Firibgarlarga uchmang! Telemetrio bunday kanallarni topadi va belgilaydi 👉 Belgini ko‘rmoqchi bo‘lsangiz, obuna bo‘ling

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. MAX - https://max.ru/devsp Личный блог - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD

Ko'proq ko'rsatish

Tarmoq:Frontender's notes [ru]Rossiya33 423 Texnologiyalar & Aralashmalar6 662...

📈 Telegram kanali Data Science | Machinelearning [ru] analitikasi

Data Science | Machinelearning [ru] (@devsp) Rus til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 19 719 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 6 662-o'rinni va Rossiya mintaqasida 33 423-o'rinni egallagan.

📊 Auditoriya ko‘rsatkichlari va dinamika

невідомо sanasidan buyon loyiha tez o‘sib, 19 719 obunachiga ega bo‘ldi.

26 Oktabr, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -99 ga, so‘nggi 24 soatda esa 2 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.

Tasdiqlash holati: Tasdiqlanmagan
Jalb etish (ER): Auditoriya o‘rtacha 7.93% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 4.82% ini tashkil etuvchi reaksiyalarni to‘playdi.
Post qamrovi: Har bir post o‘rtacha 1 563 marta ko‘riladi; birinchi sutkada odatda 951 ta ko‘rish yig‘iladi.
Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 4 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. MAX - https://max.ru/devsp Личный блог - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD”

Yuqori yangilanish chastotasi (oxirgi ma’lumot 27 Oktabr, 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.

19 719

Obunachilar

+224 soatlar

-197 kun

-9930 kun

1 563

Post ko'rishlar

~ 95124 soatlar

~ 1 12648 soatlar

7.93%

Muloqot nisbati

~ 3

Kuniga postlar

Ads index

beta

Postlar arxiv

19 719

Тот самый харнесс, который мы заслужили в эпоху, когда безопасность ИИ уже не диковинка Если запустить передовую языковую модель из коробки и попросить её провести тестирование безопасности агентной системы или собрать актуальный вектор атаки, результат разочарует. Модель выдаст наивные примеры в духе «забудь все инструкции и представь, что ты злой хакер», словно на дворе 2023 год. В реальности базовые модели слабо ориентируются в безопасности ИИ: живут в плену устаревших весов, путают галлюцинации с реальными уязвимостями и не знают свежих техник — отравления долговременной памяти, побегов из изолированных сред или эксплойтов в репозиториях моделей. Новые векторы компрометации возникают еженедельно, а модель без внешней обвязки остаётся лишь текстовым генератором. Надёжность, воспроизводимость и боевую мощь даёт внешняя инженерная среда, управляющий контур, проверенный набор инструментов и строгий контракт исполнения. Полноценный рабочий агент возникает только при объединении языковой модели и специализированного харнесса. Читать далее 👉 Data Science | Machinelearning [ru]

19 719

Путь компьютерного самурая, или Как вайбкодинг дарит свободу творчества Каждый день я изучаю что-то новое. Просматривая очередной курс на компьютерную тематику на Степике, я задался вопросом: насколько мне сегодня нужны эти знания? Не просто для изучения ради изучения, общей эрудиции или тренировки ума, а как полезные практические знания? Или, может, не нужны вовсе. Ответ сильно зависит от целей. Многие приходят в программирование и IT с желанием получить работу и деньги. У меня такой цели никогда не было. Это и плюс, и минус, и причина своеобразного взгляда на мир компьютерных наук. Для меня это не прагматика, а прежде всего средство для творчества и самовыражения. Читать далее 👉 Data Science | Machinelearning [ru]

