متاح الآن! بحث تيليغرام 2025 — أهم رؤى العام 
Machinelearning
الذهاب إلى القناة على Telegram
Погружаемся в машинное обучение и Data Science Показываем как запускать любые LLm на пальцах. По всем вопросам - @haarrp @itchannels_telegram -🔥best channels Реестр РКН: clck.ru/3Fmqri
إظهار المزيد📈 نظرة تحليلية على قناة تيليجرام Machinelearning
تُعد قناة Machinelearning (@ai_machinelearning_big_data) في القطاع اللغوي الروسية لاعباً نشطاً. يضم المجتمع حالياً 294 532 مشتركاً، محتلاً المرتبة 330 في فئة التكنولوجيات والتطبيقات والمرتبة 1 280 في منطقة روسيا.
📊 مؤشرات الجمهور والحراك
منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 294 532 مشتركاً.
بحسب آخر البيانات بتاريخ 28 يونيو, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -6 398، وفي آخر 24 ساعة بمقدار -188، مع بقاء الوصول العام مرتفعاً.
- حالة التحقق: غير موثّقة
- معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 7.71%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 5.45% من ردود الفعل نسبةً إلى إجمالي المشتركين.
- وصول المنشورات: يحصل كل منشور على متوسط 22 724 مشاهدة. وخلال اليوم الأول يجمع عادةً 16 062 مشاهدة.
- التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 175.
- الاهتمامات الموضوعية: يركز المحتوى على مواضيع رئيسية مثل openai, claude, api, gemini, контекст.
📝 الوصف وسياسة المحتوى
يصف المؤلف القناة بأنها مساحة للتعبير عن الآراء الذاتية:
“Погружаемся в машинное обучение и Data Science
Показываем как запускать любые LLm на пальцах.
По всем вопросам - @haarrp
@itchannels_telegram -🔥best channels
Реестр РКН: clck.ru/3Fmqri”
بفضل وتيرة التحديث المرتفعة (أحدث البيانات بتاريخ 29 يونيو, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.
294 532
المشتركون
-18824 ساعات
-1 5807 أيام
-6 39830 أيام
أرشيف المشاركات
294 522
💲 FinGPT: Open-Source Financial Large Language Models
Unlike proprietary models, FinGPT takes a data-centric approach, providing researchers and practitioners with accessible and transparent resources to develop their FinLLMs.
Большая языковая модель с открытым исходным кодом FinGPT для финансового сектор. Полный пайплайн для обучения и доработки LLM в области финансов.
🖥 Github: https://github.com/ai4finance-foundation/fingpt
⭐️ FinNLP: https://github.com/ai4finance-foundation/finnlp
📕 Paper: https://arxiv.org/abs/2306.06031v1
🔗 Project: https://ai4finance-foundation.github.io/FinNLP/
ai_machinelearning_big_data
294 522
Ищу ml специалиста для разработки быстрой, эффективной системе трекинга движений человека в реальном времени
Мы компания metadreamteam.io - амбициозная команда XR разработчиков и 3Д артистов, работающая на американском рынке, которая делает проекты для всего мира! От Екомерс до real estate. От внедрения лучших решений на рынке до создания своих разработок с нуля.
Сейчас делаем свою разработку по созданию умного зеркала для примерки одежды.
Необходимо разработать систему трекинга на основании данных с rgb потока камеры , включающую от 8 основных точек скелета их положение и вращение с минимальной возможной погрешностью. Нужно выбрать архитектуру, спрогнозировать обьем базы данных, аппаратные мощности для обучения и работы нейросети. И создать ее обосновав решение
Работа удаленная. Фриланс. Оплата от $40 в час
Если ты хочешь работать с лучшими в индустрии, делать амбициозные проекты и зарабатывать в валюте - тогда заполняй эту форму, чтобы присоединиться к нам! - https://forms.gle/JkFgki9dNCggkz5PA
294 522
🏔️ Large Language Model for Geoscience
We introduce K2 (7B), an open-source language model trained by firstly further pretraining LLaMA on collected and cleaned geoscience literature, including geoscience open-access papers and Wikipedia pages, and secondly fine-tuning with knowledge-intensive instruction tuning data (GeoSignal).
