uz
Feedback

Firibgarlarga uchmang! Telemetrio bunday kanallarni topadi va belgilaydi 👉 Belgini ko‘rmoqchi bo‘lsangiz, obuna bo‘ling

Анализ данных (Data analysis)

Анализ данных (Data analysis)

Kanalga Telegram’da o‘tish

Data science, наука о данных. @haarrp - админ РКН: clck.ru/3FmyAp

Ko'proq ko'rsatish

📈 Telegram kanali Анализ данных (Data analysis) analitikasi

Анализ данных (Data analysis) (@data_analysis_ml) Rus til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 51 911 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 2 572-o'rinni va Rossiya mintaqasida 11 804-o'rinni egallagan.

📊 Auditoriya ko‘rsatkichlari va dinamika

невідомо sanasidan buyon loyiha tez o‘sib, 51 911 obunachiga ega bo‘ldi.

16 Noyabr, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni 444 ga, so‘nggi 24 soatda esa -8 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.

  • Tasdiqlash holati: Tasdiqlanmagan
  • Jalb etish (ER): Auditoriya o‘rtacha 11.63% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 8.47% ini tashkil etuvchi reaksiyalarni to‘playdi.
  • Post qamrovi: Har bir post o‘rtacha 6 040 marta ko‘riladi; birinchi sutkada odatda 4 397 ta ko‘rish yig‘iladi.
  • Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 192 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 17 Noyabr, 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.

51 911
Obunachilar
-824 soatlar
+27 kun
+44430 kun
Postlar arxiv
⚡ Event-Driven Declarative Orchestrator Популярные библиотеки оркестровки потоков операций по обработке данных, такие как Air
⚡ Event-Driven Declarative Orchestrator Популярные библиотеки оркестровки потоков операций по обработке данных, такие как Airflow, требуют написания Python-кода для использования их возможностей, что усложняет код и затрудняет работу с проектом. Чтобы отделить код data science от логики оркестровки, используйте библиотеку Kestra. ▪Github ▪Демо @data_analysis_ml
23 Avg 2023, 14:03

Как подготовить IT-инфраструктуру к бизнес-сезону вместе с сервисами для Kubernetes Совсем скоро наступит осень, а значит, дл
Как подготовить IT-инфраструктуру к бизнес-сезону вместе с сервисами для Kubernetes Совсем скоро наступит осень, а значит, для компаний начнется жаркая пора — и в это время как никогда нужно быть уверенными в отказоустойчивости и надежности своей инфраструктуры. Решить эту проблему поможет переход на микросервисную архитектуру на базе кластеров Kubernetes. Благодаря этой методологии вы сможете выстроить гибкую и масштабируемую инфраструктуру для быстрого запуска новых продуктов на рынке. Кстати, 29 августа в 11:00 состоится вебинар про Kubernetes от команды провайдера облачных и AI-технологий Cloud․ru. В прямом эфире эксперты расскажут о: 😶‍🌫️преимуществах и сценариях применения сервиса для управления кластерами Kubernetes; 😶‍🌫️способах настройки сетевых доступов внутри кластеров Kubernetes;  😶‍🌫️вариантах настройки безопасного контура внутри кластера в облаке на примере реального приложения. Всем зарегистрированным участникам встречи будет доступна запись вебинара. 😶‍🌫️Зарегистрироваться на вебинар: https://sc.link/1Ieu 😶‍🌫️Подписаться на Телеграм канал: @cloudruprovider
23 Avg 2023, 12:01
30 Avg 2023, ~09:41

🔍 Выявление неявных связей при анализе графов или как увидеть незримое Неявные связи в графах. Что это и как с ними работать, разберу на примерах. Граф — множество узлов, объединенных множеством ребер. С узлами все понятно, взяли города России, клиентов банка или компьютеры в сети, и получили множество объектов, которые и будут узлами для графа. Что же с ребрами? На первый взгляд все просто: города соединены дорогами, клиенты совершают переводы денежных средств, а компьютеры постоянно обмениваются информацией. Все, что было перечислено, относится к явным типам связей. Существует факт взаимосвязи между объектами: если дороги нет, то ребро между узлами отсутствует. Что же относится к неявным связям? Неявные связи сложнее, они могут зависеть от явных связей или же быть самостоятельными. Например, возьмем двух людей, которые работают на абсолютно разных работах, живут в разных концах города. На первый взгляд, они не имеют ничего общего, но при этом они оба по выходным приходят на матч любимой команды – это и есть неявная связь. Теперь перейдем к практическому примеру. Есть 2 файла: ◾️Данные о мошенниках, их номерах телефонов, а также периоды их активности; ◾️Данные о клиентах и номерах телефонов с периодами активности. ◾️Данные с номерами телефонов сложно найти в открытом доступе, придется сгенерировать их самостоятельно. Код для генерации необходимых данных расположен по ссылке. Следующим этапом будет создание графа. Для этой задачи понадобятся следующие python-библиотеки: ▪️Pandas – для работы с файлами; ▪️NetworkX – для создания графа связей, его визуализации; ▪️Matplotlib и Numpy – нужны для настройки визуализации графа; ▪️Datetime – для операций над временными данными. Перед созданием графа взглянем на данные, с которыми нам предстоит работать. Описание данных: 📍index – id клиента / мошенника; 📍numbers – номер телефона; 📍Date_start – начало периода активности; 📍Date_end – окончание периода активности. ➡️ Продолжение @data_analysis_ml
23 Avg 2023, 09:06

