Endi mavjud! Telegram Tadqiqoti 2025 — yilning asosiy insaytlari 
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 50 161 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 2 674-o'rinni va Rossiya mintaqasida 12 568-o'rinni egallagan.
📊 Auditoriya ko‘rsatkichlari va dinamika
невідомо sanasidan buyon loyiha tez o‘sib, 50 161 obunachiga ega bo‘ldi.
11 Iyun, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -1 975 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 9.28% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 5.80% ini tashkil etuvchi reaksiyalarni to‘playdi.
- Post qamrovi: Har bir post o‘rtacha 4 656 marta ko‘riladi; birinchi sutkada odatda 2 912 ta ko‘rish yig‘iladi.
- Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 32 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 12 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.
50 161
Obunachilar
-424 soatlar
-227 kunlar
-1 97530 kunlar
Postlar arxiv
🔥 Полезная подборка каналов только код, практика и самые передовые инструменты, которые используют разработчики прямо сейчас.👇
🖥 ИИ: t.me/ai_machinelearning_big_data
🖥 Python: t.me/pythonl
🖥 Linux: t.me/linuxacademiya
🖥 C++ t.me/cpluspluc
🖥 Docker: t.me/DevopsDocker
🖥 Хакинг: t.me/linuxkalii
🖥 Devops: t.me/DevOPSitsec
👣 Golang: t.me/Golang_google
🖥 Аналитика: t.me/data_analysis_ml
🖥 Javascript: t.me/javascriptv
🖥 C#: t.me/csharp_ci
🖥 Java: t.me/javatg
🖥 Базы данных: t.me/sqlhub
👣 Rust: t.me/rust_code
🤖 Технологии: t.me/vistehno
💰 Экономика и инвестиции в ИИ t.me/financeStable
💼 Актуальные вакансии: t.me/addlist/_zyy_jQ_QUsyM2Vi
🖥Подборка по Golang: https://t.me/addlist/MUtJEeJSxeY2YTFi
⚡️ Лучшие ИИ ресурсы: https://t.me/addlist/2Ls-snqEeytkMDgy
Max ИИ: https://max.ru/ai_machinelearning_big_data
Max Ml: https://max.ru/vistehno
Max python: https://max.ru/pythonl
Max Go: https://max.ru/Golang_google
Max Linux: https://max.ru/linuxkalii
Max Java: https://max.ru/javatg
Max Sql: https://max.ru/sqlhub
Max Devops: https://max.ru/DevOPSitsec
Анализ данных: https://max.ru/data_analysis_ml
C++ : https://max.ru/cpluspluc
C#: https://max.ru/csharp_ci
🖥 Chatgpt бот в тг: t.me/Chatgpturbobot
📚 Бесплатные ит-книги: https://t.me/addlist/HwywK4fErd8wYzQy
+3
🚀 Релиз LongCat-Flash-Prover - это одна из самых сильных open-source моделей для формальной математики.
Модель строит и проверяет доказательства как в реальной математике.
Внутри
• 🧠 Не один агент, а гибрид экспертов - модель генерирует и отбирает лучшие цепочки рассуждений
• ⚙️ Алгоритм HisPO - держит длинную логику без развала
• 🔍 Жесткая проверка:
- Lean4 (формальная математика)
- AST-анализ
- проверка корректности
→ галлюцинации почти убраны
📊 Результаты:
• 97.1% на MiniF2F (всего 72 попытки)
• 41.5% на PutnamBench (очень сложные задачи)
Это уже уровень, где open-source начинает догонять топовые research-модели.
📄 Paper: https://github.com/meituan-longcat/LongCat-Flash-Prover/blob/main/LongCat_Flash_Prover_Technical_Report.pdf
📂 GitHub: https://github.com/meituan-longcat/LongCat-Flash-Prover
🤗 Hugging Face: https://huggingface.co/meituan-longcat/LongCat-Flash-Prover
Первый «ИИ-стажёр» от OpenAI ожидается уже к сентябрю, а полноценная система запланирована к 2028 году.
Благодаря развитию reasoning-моделей и агентных систем вроде Codex, такие инструменты уже показывают резкий рост продуктивности — задачи, которые раньше занимали недели, теперь решаются за дни. Однако они всё ещё сталкиваются с проблемами надёжности и безопасности.
