uz
Feedback

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

Data Science

Data Science

Kanalga Telegram’da o‘tish

DS По всем вопросам- @haarrp @ai_machinelearning_big_data - machine learning @pythonl - Python @itchannels_telegram - 🔥 best it channels @ArtificialIntelligencedl - AI @pythonlbooks-📚 @programming_books_it -📚 Реестр РКН: https://clck.ru/3Fk3zS

Ko'proq ko'rsatish

📈 Telegram kanali Data Science analitikasi

Data Science (@datascienceiot) kanali faol ishtirokchi. Hozirda hamjamiyat 42 416 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 3 184-o'rinni va Rossiya mintaqasida 14 805-o'rinni egallagan.

📊 Auditoriya ko‘rsatkichlari va dinamika

невідомо sanasidan buyon loyiha tez o‘sib, 42 416 obunachiga ega bo‘ldi.

15 Noyabr, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -85 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 7.27% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 2.64% ini tashkil etuvchi reaksiyalarni to‘playdi.
  • Post qamrovi: Har bir post o‘rtacha 3 083 marta ko‘riladi; birinchi sutkada odatda 1 120 ta ko‘rish yig‘iladi.
  • Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 0 ta reaksiya keladi.
  • Tematik yo‘nalishlar: Kontent llm, агентов, api, октября, разработчиков kabi asosiy mavzularga jamlangan.

📝 Tavsif va kontent siyosati

Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
“DS По всем вопросам- @haarrp @ai_machinelearning_big_data - machine learning @pythonl - Python @itchannels_telegram - 🔥 best it channels @ArtificialIntelligencedl - AI @pythonlbooks-📚 @programming_books_it -📚 Реестр РКН: https://clck.ru/3...”

Yuqori yangilanish chastotasi (oxirgi ma’lumot 16 Noyabr, 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.

42 416
Obunachilar
-324 soatlar
-967 kun
-8530 kun
Obunachilarni jalb qilish
Noy '26
Noyabr '26
+28
2 kanalda
Oktabr '26
+264
3 kanalda
Get PRO
Sentabr '26
+284
1 kanalda
Get PRO
Avgust '26
+486
2 kanalda
Get PRO
Iyul '26
+594
3 kanalda
Get PRO
Iyun '26
+156
2 kanalda
Get PRO
May '26
+183
2 kanalda
Get PRO
Aprel '26
+170
4 kanalda
Get PRO
Mart '26
+338
2 kanalda
Get PRO
Fevral '26
+499
2 kanalda
Get PRO
Yanvar '26
+687
0 kanalda
Get PRO
Dekabr '25
+380
2 kanalda
Get PRO
Noyabr '25
+530
2 kanalda
Get PRO
Oktabr '25
+374
1 kanalda
Get PRO
Sentabr '25
+587
7 kanalda
Get PRO
Avgust '25
+609
1 kanalda
Get PRO
Iyul '25
+750
3 kanalda
