uz
Feedback
Data Science | Machinelearning [ru]

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 6 730-o'rinni va Rossiya mintaqasida 33 728-o'rinni egallagan.

📊 Auditoriya ko‘rsatkichlari va dinamika

невідомо sanasidan buyon loyiha tez o‘sib, 19 994 obunachiga ega bo‘ldi.

22 Iyun, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -88 ga, so‘nggi 24 soatda esa -13 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.

  • Tasdiqlash holati: Tasdiqlanmagan
  • Jalb etish (ER): Auditoriya o‘rtacha 8.15% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 3.63% ini tashkil etuvchi reaksiyalarni to‘playdi.
  • Post qamrovi: Har bir post o‘rtacha 1 630 marta ko‘riladi; birinchi sutkada odatda 725 ta ko‘rish yig‘iladi.
  • Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 8 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 23 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
-1324 soatlar
-487 kunlar
-8830 kunlar
Postlar arxiv
​​⚡️Неструктурированные данные: примеры, инструменты, методики и рекомендации В этой статье мы рассмотрим разные типы данных, варианты хранения и управления ими, а также различные методики и инструменты для анализа неструктурированных данных. Читать...

​​😶‍🌫Modus BI Cloud: работа с данными в облаке В этой статье расскажу о том, как работают с данными облачные решения, например, наш Modus BI Cloud. Читать...

​​🤓BI-аналитика на коленке: делаем веб-аналитику в DataLens В этой статье я расскажу как мы разработали open-source калькулятор размера выборки ABnTester. Читать...

​​🔥Преобразование табличных данных в Python В этой статье мы сравним четыре популярных: Pandas (любимчик публики), Polars (конкурент Pandas) , PyArrow (low level columnar) и DuckDB (в него встроен SQL). Читать...

​​😶‍🌫«Квантовые облака»: как разработчики делают квантовые вычисления ближе к бизнесу В этой статье расскажу, что такое квантовые компьютеры, как квантовый центр и сотрудники из организации, придумали эмуляторы квантового процессора, почему решили разворачивать их в облаке и что в итоге получили. Читать...

X5 Tech проведет XData - конференцию по большим данным 31 августа в онлайн выступят спикеры X5 Tech, чтобы рассмотреть эволюц
X5 Tech проведет XData - конференцию по большим данным 31 августа в онлайн выступят спикеры X5 Tech, чтобы рассмотреть эволюцию ритейла через призму big data: аналитика, модели и актуальные проблемы. Заявленные спикеры:   -- Михаил Неверов, директор по анализу данных -- Никита Сурков, руководитель направления аналитики данных -- Александр Сахнов, руководитель управления мультивариативного анализа -- Мария Шабалкова, владелец продукта «Платформа А/Б-тестирования» -- Святослав Орешин, владелец продукта «Модельный риск»  -- Андрей Полушкин, team lead ad-hoc аналитики -- Максим Павлов, руководитель направления подготовки и валидации Готовится открытая дискуссия.   ⏰ Старт в 11:00   Регистрация и подробности

🧐 Как используют генеративные модели в поисковике и при чём тут внешняя информация? Современные генеративные модели способы “галлюцинировать” и путать факты. Одно из решений этих проблем — использовать доступ к внешней информации, опираясь на которую, мы можем выполнять как обусловленную генерацию (Retrieval Augmented Generation), так и фактологическую оценку имеющихся генераций (Fact-Check). Светлана Крыжановская, разработчик отдела NLP группы YaLM Alignment, обсудит в докладе опыт работы с такими пайплайнами в Яндексе. Всё это в рамках большой и важной конференции по ML, которая пройдёт 7 сентября. Регистрация

​​🎼Нейромузыка: может ли робот создавать треки? В этой статье я расскажу о том, как задумывалась и создавалась Нейромузыка: как мы обучили модель писать музыкальные лупы, сочетать их между собой и подстраивать музыкальный поток под каждого пользователя. Читать...

