом.
Если бросить монетку в аппарат, человек, стоящий за стеной, получит 3 монетки. И наоборот.
Если оба человека будут честно тратить свои монетки, чтобы второй получил прибыль (т.е. делиться, share), оба они будут получать по 2 монетки прибыли по очереди.
Но всегда есть вероятность, что кто-то поступит эгоистично (steal): не захочет тратить свои монетки, но с радостью заберет 3 монетки прибыли, если второй поделится.
Задание
Допустим, у каждого человека есть по 3 монетки. Создайте функцию, которая будет высчитывать прибыль обоих людей. На вход функция будет принимать два списка строк. Списки будут представлять поведение этих людей (слова share и/или steal)
Примеры
balances(["share"], ["share"]) ➞ [5, 5]
# Оба человека тратят по монетке и получают по 3.
get_coin_balances(["steal"], ["share"]) ➞ [6, 2]
# Первый человек получает 3 монетки, второй тратит одну.
get_coin_balances(["steal"], ["steal"]) ➞ [3, 3]
# Никто ничего не тратит и не получает, остаются при своих.
get_coin_balances(["share", "share", "share"], ["steal", "share", "steal"]) ➞ [3, 11]
Примечания
- В «минус» никто не уйдет, так что числа всегда будут положительными.
- Слова будут передаваться в нижнем регистре.
#задача #coding
📌 Тестовое задание по python
Мы уже создавали матрицу спирали, теперь создадим полноценный проект.
Необходимо реализовать Python-библиотеку, которая осуществляет получение квадратной матрицы (NxN) с удалённого сервера и возвращает её пользователю в виде List[int]. Этот список должен содержать результат обхода полученной матрицы по спирали: против часовой стрелки, начиная с левого верхнего угла (см. test case ниже).
Пример исходной матрицы:
+-----+-----+-----+-----+
| 10 | 20 | 30 | 40 |
+-----+-----+-----+-----+
| 50 | 60 | 70 | 80 |
+-----+-----+-----+-----+
| 90 | 100 | 110 | 120 |
+-----+-----+-----+-----+
| 130 | 140 | 150 | 160 |
+-----+-----+-----+-----+
Матрица гарантированно содержит целые неотрицательные числа. Форматирование границ иными символами не предполагается.
Требования к выполнению и оформлению
Библиотека содержит функцию со следующим интерфейсом:
async def get_matrix(url: str) -> List[int]:
...
Функция единственным аргументом получает URL для загрузки матрицы с сервера по протоколу HTTP(S).
Функция возвращает список, содержащий результат обхода полученной матрицы по спирали: против часовой стрелки, начиная с левого верхнего угла.
Взаимодействие с сервером должно быть реализовано асинхронно - посредством aiohttp, httpx или другого компонента на asyncio.
Библиотека должна корректно обрабатывать ошибки сервера и сетевые ошибки (5xx, Connection Timeout, Connection Refused, ...).
В дальнейшем размерность матрицы может быть изменена с сохранением форматирования. Библиотека должна сохранить свою работоспособность на квадратных матрицах другой размерности.
Решение задачи необходимо разместить на одном из публичных git-хостингов (GitHub, GitLab, Bitbucket). Можно также выслать решение в виде архива (zip, tar). Загружать библиотеку в PyPi или другие репозитории не требуется.
Проверка решения
Для самостоятельной проверки можно использовать следующий test case:
SOURCE_URL = 'https://raw.githubusercontent.com/avito-tech/python-trainee-assignment/main/matrix.txt'
TRAVERSAL = [
10, 50, 90, 130,
140, 150, 160, 120,
80, 40, 30, 20,
60, 100, 110, 70,
]
def test_get_matrix():
assert asyncio.run(get_matrix(SOURCE_URL)) == TRAVERSAL
Загружайте свои решения и отправляйте ссылки в комментарии👇
@machinelearning_interview👋 Ждем вас 13 апреля на вебинаре по теме: «Моделируем искусственный интеллект для агротеха» в 10:00 по московскому времени
Агротехнологии дают огромное поле для внедрения искусственного интеллекта. Многие задачи радикально упрощаются с приходом ИИ: актуальная предиктивная аналитика, автоматизация когнитивных задач, и просто – создание моделей, основанных на анализе больших объемов данных.
