Data Science
38.6K subscribers
1.44K photos
1 video
45 files
1.88K links
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
Download Telegram
🔥 Transformers Laid Out

📌 Guide

@datascienceiot
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Vector Calculus for Engineers

📚 Книга

@datascienceiot
Bias-Variance Trade-Off in Statistics at MIT OpenCourseWare

📚 Book

@datascienceiot
Рекомендую посмотреть на новый хакатон МТС True Tech Hack 2025!

Участникам предстоит разработать решение на базе ИТ-платформ МТС. Помогать им в этом будут менторы.

Участвовать могут системные аналитики, Data Scientists, Data Engineers, frontend- и backend-разработчики, Android-разработчики, бизнес-аналитики, аналитики данных, MLOps-инженеры, DevOps-инженеры, Product-менеджеры, ИТ-архитекторы, UI/UX-дизайнеры.

За призовой фонд — 1 500 000 рублей — поборются команды от 2 до 5 человек. Можно сразу собрать команду или зарегистрироваться самому и найти единомышленников уже на платформе. Вместе участники будут решать одну из пяти задач — от создания AI-ассистента для незрячих и слабовидящих пользователей до автоматизации процессов сбора данных на основе инструментов DataOps Platform.

Регистрация на хакатон продлится до 16 апреля. Подать заявку можно здесь

@datascienceiot
Статистическое обучение и последовательное прогнозирование Александра Рахлина и Картика Шридхарана

📚 Книга

@datascienceiot
Lecture Note on the Langevin Diffusion by Yuansi Chen

📚 Read

@datascienceiot
Introduction to Theoretical Computer Science

📚 Читать

@datascienceiot
Хакатон от МТС: 5 треков и 1 500 000 рублей. Для тех, кто готов воплотить идею в прототип

Приглашаем на хакатон МТС True Tech Hack 2025. Протестируй свои идеи и разработай решение на базе одной из пяти ИТ-платформ МТС.
Призовой фонд соревнования — 1 500 000 рублей.

Участие могут принять системные аналитики, Data Scientists, Data Engineers, frontend и backend-разработчики, Android-разработчики, бизнес-аналитики, аналитики данных, MLOps-инженеры, DevOps-инженеры, Product-менеджеры, ИТ-архитекторы, UI/UX-дизайнеры.

На хакатоне ты сможешь:

— Выбрать свой трек и создать решение на базе ИТ-платформ МТС.
— Побороться за призовой фонд — 1 500 000 рублей.
— Расширить свои профессиональные связи через нетворкинг с участниками хакатона и экспертами МТС.
— Повысить шансы на прохождение стажировки в МТС.
— Узнать больше о продуктах и технологиях МТС от экспертов компании

Регистрация до 16 апреля.

Регистрируйся прямо сейчас: https://truetechhack.ru/
Please open Telegram to view this post
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
Авито намерен вложить около 12 миллиардов рублей в развитие генеративного искусственного интеллекта (GenAI). Ожидается, что к 2028 году применение этих технологий принесет компании более 21 миллиарда рублей.

Особенное внимание уделяется разработке нового семейства генеративных моделей — текстовой A-Vibe и мультимодальной A-Vision. Эти модели, обученные на базе нейросети Qwen2.5 с 7 миллиардами параметров, адаптированы под нужды торговли и маркетинга.

Уже в 2024 году первые продукты с использованием GenAI принесли Авито свыше 670 миллионов рублей. В 2025 планируется запуск 20 новых сценариев: ожидается, на с их помощью компания заработает более 1 млрд рублей.

@datascienceiot
Llama 3.2 From Scratch

This repository contains a from-scratch, educational PyTorch implementation of Llama 3.2 text models with minimal code dependencies. The implementation is optimized for readability and intended for learning and research purposes.

📌 Guide

@datascienceiot
Carnegie Mellon University's "Advanced Algorithms" course notes

📄 Book

@datascienceiot
Compute Forecast

📚 Read

@datascienceiot
Introduction to Machine Learning Class Notes

📚 Notes

@datascienceiot
Artificial Intelligence Index Report 2025

📚 Report

@datascienceiot
SeedLM: Compressing LLM Weights into Seeds of Pseudo-Random Generators

📚 Read

@datascienceiot
DeepResearcher: Scaling Deep Research via Reinforcement Learning in Real-world Environments

📚 Paper

@datascienceiot