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 276 130 مشتركاً، محتلاً المرتبة 337 في فئة التكنولوجيات والتطبيقات والمرتبة 1 374 في منطقة روسيا.
📊 مؤشرات الجمهور والحراك
منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 276 130 مشتركاً.
بحسب آخر البيانات بتاريخ 06 نوفمبر, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -2 370، وفي آخر 24 ساعة بمقدار -145، مع بقاء الوصول العام مرتفعاً.
- حالة التحقق: غير موثّقة
- معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 8.02%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 6.32% من ردود الفعل نسبةً إلى إجمالي المشتركين.
- وصول المنشورات: يحصل كل منشور على متوسط 22 160 مشاهدة. وخلال اليوم الأول يجمع عادةً 17 447 مشاهدة.
- التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 335.
- 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 07 نوفمبر, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.
276 130
المشتركون
-14524 ساعات
-8617 أيام
-2 37030 أيام
أرشيف المشاركات
276 116
Хотите развиваться в области Data Science?
Сделайте первые шаги на открытом уроке «Natural language processing: как компьютер общается с людьми» 16 февраля в 18:00. Тексты встречаются в огромном числе Data Science задач: чат-ботах, голосовых ассистентах или поисковиках. Мария Тихонова, Senior Data Scientist в Сбере, расскажет о принципах их работы и главных трендах в обработке естественного языка.
Demo-занятие пройдет в рамках онлайн-курса «Machine Learning. Professional». Пройдите вступительный тест, чтобы оценить свой уровень подготовки и зарегистрироваться https://otus.pw/Tsyh/
276 116
🖌 Two-Dimensional Tensors in Pytorch
https://machinelearningmastery.com/two-dimensional-tensors-in-pytorch/
One-Dimensional Tensors: https://machinelearningmastery.com/one-dimensional-tensors-in-pytorch/
PyTorch tensor Tutorial: https://pytorch.org/tutorials/beginner/basics/tensorqs_tutorial.html
@ai_machinelearning_big_data
276 116
21 февраля Яндекс.Практикум запускает бесплатную Школу наставников.
Школа наставников — это хорошая возможность развить софт-скиллы, научиться делиться знаниями с командой и подтвердить экспертность в своей области. Она проходит в формате онлайн-занятий. Всего будет 5 уроков, которые будут проходить два раза в неделю по вечерам.
Наставник в Практикуме — это опытный специалист, который передаёт свои знания студентам, помогает учиться и справляться с трудностями.
Наставничество можно совмещать с основной работой, оно занимает от 6 до 15 часов в неделю. Вознаграждение — от 35 до 50 тысяч рублей в зависимости от курса и потраченного времени.
Сейчас ищем наставников в сферах: аналитика данных и Data Science, тестирование, веб-разработка, разработка на Java, Python, С++, Go, дизайн и управление.
Подать заявку желательно до 14 февраля, чтобы успеть выполнить тестовое задание: https://clck.ru/auije
276 116
🦾 The easiest way to the neuroscience world with the shield for RaspberryPi
Github: https://github.com/Ildaron/EEGwithRaspberryPI
Paper: https://arxiv.org/pdf/2202.01936v1.pdf
Project: https://www.crowdsupply.com/hackerbci/pieeg
@ai_machinelearning_big_data
276 116
VOS: Learning What You Don't Know by Virtual Outlier Synthesis
Github: https://github.com/deeplearning-wisc/vos
Paper: https://arxiv.org/pdf/2202.01197v2.pdf
Dataset: https://paperswithcode.com/dataset/bdd100k
@ai_machinelearning_big_data
276 116
FashionTech — новое экспертное медиа про технологии в моде: коллаборации, AR, NFT, тренд репорты и многое другое.
Подписавшись, вы узнаете:
— Прогноз тенденций по развитию метавселенных
— Зачем физические коллекции переходят в цифровые и продаются, как NFT
— Какие новые технологии устойчивого производства внедряют бренды
— Почему ресайкл и апсайкл - ключевые тренды будущего
В канале много переводной аналитики из закрытых источников и экспертного мнения от людей из индустрии.
276 116
📍 Competition-Level Code Generation with AlphaCode
Github: https://github.com/deepmind/code_contests
Paper: https://storage.googleapis.com/deepmind-media/AlphaCode/competition_level_code_generation_with_alphacode.pdf
Dataset: https://paperswithcode.com/dataset/humaneval
@ai_machinelearning_big_data
276 116
📹 VRT: A Video Restoration Transformer
Github: https://github.com/jingyunliang/vrt
Paper: https://arxiv.org/abs/2201.12288
Dataset: https://paperswithcode.com/dataset/gopro
@ai_machinelearning_big_data
276 116
Исследователи в области компьютерных наук могут получить миллион рублей от Яндекса!
До 20 марта открыт прием заявок на научную премию имени Ильи Сегаловича. Подать заявку могут студенты, аспиранты и научные руководители, которые занимаются распознаванием и синтезом речи, информационным поиском, машинным обучением, компьютерным зрением, обработкой естественного языка и машинным переводом.