Get PRO
Iyun '25
+525
1 kanalda
Get PRO
May '25
+454
3 kanalda
Get PRO
Aprel '25
+560
11 kanalda
Get PRO
Mart '25
+573
4 kanalda
Get PRO
Fevral '25
+545
7 kanalda
Get PRO
Yanvar '25
+842
20 kanalda
Get PRO
Dekabr '24
+848
5 kanalda
Get PRO
Noyabr '24
+1 777
32 kanalda
Get PRO
Oktabr '24
+1 710
6 kanalda
Get PRO
Sentabr '24
+1 402
7 kanalda
Get PRO
Avgust '24
+1 164
4 kanalda
Get PRO
Iyul '24
+1 033
7 kanalda
Get PRO
Iyun '24
+1 066
7 kanalda
Get PRO
May '24
+1 000
37 kanalda
Get PRO
Aprel '24
+935
45 kanalda
Get PRO
Mart '24
+1 187
22 kanalda
Get PRO
Fevral '24
+1 142
3 kanalda
Get PRO
Yanvar '24
+1 230
45 kanalda
Get PRO
Dekabr '23
+687
42 kanalda
Get PRO
Noyabr '23
+382
3 kanalda
Get PRO
Oktabr '23
+1 012
20 kanalda
Get PRO
Sentabr '23
+872
0 kanalda
Get PRO
Avgust '23
+747
0 kanalda
Get PRO
Iyul '23
+560
0 kanalda
Get PRO
Iyun '23
+865
0 kanalda
Get PRO
May '23
+1 528
0 kanalda
Get PRO
Aprel '23
+363
0 kanalda
Get PRO
Mart '23
+417
0 kanalda
Get PRO
Fevral '23
+423
0 kanalda
Get PRO
Yanvar '23
+472
0 kanalda
Get PRO
Dekabr '22
+770
0 kanalda
Get PRO
Noyabr '22
+380
0 kanalda
Get PRO
Oktabr '22
+534
0 kanalda
Get PRO
Sentabr '22
+578
0 kanalda
Get PRO
Avgust '22
+1 100
0 kanalda
Get PRO
Iyul '22
+464
0 kanalda
Get PRO
Iyun '22
+366
0 kanalda
Get PRO
May '22
+403
0 kanalda
Get PRO
Aprel '22
+514
0 kanalda
Get PRO
Mart '22
+462
0 kanalda
Get PRO
Fevral '22
+304
0 kanalda
Get PRO
Yanvar '22
+400
0 kanalda
Get PRO
Dekabr '21
+287
0 kanalda
Get PRO
Noyabr '21
+224
0 kanalda
Get PRO
Oktabr '21
+1 533
0 kanalda
Get PRO
Sentabr '21
+382
0 kanalda
Get PRO
Avgust '21
+412
0 kanalda
Get PRO
Iyul '21
+507
0 kanalda
Get PRO
Iyun '21
+611
0 kanalda
Get PRO
May '21
+555
0 kanalda
Get PRO
Aprel '21
+404
0 kanalda
Get PRO
Mart '21
+456
0 kanalda
Get PRO
Fevral '21
+411
0 kanalda
Get PRO
Yanvar '21
+729
0 kanalda
Get PRO
Dekabr '20
+10 299
0 kanalda
Sana
Obunachilarni jalb qilish
Esdaliklar
Kanallar
15 Noyabr+5
14 Noyabr+3
13 Noyabr0
12 Noyabr+1
11 Noyabr0
10 Noyabr+4
09 Noyabr+6
08 Noyabr+1
07 Noyabr+1
06 Noyabr0
05 Noyabr+2
04 Noyabr+2
03 Noyabr0
02 Noyabr+1
01 Noyabr+2
Kanal postlari
AI Isn’t Getting Dumber, We’re Getting Pickier: Rising Standards in Human Evaluation of Large Language Models 📓 Read @datasc
AI Isn’t Getting Dumber, We’re Getting Pickier: Rising Standards in Human Evaluation of Large Language Models 📓 Read @datascienceiot

