diff --git a/MENU.json b/MENU.json
index d13c5ef..cd95db9 100644
--- a/MENU.json
+++ b/MENU.json
@@ -5,6 +5,7 @@
"android-overview",
"js-overview",
"native-overview",
+ "data-science-overview",
"competitive-programming"
],
"Введение": [
diff --git a/data-science-overview.md b/data-science-overview.md
new file mode 100644
index 0000000..726e0dc
--- /dev/null
+++ b/data-science-overview.md
@@ -0,0 +1,234 @@
+---
+type: doc
+layout: reference
+title: "Kotlin для Data Science"
+url: https://kotlinlang.ru/docs/data-science-overview.html
+---
+
+
+
+
+# Kotlin для Data Science
+
+
+Начиная с построения конвейеров данных и заканчивая разработкой моделей машинного обучения, Kotlin может стать отличным
+выбором для работы с данными:
+
+
+
+* Kotlin лаконичен, удобочитаем и прост в освоении;
+* Статическая типизация и null-безопасность помогают создавать надежный код, который легко поддерживать и улучшать;
+* Будучи JVM языком, Kotlin обеспечивает отличную производительность и возможность использовать целую экосистему
+проверенных и надежных Java библиотек.
+
+
+
+
+## Интерактивные редакторы
+
+
+Блокноты, такие как [Jupyter Notebook](https://jupyter.org/) и [Apache Zeppelin](https://zeppelin.apache.org/),
+предоставляют удобные инструменты для визуализации данных и исследовательских исследований. Kotlin интегрируется с этими
+инструментами, чтобы помочь вам изучать данные, делиться своими выводами с коллегами или развивать свои навыки в области
+Data Science и машинного обучения.
+
+
+
+
+### Kotlin ядро для Jupyter
+
+
+Jupyter Notebook - это веб-приложение с открытым исходным кодом, которое позволяет создавать и обмениваться документами
+(также известными как "ноутбуки"), которые могут содержать код, визуализации и Markdown разметку.
+[Kotlin-jupyter](https://github.com/Kotlin/kotlin-jupyter) - это проект с открытым исходным кодом, который обеспечивает
+поддержку Kotlin для Jupyter Notebook.
+
+
+
+
+Ознакомьтесь с [GitHub репозиторием](https://github.com/Kotlin/kotlin-jupyter) ядра Kotlin для получения инструкций по
+установке, документации и примеров.
+
+
+
+
+### Kotlin интерпретатор для Zeppelin
+
+
+Apache Zeppelin - популярное веб-решение для интерактивного анализа данных. Оно обеспечивает мощную поддержку кластерной
+вычислительной системы Apache Spark, которая особенно полезна для дата-инжиниринга. Начиная с [версии 0.9.0](https://zeppelin.apache.org/docs/0.9.0-preview1/),
+в Apache Zeppelin есть встроенный Kotlin интерпретатор.
+
+
+
+
+
+
+## Библиотеки
+
+
+Экосистема библиотек для задач, связанных с данными, созданная сообществом Kotlin, быстро расширяется. Вот некоторые
+библиотеки, которые могут быть полезными:
+
+
+
+
+### Kotlin библиотеки
+
+
+
+* [Multik](https://github.com/Kotlin/multik): многомерные массивы в Kotlin. Библиотека предоставляет
+Kotlin-идиоматический, типо- и размерно-безопасный API для математических операций над многомерными массивами. Multik
+предлагает JVM с возможностью замены и собственные вычислительные движки, а также их комбинацию для оптимальной
+производительности;
+
+* [KotlinDL](https://github.com/jetbrains/kotlindl) - это высокоуровневый API глубокого обучения, написанный на Kotlin
+и вдохновленный Keras. Он предлагает простые API для обучения моделей глубокого обучения с нуля, импорта существующих
+моделей Keras для вывода и использования обучения передаче для настройки существующих предварительно обученных моделей
+для ваших задач;
+
+* [Kotlin для Apache Spark](https://github.com/JetBrains/kotlin-spark-api) увеличивает уровень совместимости между
+Kotlin и Apache Spark. Это позволяет разработчикам Kotlin использовать знакомые особенности языка, такие как классы
+данных и лямбда-выражения, в виде простых выражений в фигурных скобках или ссылок на методы;
+
+* [kotlin-statistics](https://github.com/thomasnield/kotlin-statistics) - это библиотека, которая предоставляет функции-расширения для исследовательской и производственной статистики. Она поддерживает основные функции для обработки числовых списков, последовательностей, массивов (от `sum` до `skewness`), операциями группировки (ориг.: *slicing operators*) (такие как `countBy`, `simpleRegressionBy`), операции группировки, выборки дискретной плотности вероятности, наивный байесовский классификатор, кластеризацию, линейную регрессию и многое другое;
+
+* [kmath](https://github.com/mipt-npm/kmath) - это библиотека, вдохновленная [NumPy](https://numpy.org/). Эта библиотека
+поддерживает алгебраические структуры и операции, структуры, подобные массивам, математические выражения, гистограммы,
+потоковые операции, обертку вокруг [commons-math](https://commons.apache.org/proper/commons-math/) и [koma](https://github.com/kyonifer/koma)
+и многое другое;
+
+* [krangl](https://github.com/holgerbrandl/krangl) - это библиотека, вдохновленная [dplyr](https://dplyr.tidyverse.org/)
+в R и [pandas](https://pandas.pydata.org/) из Python. Эта библиотека предоставляет инструментарий для обработки данных с
+использованием API функционального стиля; она также включает функции фильтрации, преобразования, агрегирования и
+изменения формы табличных данных;
+
+* [lets-plot](https://github.com/JetBrains/lets-plot) - это библиотека построения графиков для статистических данных.