Лауреаты премии получат:
— один миллион рублей
— оплачиваемую поездку на международную конференцию по AI
— гранты на использование сервисов Яндекс.Толока и Yandex DataSphere для своих исследований
Подробности по ссылке: https://clck.ru/amsXS
276 116
🔉 PortaSpeech: Portable and High-Quality Generative Text-to-Speech
Github: https://github.com/keonlee9420/PortaSpeech
Paper: https://arxiv.org/pdf/2109.15166v4.pdf
Dataset: https://paperswithcode.com/dataset/ljspeech
@ai_machinelearning_big_data
276 116
📎 When Shift Operation Meets Vision Transformer: An Extremely Simple Alternative to Attention Mechanism
Github: https://github.com/microsoft/SPACH
Paper: https://arxiv.org/abs/2201.10801v1
Dataset: https://paperswithcode.com/dataset/coco
@ai_machinelearning_big_data
276 116
⚪ Pearl: Parallel Evolutionary and Reinforcement Learning Library
Github: https://github.com/locuslab/convmixer
Paper: https://arxiv.org/pdf/2201.09568v1.pdf
@ai_machinelearning_big_data
276 116
Как устроены рекомендательные системы фильмов, музыки и лент в соц.сетях?
10 февраля в 18:00 пройдет открытый вебинар «Recommend or not recommend? Препарируем рекомендательные системы». На занятии вместе с Марией Тихоновой, Senior Data Scientist в Сбере, мы обсудим классические подходы к построению рекомендательных систем и реализуем один из них своими руками. Вы узнаете о готовых инструментах, которые позволяют создать рекомендашку в пару строк кода.
После урока вы сможете продолжить обучение на онлайн-курсе «Machine Learning. Professional» в OTUS по спец.цене.
Для регистрации на занятие пройдите вступительный тест https://otus.pw/pfbg/
276 116
ConvMixer, an extremely simple model that is similar in spirit to the ViT and the even-more-basic MLP-Mixer
Github: https://github.com/locuslab/convmixer
Paper: https://arxiv.org/pdf/2201.09792v1.pdf
@ai_machinelearning_big_data
276 116
Курс «Аналитик данных» от Яндекс.Практикума — для тех, кто хочет освоить анализ данных с нуля и начать карьеру в IT.
За шесть месяцев студенты научатся:
— Выгружать, преобразовывать и очищать данные с помощью SQL-запросов.
— Создавать дашборды с помощью Tableau и других инструментов.
— Запускать А/В-тестирования для проверки гипотез.
— Рассчитывать ключевые метрики работы компании и оценивать их значимость.
— Решать бизнес-кейсы и взаимодействовать с командой.
Студенты будут работать над реальными задачами аналитиков: например, вычислят рыночную стоимость недвижимости в городе или определят самые популярные игровые направления. Применять теорию на практике будут под руководством профессионалов — аналитиков данных из Яндекса и других крупных IT-компаний.
А ещё студенты:
— изучат теорию и напишут код в интерактивном тренажёре,
— добавят в своё портфолио 13 реальных исследований для бизнеса,
— получат диплом о повышении квалификации,
— научатся писать резюме и проходить собеседования под руководством HR-специалистов.
Кураторы и команда поддержки помогут учиться регулярно, а найти единомышленников можно будет в сообществе одногруппников.
Пройдите бесплатный вводный модуль, чтобы понять, подходит ли вам обучение или нет.
276 116
🔥 The first high-performance self-supervised algorithm that works for speech, vision, and text
Github: https://github.com/pytorch/fairseq/tree/main/examples/data2vec
Paper: https://ai.facebook.com/research/data2vec-a-general-framework-for-self-supervised-learning-in-speech-vision-and-language
Meta AI: https://ai.facebook.com/blog/the-first-high-performance-self-supervised-algorithm-that-works-for-speech-vision-and-text/
@ai_machinelearning_big_data
276 116
🔝 Omnivore: A Single Model for Many Visual Modalities
Github: https://github.com/facebookresearch/omnivore
Code: https://github.com/facebookresearch/omnivore/blob/main/inference_tutorial.ipynb
Paper: https://arxiv.org/abs/2201.08377
Dataset: https://paperswithcode.com/dataset/epic-kitchens-100
@ai_machinelearning_big_data
276 116
🚨 Как и где узнать актуальную информацию о конференциях из мира Big Data Science? Где узнавать интересные факты о жизни Data Science?
⚠️ Ответы на эти и другие вопросы возможно получить на канале Big Data Science [RU].
Также вы сможете:
📊 получить полезные советы для аналитиков
📆 анонсы митапов и хакатонов
📩 ссылки на статьи международных изданий
📚 рекомендации на полезные DS – инструменты
🗄 и множество другой полезной информации из жизни DS
Чтобы быть в курсе актуальной информации достаточно начать читать канал Big Data Science [RU].
Переходите по указанной ссылке и получите больше информации
👉🏻 https://t.me/bdscience_ru
276 116
💡 Introducing StylEx: A New Approach for Visual Explanation of Classifiers
Github: https://explaining-in-style.github.io/
Code: https://github.com/google/explaining-in-style
Article: https://ai.googleblog.com/2022/01/introducing-stylex-new-approach-for.html
Video: https://explaining-in-style.github.io/#video
@ai_machinelearning_big_data
276 116
✨ Uniformer: Unified Transformer for Efficient Spatiotemporal Representation Learning
Github: https://github.com/sense-x/uniformer
Paper: https://arxiv.org/abs/2201.04676v1
Tasks: https://paperswithcode.com/dataset/kinetics-600
@ai_machinelearning_big_data
