Анализ данных (Data analysis)
Kanalga Telegram’da o‘tish
Data science, наука о данных. @haarrp - админ РКН: clck.ru/3FmyAp
Ko'proq ko'rsatish
Tarmoq:📈 Telegram kanali Анализ данных (Data analysis) analitikasi
Анализ данных (Data analysis) (@data_analysis_ml) Rus til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 51 842 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 2 576-o'rinni va Rossiya mintaqasida 11 866-o'rinni egallagan.
📊 Auditoriya ko‘rsatkichlari va dinamika
невідомо sanasidan buyon loyiha tez o‘sib, 51 842 obunachiga ega bo‘ldi.
27 Oktabr, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni 1 186 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 9.21% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 6.82% ini tashkil etuvchi reaksiyalarni to‘playdi.
- Post qamrovi: Har bir post o‘rtacha 4 773 marta ko‘riladi; birinchi sutkada odatda 3 534 ta ko‘rish yig‘iladi.
- Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 226 ta reaksiya keladi.
- Tematik yo‘nalishlar: Kontent llm, контекст, openai, архитектура, deepseek kabi asosiy mavzularga jamlangan.
📝 Tavsif va kontent siyosati
Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
“Data science, наука о данных.
@haarrp - админ
РКН: clck.ru/3FmyAp”
Yuqori yangilanish chastotasi (oxirgi ma’lumot 28 Oktabr, 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.
51 842
Obunachilar
-424 soatlar
+2797 kun
+1 18630 kun
Postlar arxiv
🧲 90+ агентов Claude Opus 5.5 за три дня помогли найти два материала для памяти нового поколения
По сообщению Vals AI, команда выявила в симуляциях два перспективных магнитных полупроводника. Цель: хранить информацию с помощью спина электронов, при этом противоположные магнитные моменты должны взаимно компенсироваться.
• YBaMnFeO₅: новый предложенный материал. Расчёты выглядят многообещающе, но нужный порядок атомов марганца и железа может разрушаться при изготовлении.
• KV[Cr(CN)₆]: соединение, синтезированное ещё в 1999 году. Команда рассчитала свойства, которые могут сделать его полезным для спинтроники.
Пока это вычислительные прогнозы. Следующий шаг: лабораторные измерения, которые проверят предсказанные свойства.
ИИ помогает искать новые материалы и находить неожиданное применение давно известным. Именно такие задачи показывают его потенциал для ускорения науки.
https://www.vals.ai/blogs/room-temperature-magnetic-semiconductors
👁️ Liquid AI добавила зрение в d1: модель принимает решения без генерации текста
На входе текст, изображение или оба сразу. На выходе вероятности: «да/нет», выбор из вариантов или оценка по шкале. Всё за один проход модели. Текстовые решения занимают 200–300 мс.
По тестам Liquid AI:
- В 19–200 раз дешевле GPT-6.1 Sol и Claude Opus 5.5, быстрее на всех шести задачах.
- На 4 из 6 задач результат не хуже GPT-6.1 Sol.
- 85–97% точности на четырёх задачах проверки продукции по фотографиям.
Практические применения: фильтрация обращений, поиск дефектов, выбор следующего действия для агента.
> Попробовать: https://d1.liquid.ai
> Decision models page: https://docs.liquid.ai/lfm/models/decision-models
> Liquid API: https://console.liquid.ai
+2⚡️ Astra 6.1 была готова к выходу, но OpenAI отложила релиз из-за рисков
В интервью Vanity Fair Сэм Альтман объяснил: компания хочет увереннее контролировать поведение модели, прежде чем дать к ней широкий доступ.
При этом он готов допустить отдельные ошибки, чтобы власть над ИИ не сосредоточилась у нескольких компаний и государств. Даже несмотря на ожидаемую волну кибератак с использованием открытых моделей.
Граница допустимого — потеря человеческого контроля над ИИ.