Тем не менее, OpenAI движется по пути создания полностью автономных исследователей.
https://x.com/techreview/status/2034969397513629914
🎯Полезные Мл-ресурсы 🚀 Max
@data_analysis_ml
🚀 OpenAI усиливает ставку на разработчиков
OpenAI покупает Astral - команду, стоящую за популярными Python-инструментами (uv, Ruff, ty).
Это не просто сделка.
Это шаг к контролю над реальным workflow разработчиков.
И на этом фоне Codex уже показывает мощный рост:
• рост пользователей в 3 раза
• рост использования в 5 раз с начала года
• более 2 млн активных пользователей в неделю
Начинается настоящая гонка:
Claude vs Codex ⚔️
Как уже говорил Дарио:
лучшая AI-компания с лучшим инструментом для программирования, это фундамент общей победы.
Побеждает не просто модель. Побеждает экосистема вокруг разработчиков.
И сейчас OpenAI явно ускоряется.
https://openai.com/index/openai-to-acquire-astral/
🎯Полезные Мл-ресурсы 🚀 Max
@data_analysis_ml
🤖 Claude-to-IM Skill: AI Coding Agent for IM Platforms
Этот репозиторий предоставляет мост между Claude Code/Codex и популярными мессенджерами, такими как Telegram, Discord, Feishu и QQ. Пользователи могут взаимодействовать с AI-агентами для программирования через удобный интерфейс, получая ответы в реальном времени.
🚀 Основные моменты:
- Поддержка четырех платформ: Telegram, Discord, Feishu, QQ
- Интерактивная настройка с пошаговыми инструкциями
- Контроль разрешений на использование инструментов
- Возможность просмотра ответов в реальном времени
- Сохранение сессий после перезапуска
📌 GitHub: https://github.com/op7418/Claude-to-IM-skill
#javascript
Разбор рынка ПО: от структуры до методологий
Рынок ПО сегодня — это сочетание облачных решений, on-premise-инфраструктуры и быстро растущих сегментов вроде ИИ и ИБ. Это делает его сложнее не только для анализа, но и для интерпретации.
На вебинаре разберут, как меняется структура рынка в России и мире, как распределяются роли между игроками и какие модели развития выглядят устойчивыми. Отдельный блок посвятят аналитике: почему отчёты дают разные цифры и как это связано с подходами к подсчёту.
📍 25 марта в 12:00 (МСК) — онлайн
Спикеры — представители Apple Hills Digital, iKS-Consulting, Yandex Cloud и JP Innovative.
Регистрируйтесь, чтобы получить целостное понимание рынка, а не набор разрозненных оценок
Data Science и Data Engineering: какое направление выбрать в 2026 году?
🎧 1 апреля пройдет День открытых дверей онлайн-магистратуры НИЯУ МИФИ «Специалист по работе с данными и ИИ» в партнёрстве с Яндекс Практикумом.
На встрече обсудят: 💙 как рост ИИ трансформируют рынок труда 💙 4 трека для развития: ML, CV, NLP и Data Engineering 💙 какие задачи усложняются и где усиливается конкуренция И расскажут, как за 2 года освоить фундаментальную базу, собрать портфолио из проектов и получить диплом магистра без отрыва от работы.Подключайтесь онлайн 1 апреля в 19:00 мск. 🏃♀️ Записаться на ДОД
⚡️ Runway представила серьёзный прорыв в генерации видео с помощью ИИ на конференции NVIDIA GTC.
Компания показала новую модель, способную генерировать видео в высоком разрешении в настоящем реальном времени.
Ключевая фишка — time-to-first-frame менее 100 мс.
Это значит, что HD-видео начинает генерироваться и воспроизводиться практически мгновенно после команды.
Этот превью-ресёрч был разработан совместно с NVIDIA и работает на их новой архитектуре Vera Rubin.
Такая скорость — важный шаг к созданию General World Model (GWM-1) от Runway.
