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
MachinelearningTarmoq:MachinelearningRossiya15 276Texnologiyalar & Aralashmalar3 222

📈 Telegram kanali Data Science analitikasi

Data Science (@datascienceiot) kanali faol ishtirokchi. Hozirda hamjamiyat 41 814 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 3 222-o'rinni va Rossiya mintaqasida 15 276-o'rinni egallagan.

📊 Auditoriya ko‘rsatkichlari va dinamika

невідомо sanasidan buyon loyiha tez o‘sib, 41 814 obunachiga ega bo‘ldi.

25 Iyun, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -111 ga, so‘nggi 24 soatda esa -6 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.

  • Tasdiqlash holati: Tasdiqlanmagan
  • Jalb etish (ER): Auditoriya o‘rtacha 6.17% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 2.48% ini tashkil etuvchi reaksiyalarni to‘playdi.
  • Post qamrovi: Har bir post o‘rtacha 2 579 marta ko‘riladi; birinchi sutkada odatda 1 037 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 26 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.

41 814
Obunachilar
-624 soatlar
-707 kunlar
-11130 kunlar
Postlar arxiv
Data Science
Data Science
41 813
Machine Learning with R, the tidyverse, and mlr (2020) @datascienceiot

Data Science
Data Science
41 813
AI as a Service: Serverless machine learning with AWS (2020) @datascienceiot

Data Science
Data Science
41 813
Applied Deep Learning: A Case-Based Approach to Understanding Deep Neural Networks @datascienceiot

Data Science
Data Science
41 813
Практическое Глубокое обучение для Облачных сервисов, мобильных платформ, и передовых устройств @datascienceiot

Data Science
Data Science
41 813
Data Analytics and Python Programming 2 Bundle Manuscript @datascienceiot

Data Science
Data Science
41 813
Genetic Programming for Image Classification @datascienceiot

Data Science
Data Science
41 813
Разбираем, чем отличается версионирование в ML-разработке по коду от версионирования по коду и состоянию. 🤔 Ситуация: вы работаете над проектом, например занимаетесь ML-прототипированием или анализом данных. По ходу работы в системе сохраняется код, и вы спокойно продолжаете, не боясь что-то упустить из виду. Но в конце недели понимаете, что где-то свернули не туда. Вы откатываетесь на несколько шагов назад по коду, и все бы ничего, но вычисления ведь придется делать заново. Это главный недостаток версионирования по коду. ✅ Версионирование по коду и состоянию отличается тем, что во время работы сохраняется не только сам код, но и состояние вычислений. То есть состояние = код + вывод + переменные. Это значит, что если вы откатитесь назад, то получите не только прежний код, но и значения переменных. Вам не придется заново запускать вычисления, терять время и ресурсы. 👉 Попробуйте версионирование по коду и состоянию в Yandex DataSphere, где каждому новому пользователю доступны бесплатные ресурсы на ML-разработку: https://clck.ru/Tr6xP

Data Science
Data Science
41 813
Deploy Machine Learning Models to Production @datascienceiot

Data Science
Data Science
41 813
Machine Learning in Java @datascienceiot

Data Science
Data Science
41 813
Deep Learning for Vision Systems v6 @datascienceiot

Data Science
Data Science
41 813
Yandex DataSphere. 👉 Его можно попробовать бесплатно (предоставляется 50+ часов с GPU в фоновых ячейках) по ссылке: https://clck.ru/Tr6vH В чем его главные фишки ✅ Не требует настройки: разворачивается в облаке за пару кликов и сразу же готов к работе. Поэтому забываем как страшный сон об установке ПО и выборе правильных мощностей заранее. 🖥 Привычный интерфейс Jupyter Notebook. А сами проекты не пропадают и живут столько же, сколько ваше облако. ▶️ После исполнения сохраняется состояние (состояние = код + вывод + переменные). Поэтому можно вернуться к любому шагу разработки и не придется заново запускать вычисления. Продукт молодой, команда очень отзывчива к пожеланиям и на информацию о любых багах быстро реагирует в чате (https://t.me/yandex_datasphere). Вы можете принять реальное участие в становлении Yandex DataSphere.

Data Science
Data Science
41 813
Data Pipelines Pocket Reference (2021) @datascienceiot

Data Science
Data Science
41 813
Pro Machine Learning Algorithms - 2018 @pythonlbooks

Data Science
Data Science
41 813
Practical Deep Learning: A Python-Based Introduction (2021) @datascienceiot

Data Science
Data Science
41 813
Transformers for Natural Language Processing (2021) @datascienceiot

Data Science
Data Science
41 813
A Python Data_Analyst’s Toolkit Learn Python @datascienceiot

Data Science
Data Science
41 813
Learning Scrapy @datascienceiot

Data Science
Data Science
41 813
New Professions Lab: Специалист по большим данным 12-недельная образовательная программа по анализу больших данных: Hadoop, MapReduce, Spark, машинное обучение ☄️Big Data - уже не хайп, а прогрессирующая индустрия. Большие данные используются практически в каждом бизнесе, требуя соответствующих навыков не только от дата сайентистов, но и разработчиков, аналитиков, менеджеров по развитию продукта и руководителей проектов. Хорошие новости, друзья! Уже 16 марта В NewProLab стартует флагманский 12-недельный онлайн-курс "Специалист по большим данным" 👉🏻Успейте подать заявку: https://clck.ru/Taxnq Без преувеличения - это самая хардкорная и обширная программа на рынке Big Data. 👉🏻Вас ждет 36 практических занятий, 10 лаб, подготовка 2 собственных проектов и всё это на реальных дата-сетах и живых кейсах от команды преподавателей-практиков. Вы научитесь строить модели машинного обучения, писать MapReduce-джобы, используя Hadoop Streaming и Python, готовить SQL-like запросы в Hive, работать с данными на HDFS, проводить анализ при помощи Apache Spark, а также строить алгоритмы рекомендательных систем. P.S. Нужно подтянуть отдельный модуль? Программу можно пройти частями. Оставляйте заявку.

Data Science
Data Science
41 813
Algorithmic Trading Methods: Applications Using Advanced Statistics, Optimization, and Machine Learning Techniques (2020) @datascienceiot

Data Science
Data Science
41 813
10 Minutes to pandas @datascienceiot

Data Science - Telegram kanali @datascienceiot statistikasi va tahlili