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 293 943 مشتركاً، محتلاً المرتبة 330 في فئة التكنولوجيات والتطبيقات والمرتبة 1 277 في منطقة روسيا.
📊 مؤشرات الجمهور والحراك
منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 293 943 مشتركاً.
بحسب آخر البيانات بتاريخ 30 يونيو, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -6 432، وفي آخر 24 ساعة بمقدار -166، 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 5.50% من ردود الفعل نسبةً إلى إجمالي المشتركين.
- وصول المنشورات: يحصل كل منشور على متوسط 22 682 مشاهدة. وخلال اليوم الأول يجمع عادةً 16 178 مشاهدة.
- التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 176.
- 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 01 يوليو, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.
293 943
المشتركون
-16624 ساعات
-1 5837 أيام
-6 43230 أيام
أرشيف المشاركات
293 917
Создайте свою первую нейросеть за 10 дней
Благодаря машинному обучению нам доступны чудеса вроде распознавания лиц, написания песен в стиле Курта Кобейна и картин в духе Рембрандта. Создать свою собственную нейросеть реально.
На бесплатном курсе Нетологии «Искусственный интеллект: создайте свою первую нейросеть» за 5 занятий вы узнаете, как устроены нейросети и в каких сферах они применяются, а также самостоятельно обучите до 4-х математических моделей, которые будут распознавать собак на фото, классифицировать изображения и определять эмоциональную окраску сообщения. Мир Data Science и искусственного интеллекта — доступнее, чем кажется.
Убедитесь в этом сами → https://netolo.gy/iwv
293 917
🔘 Squeezeformer: An Efficient Transformer for Automatic Speech Recognition
Github: https://github.com/kssteven418/squeezeformer
Paper: https://arxiv.org/abs/2206.00888v1
Dataset: https://paperswithcode.com/dataset/librispeech
@ai_machinelearning_big_data
293 917
Kuber Conf — конференция по контейнерной разработке от Yandex Cloud — возвращается в 2022!
23 июня (чт) в 14:00 Мск, в онлайн или офлайн-формате.
Мы расскажем, как не тратить на разработку месяцы, а проверять гипотезы и применять фичи на лету на всех этапах — от проектирования до эксплуатации и защиты. Поделимся опытом из первых рук — от авторов, создающих контейнерные проекты с Kubernetes®.
Будет интересно DevOps и DevSecOps, архитекторам и разработчикам.
Количество мест ограничено, регистрируйтесь →
293 917
🎆 Optimizing Relevance Maps of Vision Transformers Improves Robustness
This code allows to finetune the explainability maps of Vision Transformers to enhance robustness.
Github: https://github.com/hila-chefer/robustvit
Colab: https://colab.research.google.com/github/hila-chefer/RobustViT/blob/master/RobustViT.ipynb
Paper: https://arxiv.org/abs/2206.01161
Dataset: https://github.com/UnsupervisedSemanticSegmentation/ImageNet-S
@ai_machinelearning_big_data
293 917
💬 Text2Human - Official PyTorch Implementation
We synthesize full-body human images starting from a given human pose
Github: https://github.com/yumingj/Text2Human
Project: https://yumingj.github.io/projects/Text2Human.html
StyleGAN: https://github.com/stylegan-human/stylegan-human
Paper: https://arxiv.org/abs/2205.15996v1
Dataset: https://github.com/yumingj/DeepFashion-MultiModal
Demo video: https://youtu.be/yKh4VORA_E0
@ai_machinelearning_big_data
293 917
Вакансия: Machine learning engineer
📍в классном офисе в Москве/гибрид;
📍250-350К руб., белая ЗП или ИП;
📍большой датасет, интересные задачи, возможность влиять на продукт.
✅Что нужно делать:
• Разработка моделей машинного обучения, в частности, предиктивных моделей (например, прогнозирование оттока клиентов) и рекомендательной системы;
• Самостоятельная постановка гипотез, анализ данных и дизайн фич, проведение и оценка экспериментов;
• Участие в продукционализации ML моделей вместе с нашими cloud инженерами и data инженерами.