Применение базовой языковой модели для понимания и использования знаний в области геонаук
git clone https://github.com/davendw49/k2.git
cd k2
conda env create -f k2.yml
conda activate k2
🖥 Github: https://github.com/davendw49/k2
⭐️ Demo: https://huggingface.co/daven3/k2_fp_delta
📕 Paper: https://arxiv.org/abs/2306.05064v1
🔗 Dataset: https://huggingface.co/datasets/daven3/geosignal
ai_machinelearning_big_data294 522
+3Топ-210 технологических решений представили на фестивале «Лидеры цифровой трансформации»
Мероприятие стало финалом самого масштабного одноименного хакатона. ИТ-специалисты со всего мира вышли в офлайн, чтобы представить свои разработки для города и бизнеса. 210 команд ждут итоги и уже завтра жюри назовут имена победителей.
Центральной локацией фестиваля стал брендированный корнер Tada․team с интерактивными задачами и лаунж-зоной. Участники могут выиграть мерч, пройдя квест, сканируя qr-код и запуская приложение чат-бота «История технологий».
Сегодня на сцене выступили научно-популярные спикеры, которые рассказали участникам о последних трендах в ИТ, о квантовых информационных технологиях, эволюции мозга, инновациях в персональных ДНК-тестах и синтетическом дизайне как инструменте для стартапов. Завершился день концертом от 4NN4 (экс- Cream Soda) и группы «Винтаж».
294 522
📹 Video-ChatGPT: Towards Detailed Video Understanding via Large Vision and Language Models
It is a multimodal model that merges a video-adapted visual encoder with a LLM.
Video-ChatGPT - это новая модель, способная генерировать осмысленные разговоры о видео.
🖥 Github: https://github.com/mbzuai-oryx/video-chatgpt
⭐️ Demo: https://www.ival-mbzuai.com/video-chatgpt
📕 Paper: https://arxiv.org/abs/2306.05424v1
🔗 Dataset: https://paperswithcode.com/dataset/activitynet-qa
ai_machinelearning_big_data
294 522
🐼 PandaLM: ReProducible and Automated Language Model Assessment
Judge large language model, named PandaLM, which is trained to distinguish the superior model given several LLMs. PandaLM's focus extends beyond just the objective correctness of responses, which is the main focus of traditional evaluation datasets.
Цель PandaLM - обеспечивает автоматизированные сравнения между различными большими языковыми моделями (LLM). Задавая одинаковый контекст, PandaLM может сравнивать ответы различных LLM и предоставлять причину решения вместе с эталонным ответом.
🖥 Github: https://github.com/weopenml/pandalm
📕 Paper: https://arxiv.org/abs/2306.05087v1
🔗 Dataset: https://github.com/tatsu-lab/stanford_alpaca#data-release
ai_machinelearning_big_data
294 522
📹 Video-LLaMA: An Instruction-tuned Audio-Visual Language Model for Video Understanding
Video-LLaMA project, which is working on empowering large language models with video and audio understanding capability.
Video-LLaMA - мультимодальная система, которая расширяет возможности больших языковых моделей (LLM) для понимания как визуального, так и аудио контента в видео.
🖥 Github: https://github.com/damo-nlp-sg/video-llama
📕 Paper: https://arxiv.org/abs/2306.02858
⏩ Demo: https://huggingface.co/spaces/DAMO-NLP-SG/Video-LLaMA
📌 Model: https://modelscope.cn/studios/damo/video-llama/summary
ai_machinelearning_big_data
294 522
⚠️Пройдите тест на углубленные знания в сфере Machine Learning. Professional
🔓 Ответьте на 10 вопросов и проверьте, насколько вы готовы к обучению на продвинутом курсе «Machine Learning. Professional» от OTUS и его партнера — Сбера.
⏰ Время прохождения теста ограничено 30 минут
👉 ПРОЙТИ ТЕСТ: https://otus.pw/vMDX/
Присоединяйтесь 15 июня в 18:00 мск к открытому уроку. На вебинаре «Content-based рекомендательные системы» вы:
— Узнаете общие принципы построения рекомендательных систем
— Познакомитесь с методами контентной фильтрации
— Построите свою первую рекомендательную систему для онлайн-магазина.
Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963. 2RanynG9KRz
294 522
Segment Anything 3D
SAM-3D: A toolbox transfers 2D SAM segments into 3D scene-level point clouds.
