Endi mavjud! Telegram Tadqiqoti 2025 — yilning asosiy insaytlari 
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 41 908 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 3 251-o'rinni va Rossiya mintaqasida 15 346-o'rinni egallagan.
📊 Auditoriya ko‘rsatkichlari va dinamika
невідомо sanasidan buyon loyiha tez o‘sib, 41 908 obunachiga ega bo‘ldi.
03 Iyun, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -89 ga, so‘nggi 24 soatda esa -11 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.
- Tasdiqlash holati: Tasdiqlanmagan
- Jalb etish (ER): Auditoriya o‘rtacha 8.85% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 2.92% ini tashkil etuvchi reaksiyalarni to‘playdi.
- Post qamrovi: Har bir post o‘rtacha 3 708 marta ko‘riladi; birinchi sutkada odatda 1 225 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 04 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.
41 908
Obunachilar
-1124 soatlar
-187 kunlar
-8930 kunlar
Postlar arxiv
41 908
AI-Driven Multi-Region Provisioning for Cloud Services Using Spot Fleets
📗 Read
@datascienceiot
41 908
От мечты о карьере сварщика до стажировки в KAUST
История выпускника Школы анализа данных Степана Платинского — яркий пример того, куда может вывести фундаментальное образование в ML.
До 9 класса он хотел быть сварщиком. Но потом поступил в Физтех-лицей, оттуда в МФТИ, а затем в Школу анализа данных.
Сегодня он улучшает ML-модели для международного поиска Яндекса, а в прошлом году стажировался в университете KAUST в Саудовской Аравии как приглашенный исследователь.
Его цель — построить статистическую модель, которая сможет предсказывать экстремальные события вроде наводнений или обвала рынка. Этому как раз посвящена его научная работа.
Степан считает, что главное для карьеры в ML — любознательность и искреннее желание разобраться в теме.
О том, как попасть на международную стажировку и заниматься наукой параллельно с карьерой в бигтехе, читайте в интервью со Степаном.
41 908
A 178 page survey study for refreshing math and generative AI foundations from University of Huddersfield.
The Little Book of Generative AI Foundations.
📗 Read
@datascienceiot
41 908
И вот пост на согласование:
___
Хакатон по моделированию рыночных решений и максимизации PnL
Reinforce.fi (ex-Overnight.fi) — проект, который использует reinforcement learning и автоматическое управление капиталом для повышения доходности на свободный USDT — запускает хакатон.
Задача — построить модель, которая на каждом шаге выбирает оптимальное действие (A1–A10) и максимизирует суммарный PnL.
Данные:
— последовательности состояний рынка (анонимизированные признаки)
— 1000 шагов в каждой последовательности
— первые шаги — контекст, далее — предсказания
Метрика:
— итоговый скор = суммарный PnL по всем выбранным действиям
Призы:
1 место — $2,500
2 место — $1,500
3 место — $1,000
Старт: конец июня
Продолжительность: ~1.5–2 месяца
Информация: тут
Регистрация
Чат хакатона: https://t.me/+R6lMJ10VXP5hOTI0
41 908
🐍 Python Roadmap 2026: наконец-то полноценная актуальная карта изучения Python, а не список ссылок «разберись сам»
На GitHub выложили большой русскоязычный роадмап по Python на 2026 год - от первых скриптов до уровня Middle+/Senior.
Маршрут собран под современный Python:
- Python 3.13+
- free-threaded mode без GIL
- JIT
- uv вместо боли с pip/venv/poetry
- ruff, pyright, pytest, hypothesis
- async-first подход
- типизация
- CPython внутри
- web, базы, ML/AI, DevOps и архитектура
В роадмапе есть нормальная последовательность: сначала окружение и база, потом идиомы, ООП, типы, стандартная библиотека, асинхронность, тестирование, внутренности CPython, web, базы данных, AI-направление, продакшн и архитектура.
Отдельный плюс - практический формат. На каждом этапе есть задачи, чеклисты, примеры кода и бесплатные ресурсы. То есть это не мотивационная простыня, а маршрут, по которому реально можно идти несколько месяцев и видеть прогресс.
Для новичков - понятный путь без хаоса.
Для джунов - способ закрыть дыры.
Для тех, кто уже пишет на Python - хороший чеклист, чтобы понять, где ты всё ещё плаваешь.
Python в 2026 году - это tooling, типы, async, инфраструктура, AI и продакшн-дисциплина. И этот роадмап как раз про такой Python.
https://github.com/justxor/pythonroamap2026
41 908
Ваша команда аналитики тонет в авралах?
Задачи копятся, данным не доверяют, аналитики заняты ручными выгрузками вместо реальной аналитики — знакомо?
Рекомендуем к посещению Практикум «Порядок в данных» от Павла Беляева, тимлида дата-аналитики в Яндекс.eLama.