✅ Требования
• Знание алгоритмов машинного обучения и статистического анализа;
• Опыт программирования на Python и знание основных библиотек для работы с данными и ML моделями; знание хотя бы одного из фреймворков для deep learning;
• Знание SQL и опыт работы с большими данными;
• Понимание жизненного цикла и опыт продукционализации ML моделей.
✅ Опционально (плюс):
• Опыт участия в соревнованиях по машинному обучению (Kaggle и др);
• Понимание принципов распределенной обработки данных, опыт работы с Spark’ом и Spark MLlib;
• Знание инструментов и методов MLOps.
📩Интересна вакансия? Присылай свое резюме в tg @fedosovaAS 🙂
Кроме аналитика нам нужны разработчики и data scientist - если это ты - пиши:)
@Machinelearning_Jobs
293 917
Repost from Data Science Jobs
📍в классном офисе в Москве/гибрид;
📍250-350К руб., белая ЗП или ИП;
📍большой датасет, интересные задачи, возможность влиять на продукт.
✅Что нужно делать:
• Разработка моделей машинного обучения, в частности, предиктивных моделей (например, прогнозирование оттока клиентов) и рекомендательной системы;
• Самостоятельная постановка гипотез, анализ данных и дизайн фич, проведение и оценка экспериментов;
• Участие в продукционализации ML моделей вместе с нашими cloud инженерами и data инженерами.
✅ Требования
• Знание алгоритмов машинного обучения и статистического анализа;
• Опыт программирования на Python и знание основных библиотек для работы с данными и ML моделями; знание хотя бы одного из фреймворков для deep learning;
• Знание SQL и опыт работы с большими данными;
• Понимание жизненного цикла и опыт продукционализации ML моделей.
✅ Опционально (плюс):
• Опыт участия в соревнованиях по машинному обучению (Kaggle и др);
• Понимание принципов распределенной обработки данных, опыт работы с Spark’ом и Spark MLlib;
• Знание инструментов и методов MLOps.
📩Интересна вакансия? Присылай свое резюме в tg @fedosovaAS 🙂
Кроме аналитика нам нужны разработчики и data scientist - если это ты - пиши:)
293 917
🪄 Investigating the Role of Image Retrieval for Visual Localization -- An exhaustive benchmark.
Github: https://github.com/naver/kapture-localization
Paper: https://arxiv.org/abs/2205.15761v1
Data: https://paperswithcode.com/dataset/inloc
@ai_machinelearning_big_data
293 917
Яндекс Практикум ищет наставников на курсы по Data Science и Аналитик данных
Ждём специалистов с такими навыками:
▪️Python для анализа данных;
▪️библиотеки pandas, NumPy, Matplotlib, sklearn;
▪️основы математического анализа, линейной алгебры, теории вероятности и статистики.
▪️Мы также ценим опыт преподавания и наставничества.
Мы предлагаем:
→ Частичную занятость.
→ Доход от 30 000 ₽ в месяц.
→ Удалённую работу с гибким графиком от 8 часов в неделю.
→ Сильный опыт менторства: научим давать развивающую обратную связь начинающим аналитикам, работать с критикой и возращениями и учить их совершенствовать проекты.
→ Бесплатное обучение в Школе наставников.
→ Доступ к курсу Практикума по Data Science или Аналитик данных и скидки на остальные курсы.
→ Углубление знаний и развитие софт скиллов.
Помогайте новичкам развиваться и учитесь сами — каждый день. Если вам интересно поработать с нами — оставьте заявку.
293 917
🦠 MaSIF- Molecular Surface Interaction Fingerprints: Geometric deep learning to decipher patterns in protein molecular surfaces.
MaSIF is a proof-of-concept method to decipher patterns in protein surfaces important for specific biomolecular interactions.
Github: https://github.com/LPDI-EPFL/masif
Paper: https://www.nature.com/articles/s41592-019-0666-6
Data: https://github.com/LPDI-EPFL/masif#MaSIF-data-preparation
@ai_machinelearning_big_data
293 917
Selectel продлевает миграционные каникулы
Сейчас многие компании заняты реорганизацией своей инфраструктуры. Чтобы помочь этому процессу, в @Selectel продлили миграционные каникулы для переноса данных в объектное хранилище.
