🏆 AIeron | Data Feeling
Kanalga Telegram’da o‘tish
IT предприниматель и препод 🧑🏫 ex-ML лидер в Dodo Brands 🦤🍕 Прокачиваю людей в Data Science 🚀 Победитель Stepik Awards 🏆 Kaggle Expert 🤹♀️ Создатель mnogo-reels.ru и @big_llm_course РКН https://clik.now/datafeeling Алерон @Ale_v2
Ko'proq ko'rsatish📈 Telegram kanali 🏆 AIeron | Data Feeling analitikasi
🏆 AIeron | Data Feeling (@datafeeling) Rus til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 14 209 obunachidan iborat bo'lib, Marketing toifasida 722-o'rinni va Rossiya mintaqasida 45 678-o'rinni egallagan.
📊 Auditoriya ko‘rsatkichlari va dinamika
невідомо sanasidan buyon loyiha tez o‘sib, 14 209 obunachiga ega bo‘ldi.
03 Noyabr, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -19 ga, so‘nggi 24 soatda esa 4 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.
- Tasdiqlash holati: Tasdiqlanmagan
- Jalb etish (ER): Auditoriya o‘rtacha 21.98% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 9.18% ini tashkil etuvchi reaksiyalarni to‘playdi.
- Post qamrovi: Har bir post o‘rtacha 3 124 marta ko‘riladi; birinchi sutkada odatda 1 304 ta ko‘rish yig‘iladi.
- Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 23 ta reaksiya keladi.
- Tematik yo‘nalishlar: Kontent лот, n8n, бразилия, пет, санкция kabi asosiy mavzularga jamlangan.
📝 Tavsif va kontent siyosati
Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
“IT предприниматель и препод 🧑🏫
ex-ML лидер в Dodo Brands 🦤🍕
Прокачиваю людей в Data Science 🚀
Победитель Stepik Awards 🏆
Kaggle Expert 🤹♀️
Создатель mnogo-reels.ru и @big_llm_course
РКН https://clik.now/datafeeling
Алерон @Ale_v2”
Yuqori yangilanish chastotasi (oxirgi ma’lumot 04 Noyabr, 2026 da olingan) sababli kanal doimo dolzarb va katta qamrovli bo‘lib qoladi. Analitika auditoriya kontent bilan faol hamkorlik qilishini, uni Marketing toifasidagi muhim ta’sir nuqtasiga aylantirishini ko‘rsatadi.
14 209
Obunachilar
+424 soatlar
-157 kun
-1930 kun
Postlar arxiv
14 209
Про мои планы.
Приближается конец года, мне для достижения своих целей осталось дофармить золото на Kaggle и добить запуск авторского курса. Поэтому не хватает рук на то, чтоб пилить огненные выпуски на YouTube, после которых приходит много позитивного фидбека.
Хотя идей много, мечтаю заснять примеров, где сам прохожу реальные собесы. Скорее всего уже на английском. На русских собесах со мной уже здороваются как с Алероном (хотя везде пишу Александр), что вносит байес. (А еще фачат, что мешает сильнее 😅)
А ведь еще и статьи для Хабра все никак не добью. Подвисло уже 4 темы, не могу сесть и добить до финалочки.
💣 В общем, двигаю все эти темы как могу. Что же делать пока меня нет? На этот счет у меня для вас есть давно заготовленная бомба от Даши. Ловите 💥
14 209
Мысль дня. «Возможно я и правда плохо пока разбираюсь в крипте, но гарантированные 20% ежемесячно кажутся мне пирамидой»
Это я сегодня сходил на небольшой нетворкинг местных предпринимателей и встретил там пару «сказочных» проектов 😅
В общем, если идти не в Data Science, то в Data Engineering. Хотя возможно давно уже пора в блокчейне начать разбираться.
14 209
Этой ночью я снова летал, но не по небу, а по лидерборду свежего FeedBack Prize
В этот раз снова бронза🥉
Счастлив ли я?! С одной стороны приятно, да. Скануть больше 700 мест вверх за ночь, это красиво🎰.