Технология выходит за рамки обычной генерации видео и движется в сторону живых, интерактивных сред в реальном времени.
https://x.com/runwayml/status/2034284298769985914
🎯Полезные Мл-ресурсы 🚀 Max
@data_analysis_ml
⚠️ Отчёты выглядят убедительно. Графики растут. Решения принимаются быстро. Но один вопрос может обрушить всю картину: насколько качественные ваши данные?
Проблема плохих данных редко заметна сразу. Она проявляется позже — в сломанных маркетинговых акциях, ошибках кредитного скоринга, неверных управленческих решениях и потерянной прибыли.
👨💻 На открытом уроке 1 апреля в 20:00 МСК разберём, как на практике выявлять проблемы в данных и предотвращать их последствия. Вы узнаете, что такое Data Quality, какие 6 ключевых метрик качества данных используют международные стандарты, и как автоматизировать контроль данных с помощью современных инструментов. На занятии проведём экспресс-аудит данных на реальном примере и покажем, как находить ошибки, которые напрямую влияют на бизнес-показатели.
➡️ Открытый урок проходит в преддверии старта курса «Качество данных / Data Quality». Принять участие: https://tglink.io/f683f51a044aad?erid=2W5zFHtJhRT
#реклама
О рекламодателе
Repost from Machinelearning
🌟 Xiaomi релизнула 3 модели: LLM, омнимодальную и TTS.
🟡MiMo-V2-Pro
Флагман. Триллион параметров суммарно, 42 млрд. активных при инференсе, архитектура MoE с гибридным вниманием и контекстным окном в 1 миллион токенов. До официального анонса модель тестировалась на OpenRouter под именем Hunter Alpha.
🟢Artificial Analysis Intelligence Index - 49 баллов, это 8 место в мире и 2 среди китайских LLM.
🟢PinchBench - 84,0 (3 место, сразу за Claude Sonnet 4.6).
🟢ClawEval - 61,5, тоже 3 место, выше GPT-5.2.
Реальная агентская эффективность на GDPval-AA: Elo 1434 (лучший результат среди китайских моделей).
Цена API: $1 вход / $3 выход за млн. токенов при контексте 256K и $2 вход / $6 выход для контекста 256К-1М.
🟡 MiMo-V2-Omni
Принимает текст, изображения, видео и аудио через единую базу с отдельными энкодерами для каждой модальности. Параметры не раскрыты. Модель поддерживает непрерывную обработку аудио длиной свыше 10 часов в одном запросе.
🟢MM-BrowserComp - 52,0, на GPDVal AA - 1435, оба выше Gemini 3 Pro.
Цена: $0,40 вход / $2,00 выход.
На демонстрации модель прошла цикл онлайн-покупки автономно: нашла отзывы на Xiaohongshu, сравнила продавцов на JD.com, поторговалась с поддержкой, оформила заказ. Второе демо: получила одно текстовое задание, сняла 15-секундный ролик из 4 сцен, синтезировала звук, исправила ошибку рендеринга шрифта, загрузила на TikTok и опубликовала.🟡MiMo-V2-TTS Модель обучена на сотнях миллионов часов аудио, и допилена через многомерный RL. Синтезирует речь с управлением эмоциями на уровне отдельных предложений, поёт с сохранением высоты и ритма, воспроизводит китайские диалекты: сычуаньский, хэнаньский, кантонский, тайваньский. Поддержка других языков не заявлена. Форматные маркеры в тексте: пунктуацию, частицы и выделение сама переводит в просодику без дополнительной разметки. Доступ на ограниченный период - бесплатно. Сроки предложения не указаны.
Кстати, команду MiMo возглавляет Ло Фули, один из ключевых авторов DeepSeek R1.Все модели релиза доступны через API на platform.xiaomimimo.com и в MiMo Studio. @ai_machinelearning_big_data #news #ai #ml
⚡️ Загадочная модель Hunter Alpha появилась в сети и уже наделала много шума
По данным Reuters, на OpenRouter внезапно обнаружили новую ИИ-модель под названием Hunter Alpha.
И самое интересное - это может быть не просто ноунейм 👇
Есть слухи, что это скрытая тестовая версия DeepSeek V4.
