Endi mavjud! Telegram Tadqiqoti 2025 — yilning asosiy insaytlari 
Data Science | Machinelearning [ru]
Kanalga Telegram’da o‘tish
Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM. Личный блог автора - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD
Ko'proq ko'rsatish📈 Telegram kanali Data Science | Machinelearning [ru] analitikasi
Data Science | Machinelearning [ru] (@devsp) Rus til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 19 994 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 6 722-o'rinni va Rossiya mintaqasida 33 703-o'rinni egallagan.
📊 Auditoriya ko‘rsatkichlari va dinamika
невідомо sanasidan buyon loyiha tez o‘sib, 19 994 obunachiga ega bo‘ldi.
21 Iyun, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -75 ga, so‘nggi 24 soatda esa -3 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.
- Tasdiqlash holati: Tasdiqlanmagan
- Jalb etish (ER): Auditoriya o‘rtacha 8.29% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 3.70% ini tashkil etuvchi reaksiyalarni to‘playdi.
- Post qamrovi: Har bir post o‘rtacha 1 658 marta ko‘riladi; birinchi sutkada odatda 740 ta ko‘rish yig‘iladi.
- Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 7 ta reaksiya keladi.
- Tematik yo‘nalishlar: Kontent llm, nvidia, контекст, openai, архитектура kabi asosiy mavzularga jamlangan.
📝 Tavsif va kontent siyosati
Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
“Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM.
Личный блог автора - @just_genych
По вопросам рекламы или разработки - @g_abashkin
РКН: https://vk.cc/cJPGXD”
Yuqori yangilanish chastotasi (oxirgi ma’lumot 22 Iyun, 2026 da olingan) sababli kanal doimo dolzarb va katta qamrovli bo‘lib qoladi. Analitika auditoriya kontent bilan faol hamkorlik qilishini, uni Texnologiyalar & Aralashmalar toifasidagi muhim ta’sir nuqtasiga aylantirishini ko‘rsatadi.
19 994
Obunachilar
-324 soatlar
-367 kunlar
-7530 kunlar
Postlar arxiv
Мешают ли дата-сайентистам галлюцинации, и где они с ними сталкиваются
В предновогоднем эпизоде подкаста «Деньги любят техно» команда дата-сайентистов из ВТБ подвела итоги уходящего года в темах развития нейросетей, машинного обучения, инструментов на базе ИИ. Вспомнили главные достижения и фейлы технологических компаний, занимающихся генеративным ИИ, рассказали о своём взаимодействии с нейросетями, пообщались с одной из них и попытались выяснить, когда она со своими «коллегами» захватит мир.
Получился живой и весёлый разговор, слушать можно на любой удобной подкаст-платформе.
💎 Как быстро и эффективно собирать данные с разных сайтов?
Расскажет Мария Тихонова – Senior Data Scientist в SberDevices и преподаватель ВШЭ. Встречаемся на бесплатном уроке «Парсинг данных: собираем датасет своими руками», где мы поговорим об общих принципах сбора данных и изучим основные инструменты парсинга в Python.
💻 Вебинар идеально подойдет:
— тем, кто знает основы Python и хочет углубиться в ML и NLP;
— начинающим DS специалистам;
— тем, кто уже изучил основы ML и хочет понять более глубокие аспекты.
🗣 Занятие пройдёт 25 декабря в 20:30 мск и будет приурочено к старту курса «Natural Language Processing». После урока вы сможете продолжить обучение в рассрочку.
📍 Для бесплатного участия и получения записи пройдите короткое тестирование прямо сейчас: https://clck.ru/37CyJ3
Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru
Спрос на ML-специалистов растет: как ШАД от Яндекса готовит профессионалов
В интервью “Коммерсанту” глава Школы анализа данных (ШАД) Алексей Толстиков рассказывает о подготовке специалистов по машинному обучению, объясняет, почему конкурс на поступление такой высокий и расписывает типичный карьерный трек ШАДовца с перспективой руководить командой в несколько десятков человек уже через три-пять лет после выпуска.