На этом вебинаре мы обсудим, где в агротехе находятся самые заметные точки для приложения ИИ, с чего начинаются проекты в этой области (данные, компетенции, сообщество), а также как масштабировать ваши усилия и перейти от обучения отдельных моделей к потоковому полунатурному моделированию ИИ, за которым следует валидация, развертка и мониторинг.
Приходите, это отличный повод поговорить о внедрении технологий анализа данных, об успешных примерах и о современных инструментах, упрощающих жизни дата-специалисту в реальных агротех-проектах.
👉 Регистрация
#вопросы_с_собеседований
Что такое закон больших чисел?
Это принцип теории вероятностей, который описывает результат выполнения одного и того же эксперимента множество раз.
При достаточно длительной серии экспериментов закон больших чисел гарантирует устойчивость средних значений от случайных событий. И среднее значение конечной выборки фиксированного распределения будет очень близко к математическому ожиданию выборки.
К примеру, при бросках шестигранного кубика. Чем больше бросков, тем больше среднее значение близится к математическому ожиданию 3,5.
Что такое Байесовское А/B-тестирование и как его провести?
✅ Подробно обсудим 18 апреля в 20:00 мск на открытом уроке в OTUS. Занятие приурочено к старту онлайн-курса «Machine Learning. Advanced».
На вебинаре мы разберем, какие преимущества дают Байесовские A/B тесты по сравнению с обычными, как проводить Байесовские A/B тесты и как работать с Байесовскми моделями в PyMC3.
В результате урока вы:
- Познакомитесь с основами A/B тестирования
- Научитесь делать дизайн эксперимента для A/B теста
- Узнаете, как определить, что тест шел достаточно времени
- Познакомитесь с критериями принятия решения по эксперименту
- Получите новый простой и эффективный инструмент для A/B тестирования
⚠️ Урок будет полезен специалистам в области аналитики данных или аналитики продукта, а также тем, кто уже знаком с A/B тестированием, но хочет углубить свои знания.
🖌 Для участия пройдите вступительный тест
https://otus.pw/wCnN/
16 сервисов для Создания Резюме и Профиля LinkedIn с использованием Искусственного Интеллекта. Сохрани, чтобы получить Работу Мечты
1. kickresume — На сайте лежат настоящие резюме людей, которых взяли, например, в Amazon. Используйте их в качестве шаблона.
2. copy ai — Поможет создать резюме на нейросетях. Выберите шаблон «Resume», вбейте желаемую должность, напишите о себе в свободной форме, стиль текста профессиональный и вы получите четкое описание ваших навыков разбитых по пунктам.
3. enhancv — Более 1000 примеров резюме.
4. HyreSnap — Бесплатный конструктор резюме на основе искусственного интеллекта. ИИ сделает ваше резюме максимально совместимым с описаниями вакансий.
5. resumestar io — онлайн-редактор создает современные одностраничные резюме.
6. skillroads — Конструктор резюме на базе искусственного интеллекта. ИИ знает, какие навыки необходимо добавить и какой опыт выделить.
7. hiration — Сервис оценит текущее резюме и сопроводительное письмо и предложит изменения.
8. resumA.I. — Напишет и отредактирует пункты резюме с помощью ChatGPT.
9. thisresumedoesnotexist — 1000 примеров AI резюме (на базе enhancv).
10. resumeworded — Бесплатная мгновенная обратная связь о вашем резюме и профиле LinkedIn.
11. jasper — ИИ копирайтер Jasper поможет генерировать интересные статьи в LinkedIn.
12. resumaker ai — Конструктор резюме.
13. rezi ai — Платформа для составления резюме.
14. designs ai — Разработает основу резюме, подберет подходящие цвета и шрифты. Сэкономит вам время на дизайне, а вы сосредоточитесь на демонстрации своего опыта и навыков.