Однако, ближе к титулу мастера меня это не подвинуло. Мне сейчас нужно только золото!
Есть еще месяц до нового года, чтобы закрыть эту строчку в планах. Соревнований подходящих сейчас много. Будем добивать.
Кстати, Ваня говорит, что не тот сабмит выбрали, могли оказаться в серебре. Если обратите внимание, то у первой тысячи участников скор не отличается 🥁
Кстати, мои коллеги по цеху (Привет Марк, Отабек и другие) ухватили серебро. Насколько знаю, у них порядка 70 языковых бертов, пока у нас меньше десятка. Да и кодили ребята месяц, в то время как мы потратили меньше недели. Это вам к вопросу, про трудозатраты, необходимы чтоб забрать медали на Kaggle.
Всем доброе утро)
14 209
Вот подписаться на тонну каналов в телеграмме - это дело плевое ...
А вот отписаться потом тяжело, мозг сопротивляется, хотя информационный шум для него опасен. Мешает синдром упущенной выгоды, точнее "синдром возможной выгодны" от пребывания в чате или от подписки на группы с бесконечной рекламой онлайн курсов. В общем, советую пересмотреть мое коротенькое выступление. А лучше сразу перейти к упражнению по отписке или архивации от телеграм каналов.
Как понять, что надо отписаться от какого-то канала?
🎯 Вы замечаете там рекламу чаще 2-3 раз в неделю.
🎯 У вас постоянно копиться там тонна непрочитанных постов
🎯 Канал/Блогер постит что-то прям каждый день и все время без пользы для вас.
🎯 Посты в канале это тупо сбор ссылок из интернета, которые вы сами можете легко нагуглить
Заведите привычку отписываться. Через время ваш мозг скажет вам спасибо
14 209
Влетел тут в одну сореву на Kaggle ...
Пока держусь в топ-1, но надеюсь, когда-нибудь вы сбросите меня вниз!
Уже скоро...
14 209
Подумал, хочу разгонять в Таиланде IT комьюнити. Возможно когда-нибудь буду тут даже буткемпы по программированию организовывать. В Сочи не успел, но мб в Тае получится.
14 209
Мы тут с ребятками успели пофармить не медалей ради, а потому что было много призовых. 15 призовых мест! Такое я вижу впервые) Боролось за призовые больше 220 человек.
Мы с тимой суммарно на троих унесли 160к за несколько вечеров фултайма.
В целом, тоже хорошо. Удивительно, что подходы были абсолютно разные. Даже сетки заходили.
Это собственно второе соревнование на моей памяти где хорошо заходит dart из LightGBM
Ссылка на мой ноутбук простыть. Причесал на столько, на сколько мне хватило выдержки.
Дальше до нового года буду фармить только Kaggle.
14 209
Угадайте про какой бустинг идет речь по картинке.
Первые три угадавших получат скидку 50% на мой курс по соревновательному анализу данных. Курса пока нет, но скидка уже будет.
14 209
Фиксация random_seed'а не помогла воспроизвести скор
Заметил тут вечером любопытный факт. С одной стороны простой технических нюанс, но с другой стороны не очень уж очевидная проблема.
Оказывается, если в модель (например LigthGBM) подавать признаки в разной последовательности, то результаты будут разные, к тому же очень сильно!
Вы спросите меня, а зачем подавать признаки в разных последовательностях?! Ну например, если вы хотели удалить дубли в списке и реализовали это вот. (Привет Leetcode)
features = list(set(features))Вроде бы красивый трюк, как удалить дубли в одну строчку. Однако, если запустить этот код потом снова, последовательность будет уже иная. Как следствие - разные результат модели. Последствия оказываются очень болезненными, если вы проверяете разные гипотезы и результат модели должен четко отражать наличие/удаление признака, а не более удачную последовательность. В общем, будьте осторожнее. Вместо set'а используйте лучше Numpy =)
features = np.unique(features)