2
📊 AI VK Research придумали, как точнее предсказывать интерес к контенту Метод называется HEGM (Hierarchical Exponential-Gaussian Mixture). Модель предсказывает распределение возможных сценариев: пролистают сразу, посмотрят частично, досмотрят до конца или пересмотрят. Что дало на практике: — в VK Клипах число роликов за один заход выросло на 10% — досмотры (>10 сек) +6% — дизлайки −8,3% Проверяли на KuaiRec, VK-LSVD и внутреннем датасете из 282 млн обезличенных взаимодействий. По качеству ранжирования HEGM обошёл протестированные альтернативы. Зачем это нужно: подход переносится на музыку (пропуски vs полное прослушивание), рекламу (длительность просмотра) и e-commerce (время изучения карточки). Одна модель — несколько метрик интереса, без перестройки архитектуры рекомендательной системы. Код уже открыт на GitHub. Читаем подробнее тут.
1 390
3
Recurrent Harness for Agentic Continual Learning 📓 Read @datascienceiot
Recurrent Harness for Agentic Continual Learning 📓 Read @datascienceiot
1 353
4
Приглашаем на митап для ML-разработчиков и дата-сайентистов 🥰 Как использовать LLM и агентов в поиске, чтобы точнее понимать
Приглашаем на митап для ML-разработчиков и дата-сайентистов 🥰 Как использовать LLM и агентов в поиске, чтобы точнее понимать запросы пользователей и повышать релевантность результатов? 19 ноября обсудим выбор моделей, оценку качества и работу таких систем в проде. 🔴 Борис Коварский, hh.ru — Агентный поиск в рекрутинге: опыт hh 🔴 Виктор Реушкин, hh.ru — Как устроен диалоговый поиск вакансий на hh 🤩 Алексей Казаков, Циан — LLM и энкодерные модели для поиска. Опыт развития подходов в поиске недвижимости Дата и время: 19 ноября в 19:00 мск Очно: Москва, офис hh Онлайн: будет трансляция в VK и YouTube для тех, кто не сможет прийти в офис После докладов можно будет пообщаться с коллегами — подготовим вкусную еду и напитки 🍕 Регистрируйтесь → участие бесплатное 🥹 #реклама О рекламодателе
1 304
5
New Carnegie Mellon and JetBrains paper finds that token spend shows how much engineers use AI agents, not how much they ship
New Carnegie Mellon and JetBrains paper finds that token spend shows how much engineers use AI agents, not how much they ship. 📓 Read @datascienceiot
1 632
6
Claude решил задачу по физике чёрных дыр, которую не могли закрыть около 20 лет Anthropic опубликовала исследование, в которо
Claude решил задачу по физике чёрных дыр, которую не могли закрыть около 20 лет Anthropic опубликовала исследование, в котором внутренняя исследовательская модель Claude получила новый результат в теоретической физике. Работа посвящена переходу Хокинга - Пейджа. Это фазовый переход, связанный с термодинамикой чёрных дыр в пространстве анти-де Ситтера (AdS). Исследователей интересовал вопрос: сохраняется ли этот переход при слабой связи, когда классическое геометрическое описание уже неприменимо? Для ответа требовалось вычислить коэффициент, который впервые появляется на трёх петлях в теории возмущений. По словам авторов, этот коэффициент не удавалось вычислить примерно два десятилетия. Claude получила значение: b = −1,48 × 10⁻³ λ² Отрицательный знак коэффициента показывает, что переход остаётся переходом первого рода. Он происходит немного ниже температуры Хагедорна. Особенно интересна организация работы. Физик поставил задачу внутренней исследовательской модели Anthropic, после чего проверил результат на нескольких известных частных случаях. Отдельный запуск Claude с использованием другого метода независимо получил то же значение. Позднее Anthropic связала эту внутреннюю модель с Claude Fable 5.2. Это ещё один пример того, как современные языковые модели начинают участвовать в исследованиях на уровне сложных математических вычислений и теоретической физики. При этом работа пока не прошла независимое научное рецензирование. Результат требует проверки со стороны физического сообщества. 📓 Read @datascienceiot
2 365
7
1
1
8
🔍 Открытое ML-собеседование с техлидом Яндекса| 12 ноября, 19:00 мск Приходи онлайн посмотреть, как проходит техническое инт
🔍 Открытое ML-собеседование с техлидом Яндекса| 12 ноября, 19:00 мск Приходи онлайн посмотреть, как проходит техническое интервью на ML-инженера, и попробуй ответить на вопросы вместе с кандидатом Как всё будет проходить: 📂 Интервьюер: Любовь Чубарова, техлид в Яндексе (RnD Alice AI), одна из первых сотрудниц YandexArt, преподаватель ВШЭ, экс-руководитель аналитики Центра ИИ Сколтеха. В роли кандидата – инженер-доброволец 📂 Никакого сценария: Любовь задаст вопросы и предложит задачи, которые использует на технических интервью. Кандидат не будет знать их заранее 📂 В конце эфира Любовь ответит на вопросы участников Участие бесплатное! Эфир проходит в рамках менторской программы ШОРТКАТ для айтишников, которые хотят сменить работу, вырасти в грейде и зарплате или прокачать технические навыки Переходи в бота, чтобы получить ссылку на эфир → @shortcut_ml_bot Реклама. О рекламодателе.
2 069
9