Миграционные каникулы позволяют не оплачивать запросы и хранение 30 дней с момента одобрения заявки. Этот период полностью покрывает время на подготовительные работы и снижает нагрузку на бизнес.
— Перенос данных в облачное объектное хранилище, поддерживающее S3 API.
— Специалисты Selectel помогут определить проблемные зоны, например, график бэкапов или обновления сертификатов.
— Selectel Global Connect поможет объединить сегменты территориально разнесенной инфраструктуры или развернуть гибридное облако.
— Selectel заботится о том, чтобы данные не зависли между двух хранилищ. Каникулы устроены так, чтобы пользователи имели возможность не торопиться и мигрировать по плану
Оставьте заявку и начните миграционные каникулы уже сегодня: https://slc.tl/uqy7z
293 917
✈️ HIRL: A General Framework for Hierarchical Image Representation Learning
Github: https://github.com/hirl-team/hirl
Paper: https://arxiv.org/abs/2205.13159v1
Dataset: https://paperswithcode.com/dataset/places205
@ai_machinelearning_big_data
293 917
🔥 Хардкорный тест по Machine Learning
🚀 Ответьте на 10 вопросов и проверьте, насколько вы готовы к обучению на углубленном курсе - «Machine Learning Professional» от OTUS и его партнера — Сбера.
🔶 ПОСЛЕДНИЙ ДЕНЬ
Успейте на онлайн-курс «Machine Learning Professional» и уже через 5 месяцев вы получите сильное портфолио, которое позволит вам претендовать на Junior+ и Middle позиции Data Scientist.
Время прохождения теста ограниченно 20 минут
👉 ПРОЙТИ ТЕСТ
https://otus.pw/BWoP/
293 917
🔻 AdaptFormer: Adapting Vision Transformers for Scalable Visual Recognition
Github: https://github.com/ShoufaChen/AdaptFormer
Paper: https://arxiv.org/abs/2205.13535v1
Dataset: https://paperswithcode.com/dataset/something-something-v2
@ai_machinelearning_big_data
293 917
Перед вами лежат 4 карты. Вам достоверно известно, что на одной стороне карточек всегда цифра, а на другой — буква русского алфавита. Вам говорят, что если на одной стороне чётная цифра, то на другой — согласная буква.
❓Какие карты минимально нужно перевернуть, чтобы…
Это задача с собеседования для IT-специалистов, сможете решить? Полную задачу ищите по ссылке. А ответ здесь.
В телеграм-канале SkillFactory собраны и другие материалы для развития карьеры в IT. Присоединяйтесь.
293 917
🟢 Green Hierarchical Vision Transformer for Masked Image Modeling
Github: https://github.com/layneh/greenmim
Paper: https://arxiv.org/abs/2205.13515v1
Dataset: https://paperswithcode.com/dataset/coco
@ai_machinelearning_big_data
293 917
📍 Perturbation Augmentation for Fairer NLP
Responsible NLP projects from Meta AI.
Github: https://github.com/facebookresearch/responsiblenlp
Paper: https://arxiv.org/abs/2205.12586v1
Dataset: https://paperswithcode.com/dataset/glue
@ai_machinelearning_big_data
293 917
Майские праздники прошли и настала рабочая пора!
28 мая в Штаб Квартире билайна пройдёт первый data engineering weekend offer — все этапы собеседования сразу в один день: ты расскажешь о себе, проверишь свои технические знания, узнаешь какие продукты разрабатывает билайн.
Чтобы ожидание каждого этапа не было скучным, ты сможешь пообщаться с экспертами рынка, посмотреть последние митапы сообщества и познакомиться с командой в неформальной обстановке. Ощути атмосферу билайн!
Ждём на первом data engineering weekend offer и желаем удачи!псс… у сообщества DE проходят завтраки в офисе с хот-догами и горячими сэндвичами!
Получить оффер: https://clck.ru/hGweQ
293 917
⚙️ Time-series Transformer Generative Adversarial Networks
Github: https://github.com/jsyoon0823/TimeGAN
Paper: https://arxiv.org/abs/2205.11164v1
Stock data: https://finance.yahoo.com/quote/GOOG/history
Energy data: http://archive.ics.uci.edu/ml/datasets/Appliances+energy+prediction
@ai_machinelearning_big_data