15. mosaic ai — Помогает подобрать подходящие ключевые слова для резюме.
16. CVJury — Конструктор резюме, сопроводительного письма и профиля LinkedIn.
📋 Собеседование в области науки о данных: 7 распространенных ошибок
Наука о данных — одна из самых быстрорастущих областей в технологической индустрии. Если вы постоянно получаете отказы после собеседований, постарайтесь выявить свои “слабые места” и поработать над ними. Данная статья вам в этом поможет.
Материал написан на основе собеседований с более чем 70 кандидатами на различные должности в области науки о данных и МО.
➡️ Читать дальше
@data_analysis_ml
🔥Какие знания точно нужны программисту? Ответ — все ключевые понятия в Computer Science.
Начните изучать эту область 30 марта в 20:00 на вебинаре, приуроченном к старту онлайн-курса «Computer Science» в OTUS. Тема открытого урока: «Ввод-вывод в компьютерных системах».
📚Что интересного будет на занятии?
— Рассмотрим основы архитектуры ввода-вывода (I/O) в компьютерных системах.
— Изучим роль I/O систем в компьютерной архитектуре, рассмотрим различные типы устройств и их использование в компьютерных системах.
— Обсудим необходимые аппаратные компоненты, такие как память
— Научимся использовать программно устройства ввода-вывода.
Результат занятия 👉 вы разберетесь в роли, типах I/O систем в компьютерной архитектуре и способов взаимодействия с ними.
🎁 Продолжить изучение Computer Science вы сможете на курсе, доступном в рассрочку.
Для участия зарегистрируйтесь: https://otus.pw/fGcU/
Стрессовое интервью: 8 фишек рекрутёров
А вам устраивали стрессовое собеседование? Возможно, да, но вы могли об этом не догадываться. Представляем вашему вниманию фишки, которые используют рекрутёры, чтобы проверить кандидата на прочность.
▪ Читать
@machinelearning_interview
👉Часто ML интервью на уровень позиции middle и выше требуют не только опыта промышленной разработки и твёрдых знаний core ML, но и в дополнение, предполагают довольно высокий уровень софт скиллов. Именно они оставляют то самое послевкусие последнего этапа собеседования, когда компания решает, делать ли вам оффер и когда вы решаете, точно ли вы хотите работать в этой компании.
👨💼По своему опыту проведения и прохождения ML интервью автор канала делится лайфхаками для собеседований ML system design на примере решения реальной задачи ранжирования.
👊Подписывайся, чтобы не пропустить дальнейший разбор кейса и дополнительные лайфхаки для собеседований https://t.me/rl_enthusiasts/32
Data Science: что нужно знать для собеседования?
Data Science — является одной из самых популярных и высокооплачиваемых профессий в сфере IT. Компании полагаются на Data Science специалистов для анализа и интерпретации данных или принятия обоснованных решений, способствующих росту бизнеса.
С ростом спроса на квалифицированных специалистов конкуренция за вакансии сильно возросла и очень важно быть хорошо подготовленным. В этой статье — подборка материалов к собеседованию на Data Science Junior:
https://habr.com/ru/post/724064/
#datascience
🎲 Вы бросаете два шестигранных кубика. Какова вероятность, что сумма выпавших значений будет равна 4? А 8?
Выбросить 4 можно тремя комбинациями:
(1+3, 2+2, 3+1). Поскольку всего комбинаций 36, P(4) = 3/36 = 1/12.
Выбросить 8 можно пятью комбинациями: (2+6, 3+5, 4+4, 5+3, 6+2). P(8) = 5/36.
@machinelearning_interview31 марта МТС собирает крупнейшую в России IT-конференцию TRUE TECH DAY. Почему сейчас? Потому что давно пора показать, что скрывают «под капотом» топовые продукты продвинутых технологичных компаний. Каждый участник конференции протестит на себе true-технологии и испытает новые впечатления, меняющие мир пользователей.
