uz
Feedback
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 41 813 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 3 219-o'rinni va Rossiya mintaqasida 15 236-o'rinni egallagan.

📊 Auditoriya ko‘rsatkichlari va dinamika

невідомо sanasidan buyon loyiha tez o‘sib, 41 813 obunachiga ega bo‘ldi.

26 Iyun, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -110 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 5.86% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 2.43% ini tashkil etuvchi reaksiyalarni to‘playdi.
  • Post qamrovi: Har bir post o‘rtacha 2 449 marta ko‘riladi; birinchi sutkada odatda 1 016 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 27 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.

41 813
Obunachilar
-1124 soatlar
-717 kunlar
-11030 kunlar
Postlar arxiv
Building Machine Learning Pipelines. Automating Model Life Cycles with TensorFlow @datascienceiot

Deep Learning with JavaScript: Neural networks in TensorFlow.js @datascienceiot

Python: Beginner's Guide to Artificial Intelligence @datascienceiot

Ты дата-сайентист? Стань участником Moscow Travel Hack и поборись за призовой фонд 1 500 000 рублей. Партнеры и организаторы
Ты дата-сайентист? Стань участником Moscow Travel Hack и поборись за призовой фонд 1 500 000 рублей. Партнеры и организаторы приготовили задачи, цель которых – создать решения на основе AI, машинного обучения и нейросетей. Интересно? Узнай больше на сайте https://clck.ru/TWVH7. Успей подать заявку на участие до 17 марта. Генеральный партнер — «Русатом Инфраструктурные решения». Стратегический партнер — «Сбер». Организатор — Комитет по туризму города Москвы.

Data Mining for Business Analytics: Concepts, Techniques and Applications in Python @datascienceiot

Learn Keras for Deep Neural Networks Github @datascienceiot
Learn Keras for Deep Neural Networks Github @datascienceiot

Mastering pandas for Finance Master pandas an open source Python @datascienceiot

Python Data Analysis for Newbies: Numpy/pandas/matplotlib/scikit-learn/keras Joshua K. Cage (2020) @datascienceiot

Как выполнять потоковую обработку больших данных? Сделайте первые шаги в Machine Learning на больших данных! 10 марта примите
Как выполнять потоковую обработку больших данных? Сделайте первые шаги в Machine Learning на больших данных! 10 марта примите участие в демо-занятии от Кирилла Султанова, архитектора в области BigData. Что вы узнаете за 1,5 часа? - Потоковая обработка больших данных. - Подходы, архитектуры, фреймворки, сравнение, обзор и выбор. - Основные игроки и перспективные новички. - Реальные проекты, интересные связки и многое другое! Демо-занятие входит в программу онлайн-курса «Промышленный ML на больших данных». Для регистрации на урок пройдите вступительный тест https://otus.pw/iUww/

Deep Learning and Parallel Computing Environment for Bioengineering Systems @datascienceiot

Deep Learning with PyTorch Quick Start Guide @datascienceiot

The Best Tools for Data Science Projects @datascienceiot
The Best Tools for Data Science Projects @datascienceiot

Python Feature Engineering Cookbook @datascienceiot

Друзья, вам не надоело каждый раз стараться укладывать эксперименты в ограничения по времени, а потом начинать все заново? Го в Датасферу — ноутбуки там никуда не пропадают! Бесплатные ресурсы для старта ML-разработки и анализа данных по ссылке: https://ya.cc/t/X5MAi4g4MCU3Z з.ы. Это как клабхаус — только для тех, кто в теме)

Machine Learning Systems @datascienceiot

Обучение с подкреплением на PyTorch (2020) @machinelearning_ru

Artificial Intelligence, IOT and machine Learning : AI programs using Python A Beginners book @datascienceiot

Machine Learning for Time Series Forecasting with Python (2020) @datascienceiot

Python Basics: A Self-Teaching Introduction @datascienceiot

Data Science. Наука о данных с нуля. 2-е изд Book @datascienceiot
Data Science. Наука о данных с нуля. 2-е изд Book @datascienceiot