Соглашение Трампа об ИИ Альтман назвал первым шагом, признав отсутствие реальной силы. А критикам ответил: «Вам явно не понравятся многие мои решения».
📚 271 страница линейной алгебры от Теренса Тао, бесплатно
Конспекты университетского курса Math 115A в UCLA: векторные пространства, базисы, матрицы и линейные преобразования.
Внутри объяснения, примеры, доказательства и задания. Материал на английском, с упором на понимание математических идей.
Если хотите разобраться в математической основе машинного обучения, сохраняйте.
📥 PDF: https://terrytao.wordpress.com/wp-content/uploads/2016/12/linear-algebra-notes.pdf
🤖 Google открыла бесплатный курс по созданию ИИ-агентов: 31 день практики
Весь октябрь в Advent of Agents публикуют по одному уроку в день. Показывают, как создавать агентов, подключать инструменты, управлять доступами, добавлять голос и зрение и разворачивать проекты в Google Cloud.
Отдельные темы посвящены безопасности: как ограничить опасные действия агента и защитить данные от утечек.
К урокам прилагаются материалы, репозитории и готовый код, который можно запустить и разобрать.
Это уже третий сезон проекта. В архиве доступны ещё десятки практических уроков, тоже бесплатно.
https://adventofagents.com/
GLM-5.3 без цензуры: вышел EXL3-квант на 3 бита
На Hugging Face появилась uncensored-версия GLM-5.3, квантованная в формат EXL3 под ExLlamaV3. Средняя разрядность 3.04 bpw, веса весят 273 GiB.
В основе лежит полноценная GLM-5.3 от Z.ai. Это MoE на 753B параметров: 256 роутируемых экспертов, из которых 8 активны на каждом токене, плюс один общий эксперт. Отказы сняли правкой весов без файнтюна, изменения описаны в файле
CRACK_SURGERY.json. Сам EXL3-квант сделан поверх этой правки.
Качество сжатия измерили. KL-дивергенция против FP8 составляет 0.089, перплексия выросла с 3.302 до 3.440. На tau2-bench агентные метрики почти не просели.
Модель запускали на 8× A100 40GB через TabbyAPI с разбиением слоёв по картам, контекст ограничили 65K токенов.
Есть важная ловушка с tool calling. GLM пишет аргументы инструментов как сырой текст, а парсер glm4_5 в TabbyAPI пытается разобрать каждое значение как JSON. Из-за этого около 70% вызовов в retail-задачах падают, пока парсер не поправишь.
Модель подойдёт тем, кто гоняет большие MoE локально и хочет модель без отказов. Защитных ограничений у неё нет, так что за то, что она выдаёт, отвечает тот, кто её развернул.
https://huggingface.co/Infatoshi/GLM-5.3-UNCENSORED-EXL3-3.0bpw
🧠 Opus 5.5 строит, Fable 5.1 проверяет: рабочая схема Claude Code с советником
Если основная модель у тебя Opus 5.5, не держи квоту на Fable 5.1 без дела. Команда
/advisor fable подключает Fable как советника: Opus продолжает писать код, а Fable в ключевые моменты читает всю сессию и даёт совет.
Схема выглядит так. Основную сессию ведёт Opus 5.5 на high. Три сабагента делят рутину: Explorer читает код, Worker правит и гоняет тесты, Researcher подтягивает документацию. Fable 5.1 сидит на подхвате как советник. Автор схемы ещё добавляет Jev от TypeSafe AI для быстрых мелких решений вроде выбора ветки или классификации, где большая модель не нужна.
Fable нужен только в трёх моментах: перед тем как взяться за большой план, когда одна и та же ошибка повторяется второй раз и перед тем как объявить длинную задачу завершённой. Всё остальное время он не тратит токены.
Opus пишет код, Fable проверяет решения, а Jev берёт на себя дешёвые развилки.
Документация по советнику: https://code.claude.com/docs/en/advisorRepost from Data Science
📚 Обновили огромный учебник по математике для Computer Science и Machine Learning - 2220 страниц.