Что-то не джойнится, половины данных нет, АБ тест запустили криво, дашборд сломался. Рано или поздно каждый аналитик сталкива
Что-то не джойнится, половины данных нет, АБ тест запустили криво, дашборд сломался. Рано или поздно каждый аналитик сталкивается с такими проблемами. О таких и многих других кейсах в своем канале рассказывает аналитик  -  Юрий Борзило В канале есть много клевых материалов: 1 Подборки: 💎 Подборка материалов по АБ тестам 💎 Подборка курсов по инструментам аналитика 💎 Подборка комплексных курсов по аналитике 2 Про работу аналитиком: 💎 Как ставить задачи аналитику 💎 Почему LTV плохая метрика 💎 Базовая схема сквозной аналитики Кроме полезнях в канале полно прикольных мемасов про анализ данных. Немколько рандомных мемасов: тык1, тык2, тык3 Ссылка на канал Юрия
23 Avg 2023, 08:06
30 Avg 2023, ~09:41

Как устроены ChatGPT, Siri, Алиса и Маруся — и какие навыки нужны, чтобы запускать такие продукты? Узнайте у Владимира Василь
Как устроены ChatGPT, Siri, Алиса и Маруся — и какие навыки нужны, чтобы запускать такие продукты? Узнайте у Владимира Васильева, руководителя направления из Сбера, разрабатывающего русскую версию ChatGPT. Регистрируйтесь на бесплатный онлайн-практикум от ТГУ и Skillfactory 29 августа в 17:00 мск. За 1,5 часа вы: — Изучите ключевые задачи и навыки для работы с NLP; — Погрузитесь в мировые тренды развития анализа естественного языка; — Поймете с чего начать карьеру в NLP. Регистрация по ссылке БЕСПЛАТНО: https://go.skillfactory.ru/&erid=2VtzquoArT1 Реклама ООО "Скилфэктори", ИНН 9702009530
22 Avg 2023, 13:02
30 Avg 2023, ~09:41

☝️Низкое качество #данных может привести к неверным выводам и плохой работе модели. pandera предоставляет гибкий и удобный AP
+3
☝️Низкое качество #данных может привести к неверным выводам и плохой работе модели. pandera предоставляет гибкий и удобный API для выполнения проверки данных на объектах типа dataframe, чтобы сделать конвейеры обработки данных более читаемыми и надежными. ▪Github ▪Документация @data_analysis_ml
22 Avg 2023, 07:06

Бесплатный практический интенсив, после которого вы точно разберётесь в статистике А всё потому что его проведёт Анатолий Кар
Бесплатный практический интенсив, после которого вы точно разберётесь в статистике А всё потому что его проведёт Анатолий Карпов — тот самый автор «основ статистики», благодаря которым статистику поняли более 200 тысяч человек. Анатолий руководил командой аналитики в отделе бизнеса и рекламы ВКонтакте, а сейчас является основателем школы karpovꓸcourses. Что будет на интенсиве: • Узнаете, как спланировать исследование • Проанализируете данные A/B-теста • Поймёте что значат статистически значимые различия и при чём тут ошибка выжившего Задачи будут как для начинающих, так и для специалистов с опытом, поэтому будет интересно и полезно всем. Встречаемся 24 и 25 августа в 19:00 Зарегистрируйтесь на интенсив и получите гид по старту карьеры в Анализе данных: https://karpov.courses/analytics-intensive
22 Avg 2023, 05:06
30 Avg 2023, ~10:44