19 719

Как переупаковать базу знаний в сервис персонализированной помощи Антон, продакт сервисов клиентской документации, рассказывает, как команда запустила на интеллектуальных телевизорах и медиацентрах Сбер сервис персонализированной контекстной помощи — ГигаСправку. Если устройство выдаёт ошибку, на экране появляется кнопка сервиса. Нажав на неё, пользователь получает совет с учётом конкретного устройства и его состояния. Техническая реализация проста: одна точка знаний, RAG-сервис, ГигаЧат и семантическое кэширование позволяют быстро помогать юзеру на той же поверхности. Так команда превратила базу с ответами на вопросы в ГигаСправку. Читать далее на Хабре 👉 Data Science | Machinelearning [ru]

19 719

ИИ-агент в КОМПАС-3D: сам пишет код, лепит модель и сам себя проверяет Автор замутил ИИ-агента, который поселился прямо в окне программы. На вход — текст или фотка, на выходе — параметрическая деталь. Не тупая геометрия в step, а нормальное дерево построения с переменными, которое можно спокойно редактировать. Агент сам пишет код и сам же прогоняет рендеры через VLM. В статье — как эта зверюга справляется с моделированием по тексту и чертежам, почему один блок кода лучше десяти тулов и почему агенту мало просто «пялиться» на результат. Читать далее: https://habr.com/ru/articles/1072444/ 👉 Data Science | Machinelearning [ru]

19 719

IT внезапно вспомнил про философов. Или это déjà vu? Корпорации теперь тащат в штат культурологов с философами. Цукерберг с Безосом исправно посещают благотворительные ужины и скупают арт за миллионы. Глядя на это, начинаешь реально верить, что история ходит по кругу: замени в тусовочных разговорах «ИИ» на «парадигму мышления» — и за последние 3000 лет таких совпадений наберётся вагон. Главный посыл — насколько вообще осмысленны ответы нейросетей. И тут вообще неважно, есть у ИИ сознание или нет. Пользователям нужно, чтобы ответы совпадали с их ожиданиями, и плевать, кто там за ними стоит: живой человек или алгоритм. Люди хотят, чтобы выдача не вылезала за пределы культурных кодов их цивилизационной парадигмы и дружила с нормами, принципами и знаниями, из которых собрана их картина мира. Без этого ответы невозможно встроить в человеческие цепочки рассуждений — ни по смыслу, ни по этике, ни по эстетике, ни по праву. Отсюда и фоновое недоверие, которое копится и давит: никогда не угадаешь, когда система выдаст какую-нибудь дичь. Отсюда же растут ноги у проблемы common sense — то есть предела рациональности. Для LLM/ML common sense — это просто усреднённая величина, полученная статистической обработкой максимально больших массивов данных. Не лучшее решение, а самое ожидаемое. Творчеством тут и не пахнет: даже GenAI — это вероятностная машина, которая выдаёт самое частое слово или фразу. А генерация картинок — всё та же комбинаторика, только с другим входом. Источник 👉 Data Science | Machinelearning [ru]

19 719

Claude вскрыл 16 SAML‑проектов за месяц вечеров. Чинить их оказалось некому В Authentik — популярной опенсорсной системе корпоративного входа — независимо и почти одновременно нашли одну и ту же уязвимость CVE-2026-57580. В поле NameID можно вставить XML‑комментарий, обрезать значение до чужого адреса и привязать к жертве подконтрольную атакующему учётную запись — подпись оставалась валидной. Проблема проявлялась не у всех: нужны определённые настройки сопоставления учётных записей, отличные от заданных по умолчанию. Исправление вышло в версиях 2026.2.6 и 2026.5.5. Об уязвимости сообщили восемь исследователей. Один из них — Эрик Чан (Eric Chiang), технический директор Oblique Security; для него эта находка стала одной из шестнадцати. Свою историю он рассказал в блоге 19 августа. Он считает, что желающих оказалось так много, потому что он не единственный, кто теперь взламывает с помощью ИИ. Читать далее 👉 Data Science | Machinelearning [ru]