Читать
Подкаст для начинающих и продвинутых специалистов в MLOps
О чём:
• Какие критерии выбора применять при выборе инструментов MLOps для больших задач
• С чего начать, на какие платформы обратить внимание
• Как выбрать подходящие под вашу задачу Open-Source-инструменты
• Облако или InHouse
Участники:
• Юрий Карев, руководитель управления процессов и стандартов моделирования и машинного обучения ВТБ
• Алексей Незнанов, к.т.н, старший научный сотрудник международной лаборатории интеллектуальных систем и структурного анализа НИУ ВШЭ
Слушать 🎧
💪 Создание ML-модели: как выпустить ML-сервис в прод малыми силами
В этой статье Александр Кузьмичёв и Александр Казначеев, пилоты проекта «ML-сервис по оттоку», поделились своим опытом разработки модели и выкатки её в прод с помощью Cloud ML Platform. Они рассказали все: от подготовки модели до перспектив ее улучшения.
Читать…
🔬 Яндекс в пятый раз наградил исследователей в области машинного обучения
Международную премию Yandex ML Prize получили 11 ученых, всего было получено более 200 заявок в шести номинациях. Так, лауреатами стали аспиранты Сколтеха Никита Гущин — за разработку новых генеративных моделей на основе решения задачи моста Шрёдингера —и Антон Разжигаев — за мультимодальные исследования. Исследования имеют прикладной характер и находят применение в реальных задачах в IT-сфере.
💬 Вступайте в сообщество MLOps-инженеров в Telegram. Там публикуем дайджесты, обсуждаем новые инструменты и технологии.
В сообществе вы найдете:
▫️ Новости индустрии production ML;
▫️ Полезные статьи, инструменты и технологии;
▫️ Опыт коллег и лучшие практики.
Присоединяйтесь, чтобы получать новые знания от практиков MLOps и дата-аналитики: https://t.me/+cm7RWVl98JhkMzky
Реклама ООО «Селектел» erid 2VtzqwMZZhC
🔐Безопасность и контроль: Как GPT-агенты на основе узлов преодолевают ограничения AutoGPT
В этой статье мы рассмотрим потенциальную альтернативу существующим GPT-агентам, которая позволить минимизировать риски, связанные с использованием GPT-агентов, и при этом потенциально более эффективно решать конкретные задачи.
Читать...
😶🌫️Поиск аномалий при запусках процессов Windows с помощью рекомендательных систем
В этой статье мы расскажем о том, как правильно использовать «магию» машинного обучения, какой алгоритм фактически самостоятельно «понимает» функциональные обязанности каждого пользователя и предназначение конкретной программы и при чем здесь рекомендации товаров в интернет-магазине.
Читать...
Используем Cloud ML Platform для построения сервиса распознавания лиц
Станислав Кипрюшин, ведущий программист в VK Cloud, выкатил статью, в которой рассказывает, как машинное обучение (Machine Learning, ML) может быть реализовано для создания MLOps-конвейер на одной платформе. Один из способов предполагает использование различных технологий на каждом этапе, а другой — работу с готовым набором инфраструктурных решений. Какой путь будет проще и какие потребуются ресурсы — читайте на Хабре.
💰 Есть три способа сэкономить на покупке новой техники и всего что угодно 👇
С картой Тинькофф Платинум вы сможете:
1️⃣ Получить обратно 1000 рублей за любые траты свыше 3000 рублей*.
2️⃣ Купить любой товар в рассрочку на 12 месяцев без процентов.
3️⃣ Каждый месяц забирать до 30% кэшбэка при покупке у партнеров Тинькофф.
Кредитный лимит — до 1 000 000 рублей. Можно взять новый мощный ноутбук, ультраширокий монитор, очки виртуальной реальности, и еще останется. Например, на кружку с подогревом 😂
Переходите по ссылке, чтобы оформить карту.
👉 tinkoff.ru
* Акция действует для тех, у кого нет действующей кредитной карты или она закрыта больше года назад. Чтобы получить 1000 рублей обратно на счет, оформите карту до конца декабря, активируйте до 15 января и потратьте 3000 рублей в течение 30 дней с момента активации.
Реклама. АО «Тинькофф Банк», ИНН 7710140679