🔥 Применение эффективного асинхронного web-парсинга при работе с Bigdata Парсинг или веб-скрапинг — это автоматизированный сбор и структурирование информации из открытых источников при помощи специальной программы, называемой парсером. Технически получить доступ к открытой информации можно с помощью API, но как правило доступ ограничен или требует вложения денежных средств. Рассмотрим принцип работы парсинга. Данный процесс происходит в несколько этапов: 1. Отправка HTTP-запроса на сервер. 2. Поиск необходимых данных. 3. Трансформация полученных данных. При отправке HTTP-запроса на сервер у нас есть два варианта: • отправить запрос и ждать, пока сервер даст ответ (синхронный запрос); • отправить запрос и продолжить работу. Когда данные будут получены, программа вызовет функцию обработчик события (асинхронный запрос). У каждой из представленных реализаций есть свои плюсы и минусы. Так, например, асинхронный запрос значительно увеличивает производительность кода, поскольку позволяет обрабатывать несколько запросов одновременно, но его довольно сложно реализовать. В свою очередь, синхронный запрос прост в разработке и отладке, но имеет низкую эффективность за счёт последовательной отправки HTTP-запросов. Основные проблемы парсинга Парсинг, как и любая технология, сталкивается с рядом проблем. Перечислим наиболее актуальные: • блокировка доступа к данным: использование CAPTCHA, блокирование IP-адресов и другое; • скорость выполнения: большой объем данных требует много ресурсов и времени; • сложность обработки ошибок: ошибки соединения, ошибки синтаксиса и другие; • работа с динамическим контентом: необходимо разрабатывать специальные инструменты для анализа сайтов, использующих технологии ajax и javascript. Реализация парсера на основе Beautiful Soup. Обзор возможностей. Beautiful Soup — это библиотека Python для извлечения данных из файлов форматов HTML и XML. Beautiful Soup (или BS4) использует DOM-модель (Document Object Model) для трансформации и извлечения данных. Основными возможностями BS4 являются: • поиск элементов на странице по тегу, классу, id и другим атрибутам; • извлечение текста и атрибутов элементов; • навигация по дереву элементов страницы; • манипуляции с HTML-кодом, такие как добавление, удаление или изменение элементов. Для извлечения данных из HTML-кода необходимо использовать конструктор BeautifulSoup(), который принимает два аргумента: разметку (HTML-код) и анализатор (необходим для обработки HTML-кода). BS4 поддерживает различные библиотеки для синтаксического анализа, включая стандартные html.parser, а также более быстрые, такие как lxml и html5lib. В нашем случае будем использовать lxml. Также, для отправки запросов на сайт воспользуемся библиотекой requests. Реализация кода на базе Beautiful Soup Для начала установим и импортируем библиотеки. # установка pip install beautifulsoup4 pip install requests pip install lxml # импорт from bs4 import BeautifulSoup import requests 📌 Продолжение @data_analysis_ml
21 Avg 2023, 05:23

🖥 AutoScraper: Умный, автоматический, быстрый и легкий веб-парсер на Python Если вы хотите автоматически спарить веб-сайт в
+2
🖥 AutoScraper: Умный, автоматический, быстрый и легкий веб-парсер на Python Если вы хотите автоматически спарить веб-сайт в нескольких строках кода на #Python, попробуйте autoscraper. С помощью autoscraper можно извлекать элементы с определенными шаблонами, просто предоставив текст с этим шаблоном. $ pip install autoscraper ▪Github @pythonl
20 Avg 2023, 07:11

Data Science — наука о данных, включающая инструменты и технологии, которые помогают обрабатывать большие массивы информации
Data Science — наука о данных, включающая инструменты и технологии, которые помогают обрабатывать большие массивы информации и обучать нейросети. На бесплатном мини-курсе вы узнаете, где востребован Data Science, как работают и сколько получают специалисты этой сферы. На практике познакомитесь с языками Python и SQL, нейросетями и визуализацией данных. Забудьте о затянутых лекциях и медленном старте в карьере. Мы знаем, как ценно время, поэтому предлагаем интенсивный мини-курс, который поможет быстро познакомиться с необходимыми навыками. 👉 Зарегистрируйтесь прямо сейчас и получите полезный материал «Как пользоваться ChatGPT и Midjourney»: https://epic.st/niIky В программе: 📌 Профессии в Data Science и язык Python. 📌 ML Engineer — пишем нейросеть для подбора новостных статей. 📌 Data Engineer — знакомимся с языком запросов SQL. 📌 Data Analyst — учимся визуализировать данные. Кому полезен мини-курс: — Тем, кто хочет влиться в IT. Познакомитесь с одним из самых востребованных IT-направлений и узнаете, как начать работать в Data Science, в том числе удалённо. — Тем, кто интересуется Data Science. На практике познакомитесь с основными направлениями и выполните несколько практических заданий, чтобы решить, какая специальность вам ближе. Реклама. ЧОУ ДПО «Образовательные технологии «Скилбокс (Коробка навыков)», ИНН: 9704088880
20 Avg 2023, 05:02
30 Avg 2023, ~10:44