Что будет:
→ 7 треков: AI, Main Track, Big Data, Architecture, Cybersecurity, Leading Change, Product Manager.
→ 50+ мировых спикеров с топовыми темами без воды и лирики
→ 10 часов нетворкинга и обмена опытом в Москве, Дубае, Тбилиси и Астане
→ много интерактивных и цифровых зон
→ а после — грандиозная вечеринка со звездным лайн-апом
Все спикеры и темы уже на сайте.
Регистрируйся на True Tech Day по ссылке.
Участие бесплатно
📌 Что такое RCA (root cause analysis)? Как отличить причину от корреляции? Приведите примеры.
Анализ причин (root cause analysis, RCA) – метод решения задач, используемый для выявления причин некоторого явления.
Корреляция измеряет уровень зависимости между двумя переменными, от -1 до 1. Причинно-следственная связь – это когда первое событие вызывает второе. Причинно-следственные связи учитывают только прямые зависимости, тогда как корреляция – и косвенные зависимости.
Пример
Повышение уровня преступности в Канаде совпадает с повышением продаж мороженого, то есть корреляция между ними положительна. Но это не значит, что одно является следствием другого. Просто и то, и другое происходит, когда становится теплее.
Провести анализ причинно-следственных связей можно с помощью проверки гипотез или A/B тестирования.
@machinelearning_interview
🖥 Вопросы для подготовки к собеседованию по искусственному интеллекту
Как только вы договоритесь о собеседовании с потенциальным работодателем, у вас появится возможность изучить эту конкретную организацию и использование в ней искусственного интеллекта.
Это поможет вам подготовиться к конкретным вопросам собеседования по искусственному интеллекту, относящимся к данному работодателю. До тех пор вы можете подготовиться к общим вопросам собеседования по искусственному интеллекту, зная, как показать свои широкие знания и применении искусственного интеллекта. Приведенная ниже статья из вопросов и ответов поможет в этом.
https://www.simplilearn.com/artificial-intelligence-ai-interview-questions-and-answers-article
@machinelearning_interview
Курс «Английский для разработчиков» Яндекс Практикума
Для тех, кто хочет изменить свою профессиональную жизнь и работать в международной команде.
Обучение построено не вокруг абстрактной теории, а вокруг рабочих ситуаций и полезных для карьеры навыков:
✋Стендапы. Подготовитесь обсуждать задачи, задавать вопросы и просить о помощи.
👨💻 Работа с заказчиками. Научитесь презентовать решения, говорить про баги и фичи.
📣 Митапы. Сможете понимать на слух доклады и выступать сами.
😎 Собеседования. Научитесь рассказывать про свой опыт, понимать вопросы и тактично переспрашивать.
👯 Неформальное общение с коллегами. Сможете рассказать о своих интересах, опыте, планах на будущее.
💻 Код-ревью. Сможете описать сделанное, дать обратную связь, тактично отстоять своё мнение.
На курсах английского для карьеры весь март действует акция. При покупке вы бонусом получаете доступ к профессиональным разговорным клубам.
Запишитесь на бесплатную консультацию. Кураторы определят ваш уровень языка и расскажут подробнее про обучение.
100 самых частых вопросов на собеседованиях по Машинному обучению.
На каждый из вопросов дается развернутый ответ — все, чтобы вы смогли подготовиться и получить желаемую должность.
@machinelearning_interview
Ежегодное соревнование по анализу данных и искусственному интеллекту от ВТБ и ODS. AI
Совсем скоро состоится ежегодное состязание для специалистов по машинному обучению — Data Fusion Contest 2023. Любителей IT-турниров ждёт насыщенная программа, состоящая из двух треков: организация и защита нейросетей, обученных на транзакционных данных.
🏆 Команды, которые представят лучшие решения, поборятся за призовой фонд в 2 000 000 рублей.
🤖 Участники получат фирменный мерч, поучаствуют в онлайн-митапах с воркшопами от крутых специалистов и прокочают свои навыки в области ИИ и Data Science.
