Data Science | Machinelearning [ru] — машинное обучение
Канал MAX @devsp в категории «Наука»
Канал Data Science | Machinelearning [ru] публикует разборы по теме машинное обучение, от архитектуры Mixture-of-Experts и ошибок на временных рядах до практических вопросов в data science. Автор объясняет такие темы как калибровка модели, понимание бизнес-задачи и работу с вероятностями на простых примерах. Подойдет тем, кто изучает анализ данных и хочет глубже разобраться в работе нейросетей.
Что понять по статистике
Аудитория канала — 18 подписчиков.
Средний охват поста за 30 дней — 3 просмотров, вовлечённость (ER) — 0.2%.
За последнюю неделю опубликовано 3 постов.
Вопросы о канале Data Science | Machinelearning [ru]
О чём канал Data Science | Machinelearning [ru]?
Канал Data Science | Machinelearning [ru] публикует разборы по теме машинное обучение, от архитектуры Mixture-of-Experts и ошибок на временных рядах до практических вопросов в data science. Автор объясняет такие темы как калибровка модели, понимание бизнес-задачи и работу с вероятностями на простых примерах. Подойдет тем, кто изучает анализ данных и хочет глубже разобраться в работе нейросетей.
Сколько подписчиков у канала Data Science | Machinelearning [ru]?
На канал подписаны 18 человек, средний охват поста за 30 дней — 3 просмотров.
Последние посты канала Data Science | Machinelearning [ru]
- 12.09.2026 — Как 17B активных разносят 70B плотных: анатомия Mixture-of-Experts (MoE) Прохлопал тот момент, когда разработчики нейронок мерились, у кого циферка рядом с названием модели толще? А когда протёр глаза — нихрена себе, уже модно выпендриваться скромным числом активных параметров. (2 просмотров)
- 11.09.2026 — Утечка на 3.5 часа вперёд: как модель полтора месяца надувала сама себя — и как её застукали Классика ML на временных рядах: на истории всё шикарно, а в бою — слив. Вот и тут модель заглядывала в будущее на 3.5 часа, а виноват кривой ресемплинг 4-часовых свечей. Дальше — анатом (4 просмотров)
- 11.09.2026 — Мы научили песок думать Сегодня один из главных вопросов звучит так: а ИИ, часом, не разогнался дальше, чем нужно? Марк Андриссен, венчурный инвестор, недавно сжал весь этот движ в одну фразу: «Мы научили песок думать». Читать далее 👉 Data Science | Machinelearning [ru] (3 просмотров)
- 09.06.2026 — Что такое calibration модели и зачем она нужна Многие смотрят на модель только через: 👉 accuracy 👉 F1 👉 ROC-AUC Но есть проблема. Даже модель с хорошими метриками может очень плохо оценивать вероятности. И иногда это критичнее самой классификации. Интуитивный пример (32 просмотров)
- 04.06.2026 — Почему многие DS не понимают бизнес-задачу Одна из самых частых проблем в Data Science вообще не связана с моделями. Многие DS отлично знают: 👉 метрики 👉 архитектуры 👉 feature engineering 👉 Python 👉 математику Но при этом плохо понимают, зачем бизнесу нужна модель. (22 просмотров)
- 11.03.2026 — Джунам и мидлам запрещено пушить ИИ-код Такое правило теперь ввели в Amazon. Дело в том, что код, созданный ИИ, всё чаще приводит к сбоям в работе систем Amazon. Поблема настолько серьёзна, что теперь весь сгенерированный код должен проходить через апрув сеньоров. (89 просмотров)
- 08.03.2026 — Data Science | Machinelearning [ru] (60 просмотров)