🟡 Дайджест полезных материалов из мира : Data Science за неделю Почитать: — Опыт работы с данными или с чем может столкнуться аналитик — Кто, как и ради чего создаёт онлайн-образование в IT-сфере: истории пяти экспертов — Тестирование грамматики Llama Cpp, основанной на ограничениях выборки — 2 ВИЗУАЛИЗАЦИИ, КОТОРЫЕ ЛЕГЧЕ С ПИТОНОМ (по сравнению с TABLEAU) — Как получить real-time данные смарт-контракта, используя The Graph (пишем свой сабграф) — Apache Spark 3.4 для Databricks Runtime 13.0 — ML-искусство переживать проблемы: как избегать разочарований и находить аналоги товаров в периоды out-of-stock — Enhancing Database Performance: In-Depth Query Optimization with ApacheAGE — Step by step guide to becoming a Data Scientist in 2023 — Visual Language Processing: Bridging Vision and Language with Transformers — Guia Avançado do Método `merge` no Pandas com Exemplos — 8 Completely FREE Big Data Resources — CV-based self-diagnosis telemedicine application — A Powerful Tool for Data Engineers: Apache Doris 2.0.0 is Production-Ready! — Embracing Modularity: Template for Structuring Machine Learning Projects — ⛏ Get Mining into Data with These Top 5 Resources — Python Data Type Посмотреть: 🌐 Универсальный рецепт по написанию и аннотированию декораторов Python. 🌐 NVIDIA Omniverse: Virtual Worlds Come Alive 🌐 Lightning Interview "Hands-On Generative AI Applications" Хорошего дня! @data_analysis_ml
19 Avg 2023, 07:52

🖥 Контроль за дрейфами предсказательных моделей и Popmon Для решения задачи мониторинга данных в голландском банке ING была
🖥 Контроль за дрейфами предсказательных моделей и Popmon Для решения задачи мониторинга данных в голландском банке ING была разработана библиотека Popmon для Python, название которой является сокращением от «population monitoring» — «наблюдение за популяцией». В качестве датасета для демонстрации я буду использовать данные ежедневных замеров метеорологических сенсоров с 1961 по 1978 год: показания трех датчиков, минимальная и максимальная температура воздуха, минимальная температура травы, количество осадков и скорость ветра. Целью датасета является предсказание скорости ветра. Источник находится здесь. Данная библиотека позволяет найти отклонения по входным и выходным данным в датасетах. Также имеется возможность провести сравнительный анализ датасета на основе статистики из другого. Popmon умеет работать с датафреймами из библиотек Pandas и PySpark. В целях демонстрации я буду использовать Pandas. ▪Читать дальше ▪Github @data_analysis_ml
18 Avg 2023, 07:02

«Easy Report: российский BI, применяющий ИИ для общения с данными» 24 августа приглашаем на вебинар, на котором поговорим про
«Easy Report: российский BI, применяющий ИИ для общения с данными» 24 августа приглашаем на вебинар, на котором поговорим про ИИ, NLP в BI и поделимся опытом внедрения BI-системы в крупнейших компаниях РФ. Что будет на вебинаре ➡️ Зачем нужны ИИ и NLP в BI? Поделимся опытом от практиков, которым удалось создать работающую систему. ➡️ Кейсы применения BI-решения с ИИ. Реальные кейсы внедрения BI-системы в крупнейших компаниях РФ (ритейл, FMCG, строительство, фармацевтика). ➡️ Магия Как работает Easy Report - формирование отчетов "на лету" по запросу на естественном языке - подключение к источникам в различных режимах: с кэшированием данных и без - создание гетерогенной модели данных (Excel + Таблица в БД) и расчетных показателей Спикеры: Юрий Ефаров - CEO Easy Report, генеральный директор Sapiens solutions (в ТОП-15 поставщиков аналитических решений в РФ) Игорь Пантелеев - Соучредитель и CTO Easy Report, более 5 лет внедряет модули NLP в проекты Регистрация по ссылке. 🗓 24 августа, 11:00 мск • Онлайн
18 Avg 2023, 05:01
30 Avg 2023, ~10:44