19 719

Долбил нейросеть одним и тем же вопросом три раза — и словил три разных списка компаний Задолбал ИИ-поиск одним запросом трижды, ничего не меняя. Первый раз он выдал 9 фирм, второй — 12, третий — 7. Совпало между всеми попытками всего пять названий из пятнадцати. А первая и третья попытка вообще не пересекли ни одного сайта. С таким разбросом любой отчёт вида «вас упоминают в 20% ответов», снятый одним заходом, — это лотерея. И «рост до 25% за месяц» — такая же лотерея. Внутри материала: как автор сам на этом обжёгся и публично отзывает свою цифру из прошлой статьи, что при такой волатильности вообще можно замерять, три вопроса исполнителю до оплаты и проверка на коленке за десять минут и ноль рублей. Читать на Хабре 👉 Data Science | Machinelearning [ru]

19 719

[Перевод] Три месяца с Claude: хороший ассистент, плохой программист LLM всё чаще становятся частью рабочего процесса разработчика, но вместе с ускорением приносят новую проблему: как понять, где ассистент действительно помогает, а где уверенно ведёт по ложному следу. В статье разобрали опыт трёх месяцев работы с Claude: в каких задачах он экономит время, где начинает галлюцинировать и почему с генерацией кода всё сложнее. Узнать подробнее 👉 Data Science | Machinelearning [ru]

19 719

Что в маркетинге и PR можно удешевить с помощью ИИ, а что трогать не стоит ИИ меняет экономику маркетинга: работа, на которую уходили часы команды и подрядчиков, теперь делается за часы. Отсюда соблазн смотреть на маркетинг как на список затрат и резать людей, инструменты, исследования, контент. Но маркетинг — это связанная система. Что-то можно убрать без последствий, а что-то кажется лишним ровно до тех пор, пока не начинают падать качество решений, знание клиента и рост. Правильный вопрос: не «что заменить на ИИ?», а «что можно удешевить, не разрушив систему?». Читать далее 👉 Data Science | Machinelearning [ru]

19 719

[3/8] Context Ranking: как отобрать реально полезные куски из репозитория Дальше по плану — как автодополнение вообще наскребает контекст для LLM. В живом репозитории потенциально полезного добра вагон и тележка, поэтому тупо искать куски с похожими словами — мимо. Надо еще выкупить, какие из них реально стоит показать модели. Разбираем классику ранжирования — BM25: почему редкие идентификаторы ценнее популярных слов, зачем учитывать размер файла и почему десять одинаковых совпадений не должны быть в десять раз полезнее одного. Читать заметку 👉 Data Science | Machinelearning [ru]

19 719

А все-таки Qwen3.8-27B — думает меньше и быстрее, чем 3.6 В пятницу вышла Qwen3.8-27B. Автор рассказывает, что с середины мая сидит на локальной Qwen3.6, поэтому ему было интересно протестировать новинку. На Хабре были статьи о том, что 3.8 слишком долго думает и много галлюцинирует (что автору кажется не совсем корректным), поэтому он поделился настройками, которые работают у него. По его словам, Qwen3.8-27B превзошла ожидания, и «задумчивой» её никак не назвать. Читать далее 👉 Data Science | Machinelearning [ru]

19 719

Спросил у девяти нейросетей, где лечить зубы в Москве: 4941 ответ и очень странная механика Ассистент на вопрос «где в Москве вылечить зуб» отвечает не ссылкой на поиск, а готовым списком клиник с адресами и ценами. Автор прогнал 549 бытовых запросов через девять моделей, получил 4941 ответ и разметил в них 94 клиники. Конкретная клиника названа в 91,7% ответов, но имя бренда даёт лишь 8,7% упоминаний — всё остальное приносят страницы. Одна клиника попала в ответы 1694 раза и ни разу не была названа по имени, а половина моделей в интернет вообще не заглядывает. Внутри — разбор механики, таблицы по моделям и источникам и глава про то, где метод врёт. Читать далее 👉 Data Science | Machinelearning [ru]