Новый фреймворк, который может предсказывать маски объектов в трехмерных сценах, используя модель "Segment-Anything" (SAM) в RGB изображениях без дополнительного обучения или настройки.
🖥 Github: https://github.com/pointcept/segmentanything3d
⏩ Paper: https://arxiv.org/abs/2306.03908v1
📌 Dataset: https://paperswithcode.com/dataset/scannet
ai_machinelearning_big_data
294 522
⚡️ Стартовал прием заявок на Технологический конкурс НТИ Up Great «Экстренный поиск»!
Участникам предстоит преодолеть комплексный технологический барьер, предусматривающий разработку технологий и технических решений, объединенных в единую систему, позволяющую эффективно использовать техническое зрение при поиске пропавших людей с применением беспилотных воздушных судов (БВС).
На первом этапе (Сателлит №1) участникам необходимо разработать программное решение для поиска объектов (людей) на изображениях, полученных с БВС.
Призовой фонд Сателлита №1 составляет 5 млн руб.
Лучшим командам, удовлетворяющим требованиям технического регламента, организаторами будут предоставлены БВС для участия во втором этапе (Сателлит №2) и финале конкурса.
Призерами и победителями могут стать только налоговые резиденты РФ.
📲 Заявки на Сателлит № 1 принимаются до 12 июня 2023 г. по ссылке.
Конкурс организуется совместно МФТИ, Фондом НТИ и добровольческим поисково-спасательным отрядом «ЛизаАлерт». Общий призовой фонд составляет 135 млн руб.
294 522
🦍 Gorilla: Large Language Model Connected with Massive APIs
Gorilla a finetuned LLaMA-based model that surpasses the performance of GPT-4 on writing API calls.
Gorilla — это модель, обученная на основе LLaMA, для вызова 1600+ сторонних API. На вход подается запрос на естественном языке, модель находит семантически и синтаксически правильное API для настройки модели мо. Производительность настроенной модели превосходит GPT-4 на трех масштабных наборах данных.
🖥 Github: https://github.com/ShishirPatil/gorilla
📕 Paper: https://arxiv.org/abs/2305.15334
🔗 Demo: https://drive.google.com/file/d/1E0k5mG1mTiaz0kukyK1PdeohJipTFh6j/view?usp=share_link
👉 Project: https://shishirpatil.github.io/gorilla/
⭐️ Colab: https://colab.research.google.com/drive/1DEBPsccVLF_aUnmD0FwPeHFrtdC0QIUP?usp=sharing
ai_machinelearning_big_data
294 522
🔭 GRES: Generalized Referring Expression Segmentation
New benchmark (GRES), which extends the classic RES to allow expressions to refer to an arbitrary number of target objects.
Новый метод и датасет расширяющий классический RES, который принимает изображение и тектовое описание в качестве входных данных для сегментации и обнаружения множественных объектов.
🖥 Github: https://github.com/henghuiding/ReLA
⏩ Paper: https://arxiv.org/abs/2306.00968
🔎 Project: https://henghuiding.github.io/GRES/
📌 New dataset: https://github.com/henghuiding/gRefCOCO
ai_machinelearning_big_data
294 522
Есть опыт в машинном обучении, но хотите расти дальше?
Валерий Бабушкин, Vice President, Data Science в Blockchainꓸcom, вместе с karpov.courses создали продвинутый курс по ML, на котором вы научитесь решать нестандартные и востребованные бизнесом задачи.
Здесь вы познакомитесь с best practices индустрии и освоите все этапы работы ML-инженера: от сбора и разметки данных до деплоя собственных приложений.
К концу обучения вы создадите пять ML-сервисов, решающих реальные прикладные задачи, и научитесь проектировать всю необходимую для их работы инфраструктуру.
Будет непросто, но это того стоит! Новый поток стартует уже сегодня, а по промокоду AIBIGDATA27 вы получите скидку 5%.
[Зарегистрироваться]
294 522
⚡ Generative AI learning path
This learning path guides you through a curated collection of content on Generative AI products and technologies.
10 бесплатных курсов от Googel, которые помогут вам погрузиться в технологии генеративного ИИ: от основ больших языковых моделей до создания и развертывания решений генеративного ИИ в Google Cloud.