✔ Redis Explained Глубокое техническое погружение во все тонкости Redis. В статье рассматриваются различные топологии Redis,
✔ Redis Explained Глубокое техническое погружение во все тонкости Redis. В статье рассматриваются различные топологии Redis, персистентность данных и форкинг процессов. Отличная иллюстрированная статья для глубокого понимания Redis. ▪Читать @data_analysis_ml
17 Avg 2023, 15:01

Яндекс уже применяет нейросеть YandexGPT в браузере и в Алисе, голосовом помощнике. Какие профессии нужны, чтобы нейросеть становилась умнее, и как отбирают данные для обучения — расскажут сотрудники, работающие над YandexGPT. → Бесплатно, 21 августа в 19:00 Мск Наши спикеры: ◾️Николай Зинов Руководитель группы YaLM Alignment в Яндексе ◾️Ирина Барская Руководитель службы аналитики и исследований в Яндексе Вы узнаете: — что такое нейросетевые языковые модели; — как модель предобучают на гигантском наборе текстов, а затем учат делать то, что попросит человек; — кто в этом участвует: разработчики, аналитики и другие специалисты; — как аналитики собирают данные и почему эти данные так важны. → Зарегистрируйтесь на вебинар Реклама АНО ДПО "Образовательные технологии Яндекса", ИНН:7704282033, erid:LjN8JvPzS
17 Avg 2023, 13:02

Эмбеддинг - это как переводчик, преобразующий слова в числа, чтобы алгоритмы могли их понять. Chroma позволяет легко создават
Эмбеддинг - это как переводчик, преобразующий слова в числа, чтобы алгоритмы могли их понять. Chroma позволяет легко создавать эмбеддинги из документов и находить похожие результаты, используя всего нескольких строк кода. ▪Github ▪Colab @data_analysis_ml
17 Avg 2023, 07:01

Хотите выйти на новый уровень в аналитике данных? Научитесь всему необходимому для решения своих рабочих задач на курсе «Анал
Хотите выйти на новый уровень в аналитике данных? Научитесь всему необходимому для решения своих рабочих задач на курсе «Аналитик данных» от школы karpovꓸcourses. Вы не только изучите теорию — на практических кейсах вы сможете отточить навыки работы со всеми актуальными инструментами для анализа данных. Обучение построено на реальных задачах индустрии и проходит в формате буткемпа, когда максимум знаний даётся за минимальный срок. Преподаватели — специалисты с опытом работы в топовых IT-компаниях. Записывайтесь на следующий поток: https://karpov.courses/analytics Кстати, сейчас на курс скидка, а по промокоду DATA44ML для вас действует дополнительная скидка 5% до 31 августа.
17 Avg 2023, 05:01
30 Avg 2023, ~10:44

⚡ Data Cleaning and Preprocessing for data science beginners В этом руководстве рассмотрены все важнейшие этапы с примера код
⚡ Data Cleaning and Preprocessing for data science beginners В этом руководстве рассмотрены все важнейшие этапы с примера кода по очистке и предварительной обработке данных. В книге описано, как качество данных может напрямую влиять на эффективность прогностических моделей и выводы, которые можно сделать на основе проведенного анализа. Понимание этих основополагающих процессов позволит превратить беспорядочные данные реального мира в золотую жилу надежных выводов. 📚Скачать книгу @data_analysis_ml
16 Avg 2023, 07:02

💣 Научитесь создавать рекомендательные системы для контента 📌 Приходите 24 августа в 20:00 (мск) на открытый урок «Векториз
💣 Научитесь создавать рекомендательные системы для контента 📌 Приходите 24 августа в 20:00 (мск) на открытый урок «Векторизация текстов для практических задач» в рамках курса «Natural Language Processing» от OTUS! ✅ Что будем делать: — Обсудим, как можно получать векторы текстов и использовать их в практических целях; — Узнаем, как быстро сделать рекомендательную систему для текстов; — Рассмотрим похожие статьи на основе тематического моделирования, экстрактивной суммаризации и векторизации FastText; — Поищем похожие товары на основе векторизации TF-IDF; — Обсудим векторизацию текстов архитектурой BERT. 👉 В результат вы узнаете, как эффективно подбирать похожие по смыслу и тематике тексты. 💻 Успейте зарегистрироваться по ссылке https://otus.pw/18KH/ , количество свободных слотов на регистрацию ограничено. Нативная интеграция информация о продукте www.otus.ru
16 Avg 2023, 05:01
29 Avg 2023, ~15:03