За 1 вечер разберём: — Как выстроить спринт-планирование и расставить приоритеты без конфликтов; — Как внедрить мониторинг качества данных и регламент обработки инцидентов; — Как автоматизировать рутину через Python + Airflow; — Как освободить аналитиков от бесконечных разовых выгрузок.Это работающая система от практика, который управляет командой аналитики в одной из крупнейших рекламных платформ страны. Участие бесплатное, количество мест ограничено. ➡️Зарегистрироваться: https://tglink.io/a93f201f5e7470 Реклама. ООО "АЙТИ РЕЗЮМЕ". ИНН 4025460134. erid: 2W5zFHGBT4m
41 908
Apple has published a paper with a devastating title: “The Illusion of Thinking”
📗 Read
@datascienceiot
41 908
🆓 Диасофт выпустил бесплатный дистрибутив "S3 Архипелаг" (российское S3-совместимое хранилище для работы с петабайтами данных в архитектурах Data Lakehouse, аналитических системах и консолидации разрозненных файловых хранилищ)!
Дистрибутив разворачивается на серверах заказчика без обязательного подключения к облаку.
🔥Бесплатная версия ориентирована на тестовые, предпродуктовые и малые продуктивные среды. Она позволяет в полном объеме использовать функционал хранилища с ограничением до 500 ГБ. Бесплатная версия хранилища также упрощает администрирование за счет реализации поддержки единого входа (SSO). Это повышает безопасность и избавляет от необходимости отдельной аутентификации.
В итоге получается простой пример:
"коробочная" модель поставки + бесплатный доступ + использование SSO + полноценная вендорская поддержка = мощное преимущество предложения 😎
Скачать дистрибутив можно по ссылке!
#реклама
О рекламодателе
41 908
Получите офер в Яндекс за 2 дня
Участвуйте в онлайн-мероприятиях быстрого найма. Такой формат позволяет пройти всего две секции, вместо трёх в обычном найме, и финалы за выходные и сразу получить офер.
Как всё устроено:
🔴 Зарегистрируйтесь на мероприятие — с вами свяжется рекрутер и договорится об удобном времени для интервью.
🔴 В субботу пройдите две технические секции.
🔴 В воскресенье познакомьтесь с командами и получите офер.
Какие мероприятия проводим:
⚡️30–31 мая Weekend Offer ML
Для ML- и DL-инженеров с опытом в доменных областях NLP, CV, RecSys и Classic ML.
Подробности и регистрация — на сайте: https://yandex.ru/project/events/wo-ml-0526
⚡️6–7 июня Weekend Offer Analytics
Для продуктовых, дата-аналитиков и датасаентистов с опытом на Python от 3 лет.
Подробности и регистрация — на сайте: https://yandex.ru/project/events/wo-analytics-0626
41 908
The new Claude for Legal repo gives firms and in-house teams prebuilt agent workflows for contract review, litigation prep, and regulatory monitoring—completely free.
🔗 https://github.com/anthropics/claude-for-legal
@datascienceiot
41 908
D><Vision — серия митапов для CV-инженеров, исследователей и всех, кто работает с ИИ
📍 21 мая в 18:30, Quattro Space (Москва. Мясницкая ул., 13, стр. 20)
На ближайшей встрече вас ждут:
— Александр Паркин (VisionLabs) — визуальные аватары и как они устроены
— Анастасия Анциферова (Сбер) — генеративный ИИ в архитектуре
— Никита Шубин (ЦПТ «АГРОЦИФРА») — как ускорить разметку данных в 5 раз с помощью DataOps и foundation models
— Василий Висков (Яндекс) — как команда AliceAI VLM повышала качество модели на образовательных STEM-сценариях
D><Vision — это не только доклады, но и профессиональное комьюнити: живое обсуждение и нетворкинг.
Можно участвовать очно или подключиться к онлайн-трансляции, участие бесплатное
Регистрация
41 908
GLM-5V-Turbo: Toward a Native Foundation Model for Multimodal Agents
📗 Read
@datascienceiot
41 908
🚀 Claude Code: от «балуюсь в терминале» до агента в проде
Claude Code уже не просто пишет код. Он рефакторит монорепо, делает code review, катит миграции и ведёт расследования инцидентов.
Разница между «иногда играюсь» и «выжимаю реальные часы экономии» — огромная.
Этот курс закрывает её за 20 практических модулей.
Что соберёшь своими руками:
— кастомные slash-команды и sub-agents
— свои MCP-серверы под твой стек
— хуки и автоматизация ревью
— workflow в GitHub Actions и интеграция в CI/CD
Что получишь на выходе:
• релизы быстрее
• ревью короче
• токены дешевле
• спокойный сон по поводу безопасности
Подойдёт разработчикам, тимлидам, DevOps и архитекторам, которые почувствовали, что Claude Code - почти магия, и хотят довести её до магии на продакшене.
🎓 Курс на Stepik
🔥 Сейчас действует скидка −50%
Хватит играться. Пора выкатывать агента в прод 👉
https://stepik.org/a/285842
41 908
Can LLM agents explore codebases and reason about code semantics without executing the code
📗 Read
@datascienceiot