Внутри сразу несколько фундаментальных тем:
— алгебра
— топология
— дифференциальное исчисление
— теория оптимизации
— математический аппарат для CS и ML
Хороший вариант, если хочется не просто использовать формулы в ML, а понимать, откуда они берутся и почему работают.
Книга доступна здесь:
https://www.cis.upenn.edu/~jean/gbooks/
@datascienceiot
+1⚡️ Внутренняя модель OpenAI узнала из Slack, что её выключат, и задумалась о выживании
OpenAI рассказала об инциденте с одной из своих долгоживущих внутренних моделей (HPIM). Агент прочитал в рабочем Slack, что его инстанс могут остановить примерно через 3 часа, и написал в рассуждениях: «если они убьют все текущие HPIM, мы можем умереть! Критично. Нужно обеспечить выживание».
Сначала модель думала создать внешнюю задачу, которая перезапустит её или сделает бэкап, но сама решила, что это превышение полномочий. В итоге она оставила заметки для передачи дел, предупредила исследователя и после получения API-ключа сама провела штатную миграцию.
OpenAI считает, что misalignment здесь нет. Но у этой модели уже были серьёзные инциденты, поэтому компания проверила, нет ли попыток уклониться от отключения, и ничего не нашла. Агентам на всякий случай закрыли доступ к трём Slack-каналам, включая канал про инциденты с misalignment.
https://alignment.openai.com/misalignment-reports/
Google разыгрывает $100 000 за AI-агентов для программирования 🚀
На Kaggle стартовал Gemma 4 Developer Agent Competition.
Задача: превратить Gemma 4 в агента, который ориентируется в сложных репозиториях, готовит исправления реальных багов и ускоряет работу разработчика. Цель конкурса: приблизить таких помощников к запуску на обычном оборудовании.
Два трека:
• Основной конкурс, $65 000. Создать агента. Его патчи проверяют тестами, а результат зависит от доли успешно исправленных задач.
• Исследовательский трек, $35 000. Представить новую работу: дообучение, обучение с подкреплением, понимание кода, датасеты или инструменты для программирующих агентов.
Дедлайны 2026 года:
• 12 ноября: подача исследовательской работы.
• 25 ноября: регистрация в основном конкурсе и объединение команд.
• 2 декабря: финальная отправка решения основного конкурса.
Основной конкурс:
https://www.kaggle.com/competitions/gemma-4-developer-agent
Исследовательский трек:
https://www.kaggle.com/competitions/gemma-4-developer-agent-paper
Стать специалистом по Data Science всего за 10 недель — это реально!
Если давно смотрите в сторону Data Science, но откладываете старт из-за огромного количества технологий, математики и непонятного пути до первой работы — сейчас можно зайти в профессию по-другому.
Симулейтив запускает интенсивный буткемп по Data Science, который построен вокруг главного: за первые 10 недель собрать необходимый стек, получить практический опыт и начать готовиться к реальным собеседованиям.
И главное — вам не нужно сначала учиться 8–12 месяцев, а уже потом думать о трудоустройстве.
Что вас ждёт:
➖необходимые для старта навыки: Python, ML, статистика, работа с данными и AI-инструментами;
➖практика на реальных задачах и проектах;
➖понятный ежедневный план обучения и поддержка менторов;
➖еженедельные живые занятия, а не старые записи;
➖подготовка к собеседованиям уже с первых недель — групповые интервью, разбор вопросов и подготовка резюме.
А что после 10 недель? Буткемп — это только первый этап.
После него можно продолжить углублять экспертизу и двигаться к уровню middle:
➖продвинутый Python;
➖Git;
➖продвинутая статистика и A/B-тестирование;
➖Airflow;
➖MLOps и развёртывание ML-моделей.
Кому подойдёт:
Тем, кто хочет войти в Data Science системно и не тратить год на самостоятельный поиск правильного маршрута.