+Она мультиплатформенная и может использоваться не только с JVM, но также с JS и Python;
+
+* [kravis](https://github.com/holgerbrandl/kravis) - это еще одна библиотека для визуализации табличных данных,
+вдохновленная [ggplot](https://ggplot2.tidyverse.org/) в R;
+
+* [londogard-nlp-toolkit](https://github.com/londogard/londogard-nlp-toolkit/) - это библиотека, которая предоставляет инструменты для обработки естественных языков, например для работы со словами/частями слов/предложениями, частоты использования слов, стоп-слов, поиском основы слова и многим другим.
+
+
+
+
+### Java библиотеки
+
+Since Kotlin provides first-class interop with Java, you can also use Java libraries for data science in your Kotlin code.
+Here are some examples of such libraries:
+Поскольку Kotlin полностью совместим с Java, вы также можете использовать Java-библиотеки для Data Science в своем
+Kotlin-коде. Вот несколько примеров таких библиотек:
+
+
+
+* [DeepLearning4J](https://deeplearning4j.org/) - библиотека глубокого обучения для Java;
+
+* [ND4J](https://github.com/deeplearning4j/nd4j) - эффективная матричная математическая библиотека для JVM;
+
+* [Dex](https://github.com/PatMartin/Dex) - инструмент на основе Java для визуализации данных;
+
+* [Smile](https://github.com/haifengl/smile) - комплексная система машинного обучения, обработки естественного языка,
+линейной алгебры, графики, интерполяции и визуализации. Помимо Java API, Smile также предоставляет функциональный
+[Kotlin API](https://haifengl.github.io/api/kotlin/smile-kotlin/index.html), а также Scala и Clojure API.;
+ * [Smile-NLP-kt](https://github.com/londogard/smile-nlp-kt) - переписанные на Kotlin Scala имплициты для части Smile, отвечающей за обработку естественного языка, в виде функций-расширений и интерфейсов;
+
+* [Apache Commons Math](https://commons.apache.org/proper/commons-math/) - библиотека общей математики, статистики и
+машинного обучения для Java;
+
+* [NM Dev](https://nm.dev/) - математическая библиотека Java, охватывающая всю классическую математику;
+
+* [OptaPlanner](https://www.optaplanner.org/) - инструмент поиска решения для проблем оптимизации планирования;
+
+* [Charts](https://github.com/HanSolo/charts) - библиотека JavaFX для научных графиков (в разработке);
+
+* [CoreNLP](https://stanfordnlp.github.io/CoreNLP/) - инструментарий для обработки естественного языка;
+
+* [Apache Mahout](https://mahout.apache.org/) - распределённая программная среда для регрессии, кластеризации и рекомендаций;
+
+* [Weka](https://www.cs.waikato.ac.nz/ml/index.html) - набор алгоритмов машинного обучения для решения задач сбора данных;
+
+* [Tablesaw](https://github.com/jtablesaw/tablesaw) - Java датафрейм (инструменты для загрузки, преобразования,
+фильтрации и суммирования данных), включающий в себя основанную на Plot.ly библиотеку
+для визуализации данных.
+
+
+Если в этом списке нет того, что вам нужно, вы можете найти дополнительные варианты в GitHub репозитории
+**[Kotlin Machine Learning Demos](https://github.com/thomasnield/kotlin-machine-learning-demos)** с демонстрационными
+материалами от Томаса Нилда.