Что известно на данный момент:
- около 1 триллиона параметров
- контекст до 1 миллиона токенов
- стиль рассуждений очень похож на chain-of-thought, как у DeepSeek
Во время тестирования модель сама указала:
- обучалась преимущественно на китайских данных
- knowledge cutoff — май 2025
И это практически полностью совпадает с тем, что ранее заявляли про DeepSeek.
Что это может быть:
👉 ранний тест перед релизом
👉 “тихий” запуск без анонса
👉 или хорошо замаскированная модель
Но главное здесь другое:
рынок снова движется в сторону
гигантских моделей + длинного контекста + сильного reasoning
И если это действительно DeepSeek V4 -
нас ждёт новый скачок в возможностях ИИ.
👉 https://www.reuters.com/business/media-telecom/mystery-ai-model-has-developers-buzzing-is-this-deepseeks-latest-blockbuster-2026-03-18/
🎯Полезные Мл-ресурсы 🚀 Max
@data_analysis_ml
⚡️ Вышла новая модель Minimax M2.7 и релиз получился очень мощным.
Что интересного:
• 🧠 Self-evolving модель
M2.7 — одна из первых моделей, которая помогала улучшать саму себя.
Во время RL-обучения она запускала 100+ автономных циклов оптимизации, что дало около 30% внутреннего улучшения.
• 💻 Крутые результаты в кодинге
— 56.2% на SWE-Pro (почти уровень Claude Opus 4.6)
— 55.6% на VIBE-Pro
— может находить и исправлять production-баги менее чем за 3 минуты
• 🔬 Агент для ML-исследований
— 66.6% medal rate на MLE Bench Lite
— фактически на уровне Gemini 3.1 в задачах ML-исследований.
• 📊 Офисная и аналитическая работа
— ELO 1495 на GDPval-AA (лучший open-source результат)
— 97% точность выполнения задач
— может делать полный аналитический workflow:
анализ данных → отчёт → модель → презентация.
• 🤖 Нативная multi-agent архитектура
Модель изначально рассчитана на работу нескольких агентов вместе.
• 🎭 OpenRoom
Новый open-source демо-проект с интерактивными AI-персонажами, которые могут взаимодействовать друг с другом.
https://www.minimax.io/news/minimax-m27-en
🎯Полезные Мл-ресурсы 🚀 Max
@data_analysis_ml
Вот это комбо: ты, команда SberAds и шанс получить приглашение в Сбер за один день! ⚡️
28 марта Сбер устраивает One Day Offer* для Data Scientists**, готовых перевести эффективность SberAds, качество и релевантность показываемой рекламы на новый уровень.
Если ты хочешь работать над созданием и улучшением моделей для аукционов и свободно ориентируешься в Python, Go, S3, Spark — регистрируйся на One Day Offer*.
У тебя будет 8000+ коллег — масштабно, правда? Успей занять место в команде мечты!
* One Day Offer — предложение о работе за один день.
** Data Scientists — исследователи данных.
Alibaba выпустила open-source фреймворк, который похож на смесь OpenClaw и Claude Cowork 🤯
Что он умеет:
• долгосрочная память (long-term memory)
• может работать локально через Ollama
• поддерживает бесплатные модели, например Qwen 3.5
• self-hosting, система skills и многое другое
Ссылка:
https://github.com/agentscope-ai/CoPaw
🐍 Вышла новая модель из серии Mamba - Mamba-3.
Гибридные архитектуры становятся всё популярнее, поэтому всё больше внимания уделяется созданию следующего поколения линейных моделей.
В Mamba-3 исследователи предложили несколько новых идей вокруг SSM (state space models), которые заметно увеличивают способность модели обучаться без потери скорости.
В результате Mamba-3 показывает более высокую производительность, чем предыдущие линейные модели, включая:
- Mamba-2
- Gated DeltaNet
Причём улучшения наблюдаются во всех размерах моделей.
Интересный факт:
это первая версия Mamba, созданная студентами.
Основные авторы проекта:
- Aakash Lahoti
- Kevin Li
- Berlin Chen
- Caitlin Weng
- Tri Dao
Что нового в Mamba-3:
1. Улучшенная дискретизация SSM
Предложена новая схема дискретизации, которая лучше имитирует свёртку (convolution) и делает модель более выразительной.