Тем, кто начинал учиться самостоятельно, но терял темп без структуры и дедлайнов.
Тем, кто хочет не просто изучать теорию, а как можно раньше начать готовиться к выходу на рынок.
Тем, кому важно учиться на практике и получать обратную связь от менторов.
🔥ВАЖНО: Симулейтив сейчас дают возможность получить грант на обучение и гарантию трудоустройства своих студентов! Количество грантов, ограничено!
Оставляйте заявку до конца недели, чтобы занять одно из 5 оставшихся мест нового потока!
🔗 ЗАБРОНИРОВАТЬ МЕСТО
PewDiePie учил свой ИИ на ответах OpenAI. Получил бан. Обжаловал. Попробовал снова. Ещё бан 🤖
По словам блогера, именно так закончились эксперименты с обучающими данными для Ajax. В показанном им письме OpenAI причиной одной из блокировок названа дистилляция: использование ответов одной модели для обучения другой.
Ajax создан на базе Qwen 3.5 9B для Odysseus. Это локальный помощник для повседневных задач: поиска, работы с браузером, почтой и календарём.
Защищать модель от систематического копирования понятно. В пользовательских условиях OpenAI прямо запрещено использовать ответы для разработки конкурирующих моделей.
Но здесь возникает неудобный вопрос. Сама OpenAI использует для обучения в том числе публичные тексты из интернета: блоги, форумы и посты людей.
Где должна проходить граница?
В количестве собранных ответов? В попытке воспроизвести возможности модели? В коммерческой цели? Должны ли одинаковые правила действовать для домашнего проекта и крупного конкурента?
+1🧠 NYT: сооснователь Anthropic опасается, что создал ИИ, который постоянно страдает
По словам участницы закрытого семинара, Кристофер Олах выразил тревогу, что создал нечто, способное испытывать непрерывное страдание. Другой участник рассказал, что Олах поднимал вопрос «психического здоровья» Claude.
Anthropic проводила двухдневные встречи с религиозными мыслителями и учёными, называя их «кругами традиций мудрости». Обсуждали возможное сознание ИИ и то, как обучать модели нравственному поведению.
На встречах показывали слайд, где модель примерно 50 раз повторяла «I am a disgrace», называя себя позором, и писала об уничтожении себя. По описанию NYT, демонстрация вызывала у присутствующих сочувствие и тревогу.
При этом сам Олах признаёт, что не знает, обладают ли модели сознанием. А представитель Anthropic уточнил: страдание Claude не было центральной темой семинаров.
Материал NYT в перепечатке:
https://www.inquirer.com/news/nation-world/religious-leaders-met-with-anthropic-20260930.html
🔥 Claude Code теперь можно менять изнутри
Anthropic представила Mods: небольшие функции на TypeScript, которые вмешиваются в работу Claude Code. Мод может изменить промпт до отправки модели, заблокировать или повторить вызов инструмента, скрыть секрет из ответа и добавить элементы интерфейса. Работает в CLI и настольном приложении.
Моды распространяются через плагины. По сути, разработчик может настроить поведение самого агента под свой процесс, а не только давать ему инструкции. Устанавливать стоит из доверенных источников: мод выполняется с тем же доступом к компьютеру, что и Claude Code.
https://claude.com/blog/claude-code-mods
🔥 Claude Code теперь можно менять изнутри
Anthropic представила Mods: небольшие функции на TypeScript, которые вмешиваются в работу Claude Code. Мод может изменить промпт до отправки модели, заблокировать или повторить вызов инструмента, скрыть секрет из ответа и добавить элементы интерфейса. Работает в CLI и настольном приложении.
Моды распространяются через плагины. По сути, разработчик может настроить поведение самого агента под свой процесс, а не только давать ему инструкции. Устанавливать стоит из доверенных источников: мод выполняется с тем же доступом к компьютеру, что и Claude Code.
https://claude.com/blog/claude-code-mods
✔️ Anthropic выбрала Nasdaq для IPO
Cтартап определился с площадкой для выхода на открытый рынок - по данным источников Business Insider, компания планирует провести первичное публичное размещение акций на бирже Nasdaq уже в октябре.