​​Когда думаешь о новой профессии, всё как в тумане. В чём я буду хороша или хорош? Хватит ли меня на долгую учёбу? А как я устроюсь без опыта? И вообще, время уже ушло. День цифровых профессий в Практикуме — это возможность сделать шажок туда, где хоть что-то понятно. А после первого шага легче сделать второй. Мы пригласили 39 экспертов из Яндекса, AGIMA, inDrive, Хабра, Практикума, чтобы они помогли разобраться: — кем можно работать в разработке, анализе данных, дизайне, менеджменте и маркетинге; — как новичку найти первую работу; — почему рынку всё ещё нужны тысячи новых специалистов; — почему учиться в Практикуме непросто, но интересно. Приходите с любыми вопросами и сомнениями. Вам ответят эксперты и выпускники Практикума. → Зарегистрироваться на День цифровых профессий

​​🧑‍💻Model soups: альтернатива ансамблированию при файнтюнинге моделей В этой статье мы разберемся с тем, что это такое, и кратко пробежимся по основным моментам оригинального папера. Читать...

​​🎙Аугментация экспрессивных аудиоданных на основе TTS В этой статье мы поговорим о системах клонирования голоса на основе TTS (Text-to-Speech), которые мы используем в корпоративной лаборатории человеко-машинного взаимодействия ИТМО для аугментации речевых баз данных в рамках задачи мультимодального распознавания доминантности дикторов в полилогах. Читать...

​​🧐Генеративный ИИ — Будущее или просто Хайп? В этой статье автор обсудит возможности генеративного ИИ, почему это не хайп и как AWS демократизирует доступ к большим языковым и базовым моделям. Читать...

​​🤔Что такое CLTV и как мы в билайне с ним работаем В этой статье мы расскажем, зачем и как внедряли CLTV в компании. Читать...

​​📊FineBI-g brother is watching you: как мы начали анализировать действия пользователей в Fine В этой статье автор расскажет как он решит задачу поиска и последующего анализа действий и полномочий пользователей, а также возьмёт под контроль обновление источников. Читать...

​​🤓Простые радости вертикального масштабирования В этой статье мы подробно разберём, почему практика горизонтального масштабирования стала доминирующей, проверим, актуальны ли до сих пор эти обоснования, а затем исследуем некоторые преимущества архитектуры с вертикальным масштабированием. Читать...

​​👉 Запустите собственную LLM, представленную на HuggingFace! Уже сегодня в 20:00 мск на открытом уроке в OTUS мы обсудим что такое большая языковая модель, какие есть предобученные модели. 🔹 Поработаем с API ChatGPT, запустим предобученную RuGPT3. 🔹 Посмотрим примеры работы с подходами Zero-shot, Few-shot. 🔹Обсудим, как можно дообучать LLM на небольших видеокартах с помощью LORA модификаторов. Вебинар приурочен к старту онлайн-курса «Machine Learning. Professional» в OTUS 📌 Результаты урока: Вы узнаете как работать с API ChatGPT, запускать собственную LLM, представленную на HuggingFace, работать с LORA модификаторами моделей 👉 РЕГИСТРАЦИЯ https://otus.pw/r3gE/ Нативная интеграция. Информация о продукте www.otus.ru

​​😎Дропаем ранжирующие метрики в рекомендательной системе, часть 2: двухэтапные модели В этой статье автор расскажет о том, как мы дропаем ранжирующие метрики и улучшаем при этом качество рекомендаций. Читать...

​​🔍Как найти задачу, которую можно решить с помощью машинного обучения В этой статье мы расскажем немного об основах машинного обучения: покажем, как подобрать задачу для обучения и таким образом посмотреть на процесс через призму бизнеса. Читать...

​​🗺ML для ускорения работы картографов В этой статье автор поговорит о том, как он дополняет карту дорожными знаками, как работает с данными и формализует задачи. Читать...

​​🗓Apache Spark 3.4 для Databricks Runtime 13.0 В этой статье автор расскажет о нововведениях Apache Spark 3.4, который вошел в релиз Databricks Runtime 13.0. Читать...