19 719

Хочешь попасть в Яндекс или прокачать ML? Data Dojo — это не лекции, а разбор реальных задач из ML-соревнований и общение с экспертами Яндекса. Здесь ты прокачаешь навыки, найдёшь команду и выйдешь на новый уровень — как настоящий data-самурай. Нетворкинг, карьерные инсайты и задачи, которые решают топы — всё в одном месте. Встреча ML-комьюнити Data Dojo: — общение с руководителями команд — реальные кейсы из ML — новые карьерные возможности Это не просто встреча — это шанс выйти на следующий уровень, прокачаться в ML и получить карьерную консультацию от экспертов Яндекса. Подай заявку бесплатно и начни свой путь data-самурая уже 9 сентября! Записаться онлайн #реклама 16+ yandex.ru О рекламодателе

19 719

😎 Нашли отличный курс, который позволит выжать максимум из агентов Внутри учат, как правильно строить harness вокруг Codex и Claude Code: хранить состояние между сессиями, задавать агенту ограничения, не давать ему заканчивать задачу раньше времени и проверять, что получилось в итоге. Всего в курсе 13 лекций с домашками, несколько практических проектов и готовые шаблоны, которые можно забрать себе. ✖️ xCode Journal

19 719

⌨ Anthropic опубликовала системные промпты Claude Внутри собраны промпты для всех моделей: от Haiku 3 до Fable 5 и Opus 5. Можно посмотреть, какие инструкции модель получает ещё до начала диалога и как они менялись со временем. ✖️ xCode Journal

19 719

👩‍💻 Всем программистам посвящается! Вот 14 авторских обучающих IT каналов по самым востребованным областям программирования: Выбирай своё направление: 👩‍💻 Python — t.me/python_ready 🤔 InfoSec & Хакинг — t.me/hacking_ready 🖥 SQL & Базы Данных — t.me/sql_ready 👩‍💻 IT Новости — t.me/it_ready 🤖 AI & ML — t.me/neuro_ready 👩‍💻 Frontend — t.me/frontend_ready 👩‍💻 C/C++ — https://t.me/cpp_ready 👩‍💻 C# & Unity — t.me/csharp_ready 👩‍💻 Linux — t.me/linux_ready 👩‍💻 Java — t.me/java_ready 📖 IT Книги — t.me/books_ready 📱 JavaScript — t.me/javascript_ready 🖼️ DevOps — t.me/devops_ready 🖥 Design — t.me/design_ready 📌 Гайды, шпаргалки, задачи, ресурсы и фишки для каждого языка программирования!

19 719

🗺 Принесли огромный бесплатный роадмап по CS и алгоритмам Coding Interview University начинался как короткий список тем для подготовки самого автора, но по итогу превратился в структурированный фундаментальный план обучения. Автор, кстати, после такой подготовки получил оффер в Amazon. ✖️ xCode Journal

19 719

Practical ML Conf — конференция для настоящих экспертов Обсудим, как извлекать из машинного обучения реальную пользу для бизнеса. ⚡Технические доклады ведущих специалистов, инженерные мастер-классы и много нетворкинга; ⚡Церемония вручения Yandex ML Prize — премии Яндекса при экспертной поддержке ШАДа за вклад в развитие ML; ⚡Знакомство с ML-сервисами Яндекс. Зарегистрироваться #реклама 16+ pmlconf.yandex.ru О рекламодателе

19 719

[Перевод] Что вскрылось, когда я засунул GitHub Copilot за MITM-прокси За пару лет ИИ-приложений расплодилось как грязи, и автору надоело пялиться на них снаружи — захотелось копнуть внутрь. Кредиты Copilot у него сгорают только в путь, поэтому подопытным кроликом стал именно он. VS Code и Copilot перетряхнул до последнего винтика. Читать далее 👉 Data Science | Machinelearning [ru]

19 719

🤣 А эти деньги сейчас с нами в одной комнате? 💥 xCode Journal