Yoshua Bengio and collaborators just released a goldmine 182-page survey on mechanistic interpretability! "Understanding AI f
Yoshua Bengio and collaborators just released a goldmine 182-page survey on mechanistic interpretability! "Understanding AI from the Inside" 📓 Read @datascienceiot
1 998
10
A Circuit for In-Context Learning 📓 Read @datascienceiot
A Circuit for In-Context Learning 📓 Read @datascienceiot
2 893
11
Алгоритм знает, где вы будете 7-го ноября 😎 RecSys-митап в Москве для тех, кто уже строит рекомендательные системы и хочет д
Алгоритм знает, где вы будете 7-го ноября 😎 RecSys-митап в Москве для тех, кто уже строит рекомендательные системы и хочет делать это еще лучше. В программе — доклады от топовых экспертов Сбера с разбором кейсов, свежих подходов и неочевидных решений. После официальной части — нетворкинг. Время в узком кругу профессионалов и сообщества Зеленый RecSys. Участие бесплатное, но количество мест ограничено. Москва. Суббота. 7 ноября. RecSys! ➡️ регистрируйтесь
2 723
12
Mistral Large 4 📓 Read @datascienceiot
Mistral Large 4 📓 Read @datascienceiot
2 750
13
"Large Flow Language Models" What if we could turn existing LLMs into diffusionLMs that generate multiple tokens in parallel
"Large Flow Language Models" What if we could turn existing LLMs into diffusionLMs that generate multiple tokens in parallel without losing accuracy? 📓 Read @datascienceiot
3 829
14
Бесплатная книга о больших языковых моделях – 315 страниц от предобучения до рассуждений. Foundations of Large Language Model
Бесплатная книга о больших языковых моделях – 315 страниц от предобучения до рассуждений. Foundations of Large Language Models Тун Сяо и Цзинбо Чжу системно объясняет, как устроены LLM, как их обучают и применяют. Внутри шесть основных тем: - Предобучение: задачи обучения и архитектуры моделей. - Генеративные модели: Transformer, подготовка данных, масштабирование и длинный контекст. - Промптинг: обучение на примерах в контексте, декомпозиция задач, RAG и инструменты. - Выравнивание: обучение выполнению инструкций и использование человеческой обратной связи. - Инференс: декодирование, ускорение и дополнительные вычисления во время генерации. - Рассуждения: методы улучшения способности решать сложные задачи. Авторы делают акцент на фундаментальных принципах. Материал подойдёт студентам, разработчикам и ML-инженерам, которым хочется связать отдельные знания о LLM в целостную картину. Книга на английском. Базовые знания машинного обучения и нейросетей помогут при чтении. Скачать PDF бесплатно: https://arxiv.org/pdf/2501.09223
3 556
15
Working with Agentic `Teammates': When a New Organizational Actor Collides with the Human Ecosystem of Work 📓 Read @datascie
Working with Agentic `Teammates': When a New Organizational Actor Collides with the Human Ecosystem of Work 📓 Read @datascienceiot
2 748
16
The Geometry of Agent Memory: Forecasting Retrieval-Bound Memory Failures, and Characterizing Its Limits 📓 Read @datascience
The Geometry of Agent Memory: Forecasting Retrieval-Bound Memory Failures, and Characterizing Its Limits 📓 Read @datascienceiot
3 034
17
At the Limits of Computability: Steps Towards Autonomous AI Discovery on the Busy Beaver Frontier 📓 Read @datascienceiot
At the Limits of Computability: Steps Towards Autonomous AI Discovery on the Busy Beaver Frontier 📓 Read @datascienceiot
3 096
18
Patch the Planet: global response coordination as agents uncover critical vulnerabilities https://openai.com/index/coordinate
Patch the Planet: global response coordination as agents uncover critical vulnerabilities https://openai.com/index/coordinated-disclosure-of-critical-vulnerabilities/
3 207
19
Зачем готовиться к собеседованию вслепую, если можно заранее посмотреть, какие будут вопросы и задачи? Ребята из Поступашек уже 6 лет собирают реальные задания и разборы собеседований в BigTech. Там можно найти не только сами вопросы, но и разборы технических секций, критерии оценки и рекомендации по подготовке. Собрали подборку полезных материалов под разные направления: ➡️ Аналитикам: — Собеседования на продуктового и бизнес-аналитика в Т-Банке 🟨 — Что спрашивают по A/B-тестированию в X5 🌿 , разбор собес на DS в Яндекс 🟥 ➡️ Разработчикам: — Go и System Design в Ozon 🔵, GO в Авито😎 — Банк алгоритмических собеседований из BigTech ➡️ ML/AI-инженерам: — Все вопросы на ML-собеседование в Яндексе 🟥 и ML в Авито 😎 — 10 кейсов по ML System Design в Т-Банке 🟨 ➡️ Тем, кто ищет первую стажировку: — Как получить стажировку в 2026 году — Где взять опыт, если его нет В Поступашках регулярно выходят новые разборы собеседований, карьерные гайды, стажировки и инсайды о найме в BigTech. Лучше увидеть эти вопросы до собеседования, чем узнать о них после отказа ПОСТУПАШКИ ПОДПИСАТЬСЯ
2 437
20
The World Won't Wait: Evaluating and Teaching Agents Under a Live Clock 📓 Read @datascienceiot
The World Won't Wait: Evaluating and Teaching Agents Under a Live Clock 📓 Read @datascienceiot
3 442