ar
Feedback
Machinelearning

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 291 898 مشتركاً، محتلاً المرتبة 327 في فئة التكنولوجيات والتطبيقات والمرتبة 1 297 في منطقة روسيا.

📊 مؤشرات الجمهور والحراك

منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 291 898 مشتركاً.

بحسب آخر البيانات بتاريخ 11 يوليو, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -6 089، وفي آخر 24 ساعة بمقدار -172، مع بقاء الوصول العام مرتفعاً.

  • حالة التحقق: غير موثّقة
  • معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 7.14‎%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 5.61‎% من ردود الفعل نسبةً إلى إجمالي المشتركين.
  • وصول المنشورات: يحصل كل منشور على متوسط 20 847 مشاهدة. وخلال اليوم الأول يجمع عادةً 16 386 مشاهدة.
  • التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 153.
  • 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 12 يوليو, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.

291 898
المشتركون
-17224 ساعات
-1 2407 أيام
-6 08930 أيام
أرشيف المشاركات
Интересное в мире DS/ML (в этот раз негусто): - Andrew Ng открыл новый курс на Курсере про Deep Learning - ссылка выше (было) - Facebook полностью перешел на нейросети для перевода - https://goo.gl/VhjA9H - Pytorch v0.2 - https://goo.gl/99QpB3 - может кому-то актуально - Люди из Salesforce тренируют LTSM сети для перевода с одного языка на другой, берут получившийся декодер (часть сети) и используют его чтобы скормить его выход другим нейросетям, которые делают более простые вещи - https://goo.gl/6Kt77o #data_science

Focal Loss for Dense Object Detection Tsung-Yi Lin, Priya Goyal, Ross Girshick, Kaiming He, Piotr Dollár The highest accuracy object detectors to date are based on a two-stage approach popularized by R-CNN, where a classifier is applied to a sparse set of candidate object locations. In contrast, one-stage detectors that are applied over a regular, dense sampling of possible object locations have the potential to be faster and simpler, but have trailed the accuracy of two-stage detectors thus far. In this paper, we investigate why this is the case. We discover that the extreme foreground-background class imbalance encountered during training of dense detectors is the central cause. We propose to address this class imbalance by reshaping the standard cross entropy loss such that it down-weights the loss assigned to well-classified examples. Our novel Focal Loss focuses training on a sparse set of hard examples and prevents the vast number of easy negatives from overwhelming the detector during training. To evaluate the effectiveness of our loss, we design and train a simple dense detector we call RetinaNet. Our results show that when trained with the focal loss, RetinaNet is able to match the speed of previous one-stage detectors while surpassing the accuracy of all existing state-of-the-art two-stage detectors. https://arxiv.org/abs/1708.02002 #deeplearning #paper

В ИТМО через 10 дней пройдет летняя школа машинного обучения ЦРТ. Учеба бесплатная, организаторы оплачивают билеты и проживание 20 участникам. http://algorythm.tech/

#machinelearning in python for trading http://upflow.co/l/6E7H

Занятная статья - мысли профессора финансов про биткоины (несовместимые вещи) =) - https://goo.gl/DkgWfH #internet

вот тут хорошо разобрали почему так есть https://habrahabr.ru/company/mailru/blog/331696/