Она также позволила избавиться от short convolution, который раньше использовался в линейных моделях.
2. Комплексные переходы состояний
Переходы состояний теперь используют комплексные числа, что значительно улучшает способность модели отслеживать состояние.
Это решает проблемы предыдущих версий Mamba, которые, например, не могли решать даже некоторые простые задачи вроде bit parity.
3. Архитектура MIMO вместо SISO
Модель перешла от структуры SISO (single input single output) к MIMO (multiple input multiple output).
Это позволяет лучше использовать железо при inference, что даёт дополнительный прирост производительности.
Также архитектура была немного обновлена и стала ближе к современным языковым моделям.
Например, добавлены компоненты вроде BC / QK normalization.
Mamba-3 заметно усиливает линейные модели и делает их ещё более конкурентными с трансформерами, особенно в задачах языкового моделирования.
Paper: https://arxiv.org/abs/2603.15569
Code: https://github.com/state-spaces/mamba
Blog: https://goombalab.github.io/blog/2026/mamba3-part1/
⚡️ Нашёл интересный open-source проект — Crucix
Это self-hosted intelligence terminal, который автоматически следит за событиями в мире и присылает сигналы, когда что-то меняется.
По сути это персональный разведывательный агент для данных.
Crucix агрегирует данные примерно из 26 открытых источников и регулярно обновляет их.
Он собирает сигналы из разных категорий:
- геополитика
- экономика
- энергетика
- социальные тренды
- мировые события
И показывает всё это в едином self-hosted дашборде.
Главная идея — не читать десятки сайтов и новостей вручную.
Система сама:
• мониторит источники
• отслеживает изменения
• отправляет уведомления, если появляется важный сигнал
Фактически это инструмент раннего обнаружения трендов.
Можно использовать для:
- мониторинга рынков
- отслеживания геополитики
- анализа новостей
- поиска ранних сигналов изменений
Проект позиционируется как personal intelligence agent, который следит за миром и сообщает, когда происходит что-то важное.
Интересный пример того, как можно собрать персональную систему аналитики и мониторинга мира на open data.
https://github.com/calesthio/Crucix
🎯Полезные Мл-ресурсы 🚀 Max
@data_analysis_ml
🌟 Spatial-TTT.
Это фреймворк для потокового пространственного интеллекта на основе визуальных данных с использованием test-time training (TTT).
Spatial-TTT адаптирует «быстрые веса», чтобы захватывать и структурировать пространственную информацию из длинных видеопотоков. Это позволяет моделям со временем формировать структурированную 3D-пространственную память.
Основные идеи:
🔹 Эффективная потоковая память
Быстрые веса работают как компактная пространственная память.
Рост памяти сублинейный даже на видео длиннее 7000 кадров, при этом вычисления сокращаются более чем на 40%.
🔹 Пространственно-предиктивный механизм
Слои TTT с 3D пространственно-временной свёрткой улавливают геометрические соответствия и временную непрерывность.
🔹 SOTA-результаты
Модель показывает лучшие результаты на задачах долгосрочного пространственного понимания видео (VSI-Bench).
Работа заняла 1 место в рейтинге Daily Papers на Hugging Face 13 марта.
Проект: https://liuff19.github.io/Spatial-TTT/
GitHub: https://github.com/THU-SI/Spatial-TTT
Статья: https://huggingface.co/papers/2603.12255
Модели и данные: https://huggingface.co/THU-SI
🎯Полезные Мл-ресурсы 🚀 Max
@data_analysis_ml
Новое исследование показывает, как огромные зарплаты техногигантов уводят лучших специалистов по ИИ из университетов.
Сегодня топ-1% исследователей ИИ в индустрии зарабатывают около $2 млн в год.
Переходя в частные компании, учёные почти перестают публиковать открытые научные работы — вместо этого они на 530% чаще оформляют патенты, чтобы сохранять разработки внутри компаний.
В рамках исследования были проанализированы карьеры 42 000 специалистов по искусственному интеллекту.
https://www.nber.org/system/files/working_papers/w34964/w34964.pdf
🎯Полезные Мл-ресурсы 🚀 Max
@data_analysis_ml