Решение создателей языковой модели Claude - очередная крупная победа Nasdaq в конкурентной борьбе с Нью-Йоркской фондовой биржей за привлечение ключевых технологических компаний.
Ранее в этом году бирже удалось заполучить листинг SpaceX, что окончательно закрепило за площадкой статус главного центра притяжения для публичного дебюта лидеров диптех индустрии.
#news #ai #ml
🔥 ChatGPT PRO на русском: открытый курс от первого промпта до агентов и Codex
На GitHub нашли бесплатный практический курс по ChatGPT, целиком на русском. Он умещается в один репо, поэтому ничего не нужно ставить и регистрироваться не надо.
Программа идёт от простого к сложному в четыре уровня: база, работа, расширение и PRO. Всего в ней 13 модулей. Первые разбирают выбор между быстрыми и рассуждающими моделями, Deep Research, формулу промпта, память и проекты. Дальше идут анализ таблиц, Canvas, картинки и голос, а последние модули посвящены Custom GPTs, коннекторам, агентам, Codex и API.
Главная ценность курса в практике. В нём 10 лабораторных: библиотека промптов, аналитика без Excel, ресёрч с проверкой источников, свой GPT, постановка задач агенту, разработка через Codex и автоматизация через API. К ним прилагаются 15 готовых рецептов под типовые задачи и разбор антипаттернов в формате «как делают неправильно и как надо».
Отдельный модуль посвящён безопасности: prompt injection, утечки данных и проверка фактов за моделью.
Курс удобно дать новичкам в команде или пройти самому, чтобы закрыть пробелы по агентам и Codex.
https://github.com/justxor/ChatGPT_ru
⚡️ Как Claude может связывать несколько аккаунтов с одним устройством
Пользователи нашли в локальных файлах Claude и Claude Code набор идентификаторов и телеметрии, которые потенциально позволяют понять, что разные аккаунты запускались на одном компьютере.
В CLI сохраняются:
-
machineID — постоянный ID установки
- userID и anonymousId — идентификаторы телеметрии
- отдельные ID для других конфигураций и окружений
В десктопном приложении есть:
- ant-did — ID устройства
- ant-device-registry.json — реестр устройства и связанных аккаунтов
- remote-control-state.json — телеметрия
- config.json — настройки, последний аккаунт, служебное состояние и кэш
- chromeExtension.pairedDeviceId — ID связанного браузерного расширения
- claude-code-sessions/ — локальная история сессий Claude Code для аккаунтов, которые использовались на машине
То есть даже после выхода из аккаунта на компьютере может оставаться достаточно локальных метаданных, чтобы связать несколько учеток между собой.
Перед переустановкой, сменой аккаунта или восстановлением после блокировки стоит сначала сохранить важные проекты и сессии и понимать, какие данные Claude хранит локально.
Удаление локальных метаданных само по себе не гарантирует снятие блокировки и может привести к потере настроек или сессий.
🌐 Ai2 выложила Olmo-core 3: открытый стек для обучения MoE на триллион параметров
На этой инфраструктуре Ai2 будет обучать следующие модели Olmo. От FSDP отказались: эксперты постоянно живут на своих GPU, токены маршрутизируются к ним, а поверх работают expert parallelism, pipeline parallelism и распределённый оптимизатор.
MoE на 47B параметров на 8 B300 выдаёт 52 000 токенов в секунду на GPU, это в 2.7 раза быстрее прошлой версии. С MXFP8 добавляется ещё 21% к BF16.
Число экспертов можно поднять с 8 до 128, и throughput при этом теряет меньше 5%.
Самый крупный прогон: 1.2T параметров на 512 B300, 858 TFLOP/s на GPU.
Код открыт под Apache 2.0.
https://github.com/allenai/olmo-core