▪Introduction to Generative AI
▪Introduction to Large Language Models
▪Introduction to Responsible AI
▪Introduction to Image Generation
▪Encoder-Decoder Architecture
▪Attention Mechanism
▪Transformer Models and BERT Model
▪Create Image Captioning Models
▪Introduction to Generative AI Studio
▪Generative AI Explorer - Vertex AI
ai_machinelearning_big_data
294 522
Wuerstchen: Efficient Pretraining of Text-to-Image Models
Novel technique for text-to-image synthesis that unites competitive performance with unprecedented cost-effectiveness and ease of training on constrained hardwar
Würstchen - это новый фреймворк для обучения моделей преобразования текста в изображения путем перемещения затратного вычислительно этапа текстового преобразования в сильно сжатое латентное пространство
🖥 Github: https://github.com/dome272/wuerstchen
⏩ Paper: https://arxiv.org/abs/2306.00637v1
📌 Colab: https://colab.research.google.com/drive/1UTP9Xn2UIrVbAXyL-SKEvyLmgVWdw-Vy
ai_machinelearning_big_data
294 522
🔥 Подборка полезных папок с каналами для датасаентисов
Папки, где вы найдете каналы с разбором лучших практик написания кода на Python и Golang до каналов по машинному обучению и нейросетям (папки работают на последних версиях тг).
https://t.me/addlist/2Ls-snqEeytkMDgy - Машинное обучение
https://t.me/addlist/8vDUwYRGujRmZjFi - Python
https://t.me/addlist/MUtJEeJSxeY2YTFi - Golang
294 522
+1Hiera: A Hierarchical Vision Transformer without the Bells-and-Whistles
Hiera is a hierarchical vision transformer that is fast, powerful, and, above all, simple. It outperforms the state-of-the-art across a wide array of image and video tasks while being much faster.
Hiera - это быстрый, мощный и, прежде всего, простой метод иерархической перегруппировки информации.
Он превосходит современные методы в широком спектре задач, связанных с изображениями и видео.
pip install hiera-transformer
🖥 Github: https://github.com/stevengrove/gpt4tools
⏩ Paper: https://arxiv.org/abs/2306.00989v1
📌 Dataset: https://paperswithcode.com/dataset/inaturalist
ai_machinelearning_big_data294 522
Positive Hack Days, новые железки и покупки
Новое видео на YouTube-канале Yandex Cloud 😎
Вместе с гостями из «ЛитРес», EORA и архитектором Yandex Cloud Евгением Парфёновым обсуждаем много интересного в регулярном выпуске Monthly Cloud News Maу:
— форум по кибербезопасности Positive Hack Days;
— сделку Microsoft и Activision Blizzard;
— сканер уязвимости контейнерных образов;
— историю DNS и лазейки в WAF;
— повседневные новости Yandex DataSphere и Yandex SpeechKit.
Хотите узнать больше? Смотрите видео и делитесь им с друзьями 😉
294 522
🔥 10 Free Machine Learning Courses from Top Universities
Топ бесплатных курсов машинного обучения от лучших университетов мира
1. Introduction to Machine Learning - UC Berkeley
2. Introduction to Machine Learning - Carnegie Mellon University
3. Machine Learning - Stanford University
4. Machine Learning & Data Mining - Caltech
5. Learning from Data - Caltech
6. Machine Learning for Intelligent Systems - Cornell University
7. Large Scale Machine Learning - University of Toronto
8. Machine Learning with Large Datasets - Carnegie Mellon University
9. Foundations of Machine Learning and Statistical Inference - Caltech
10. Algorithmic Aspects of Machine Learning - MIT
ai_machinelearning_big_data
294 522
В последнее время только и разговоров, что о нейросетях. Кто-то боится, что AI заберёт у них работу, а кто-то с его помощью повышают свою эффективность. Каждый, кто использует нейронки, уже немного приблизился к новой профессии. Мы ещё не знаем, как она будет называться. Но никто не мешает проявить фантазию: лид продуктового направления по ML ВКонтакте Иван Самсонов дал ей кодовое название — погонщик нейросетей.
Заглядывайте в статью и узнайте, как поймать волну перемен: вас ждёт большая подборка инструментов и небольшой туториал, как уже сейчас можно использовать их в работе.
📌Хабр: https://habr.com/ru/companies/vk/articles/738776/
ai_machinelearning_big_data
