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
293 894
📝 EasyNLP is an easy-to-use NLP development and application toolkit in PyTorch
$ pip install pai-easynlp.
Github: https://github.com/alibaba/EasyNLP
Paper: https://arxiv.org/abs/2205.03071v1
Dataset: https://paperswithcode.com/dataset/natural-questions
Documentation: https://www.yuque.com/easyx/easynlp/kkhkai
@ai_machinelearning_big_data
293 894
🪄 Language Models Can See: Plugging Visual Controls in Text Generation
Github: https://github.com/yxuansu/magic
Paper: https://arxiv.org/abs/2205.02655v1
Dataset: https://paperswithcode.com/dataset/coco
Contrastive Framework for Neural Text Generation: https://github.com/yxuansu/simctg
Colab: https://colab.research.google.com/drive/19lyyMXDRNr-Op8vwUOiRmbhMxI_s3rwW?usp=sharing
@ai_machinelearning_big_data
293 894
Дзен-митап: исследования в рекомендательных системах
19 мая приглашаем на первый в этом году офлайн-митап от Дзена по рекомендательным системам.
Поговорим о том, как правильно строить эмбеддинги для качественных рекомендаций, о нюансах в А/Б тестировании и особенностях научных исследований в рекомендательных системах в академии и бизнесе.
Митап пройдет в ресторане Ketch Up (Москва, ул.Кузнецкий мост, 6/3). Количество мест ограничено — мы пригласим тех, кому мероприятие ближе всего по профилю и опыту. А записи докладов вышлем всем зарегистрировавшимся!
293 894
↘️ PyRDF2Vec: A Python Implementation and Extension of RDF2Vec
Create a 2D feature matrix from a Knowledge Graph for downstream ML tasks.
Github: https://github.com/IBCNServices/pyRDF2Vec
RDF2Vec: http://rdf2vec.org/
Paper: https://arxiv.org/abs/2205.02283v1
Examples: https://github.com/IBCNServices/pyRDF2Vec/tree/main/examples
How to Create Representations of Entities in a Knowledge Graph
@ai_machinelearning_big_data
293 894
❓ Какой подход использовать для построения рекомендательных систем?
На открытом уроке «Что порекомендует мне машинное обучение?» вместе с Марией Тихоновой, Senior Data Scientist Сбера, реализуем один из классических подходов к построению рекомендательных систем своими руками.
🔥 БОНУС
Готовый инструмент, который позволяет создать рекомендашку всего в пару строк кода.
🟢 Еще больше полезных знаний и увлекательных задач ждет вас на онлайн-курсе «Machine Learning. Professional» в OTUS и его партнера — Сбера.
Записаться на урок https://otus.pw/bEtn/
293 894
💬 Textual Entailment for Event Argument Extraction: Zero- and Few-Shot with Multi-Source Learning
Github: https://github.com/osainz59/Ask2Transformers
Instructions: https://github.com/facebookresearch/metaseq/blob/main/docs/setup.md
Paper: https://arxiv.org/abs/2205.01376v1
Dataset: https://paperswithcode.com/dataset/snli
@ai_machinelearning_big_data
293 894
Знаете базу SQL, но для работы этого мало?
Курс «Аналитик данных» научит вас говорить с аналитиками на одном языке.
Изучите все инструменты для работы с данными: Python, SQL, Tableau, теорию вероятностей, статистику, бизнес-метрики и визуализацию данных. Даже если вы никогда не программировали или не разбираетесь в математике.
Теория и практика кода будет в интерактивном тренажёре. А ещё — на проектах, учебных и реальных. 170+ наших студентов работали над задачами в НКО и коммерческих компаниях.
Поддержвать вас будет целая команда сопровождения. Специалисты помогут со сложными темами, проверят код и не дадут прокрастинировать.
Оплачивать учёбу можно помесячно.
Если сомневаетесь, пдойдёт ли вам курс — попробуйте бесплатную вводную часть. В ней можно посмотреть, как работает тренажёр и какие задания предстоит выполнять.
→ Старт потока — 12 мая
→ Попробуйте курс бесплатно
293 894
🔝 OPT (Open Pre-trained Transformers) is a family of NLP models trained on billions of tokens of text obtained from the internet.
__175B GPT-3__
Github: https://github.com/facebookresearch/metaseq
Insttructions: https://github.com/facebookresearch/metaseq/blob/main/docs/setup.md
Paper: https://arxiv.org/abs/2205.01068v2
Dataset: https://paperswithcode.com/dataset/superglue
@ai_machinelearning_big_data
293 894
🚗 MMRotate: A Rotated Object Detection Benchmark using Pytorch
Github: https://github.com/open-mmlab/mmrotate
Documentation: https://mmrotate.readthedocs.io/en/latest/
Paper: https://arxiv.org/abs/2204.13317v1
Dataset: https://paperswithcode.com/dataset/dota
@ai_machinelearning_big_data
293 894
🧊 Focal Sparse Convolutional Networks for 3D Object Detection (CVPR 2022, Oral)
Github: https://github.com/dvlab-research/focalsconv
Paper: https://arxiv.org/abs/2204.12463
Dataset: https://paperswithcode.com/dataset/nuscenes
@ai_machinelearning_big_data
293 894
Хотите повысить свои hard-скиллы в Computer Vision и научиться решать весь пайплайн задач в CV?
Этот пост для вас, если:
- вы хотите улучшить навыки и поднять свою ценность на рынке,
- вы развиваете собственный CV-проект и не знаете как довести его до продакшена,
- вы тимлид и хотите повысить эффективность своей команды.
8 опытных инженеров из разных компаний подготовили курс, который научит вас создавать стабильные и быстрые DL-сервисы с нуля до выпуска первой версии. Вы научитесь:
- дешево добывать чистые данные,
- быстро учить нейросети,
- ускорять инференс,
- автоматизировать деплой и мониторить свои сервисы,
- работать в команде, правильно версионируя код и эксперименты,
и многое другое.
Вас ждут живые онлайн-лекции, групповая работа, квизы и ревью кода от опытных наставников.
Переходите по ссылке и записывайтесь на курс до 11 мая. Всего доступно 25 мест, поторопитесь!
293 894
🧍♂ StyleGAN-Human: A Data-Centric Odyssey of Human Generation
human image dataset with over 230K samples capturing diverse poses and textures
Github: https://github.com/stylegan-human/stylegan-human
Demo video: https://youtu.be/nIrb9hwsdcI
Paper: https://arxiv.org/abs/2204.11823v1
Dataset: https://paperswithcode.com/dataset/market-1501
Colab: https://colab.research.google.com/drive/1sgxoDM55iM07FS54vz9ALg1XckiYA2On
@ai_machinelearning_big_data
293 894
🔹 Exploring a Fine-Grained Multiscale Method for Cross-Modal Remote Sensing Image Retrieval
Github: https://github.com/xiaoyuan1996/AMFMN
Paper: https://arxiv.org/abs/2204.09868v1
Dataset: https://paperswithcode.com/dataset/kitti
@ai_machinelearning_big_data
293 894
Мониторинги показывают, что GPU загружены, при этом видно, что они не потребляют электричества. Что делать? Хорошая статья с ответом на этот вопрос.
Будет полезно почитать, даже если вы занимаетесь обучением моделек на домашних GPU.
293 894
🚀 TorchSparse: Efficient Point Cloud Inference Engine
Github: https://github.com/mit-han-lab/torchsparse
Paper: https://arxiv.org/abs/2204.10319v1
Dataset: https://paperswithcode.com/dataset/nuscenes
Demo: https://paperswithcode.com/dataset/pipal-perceptual-iqa-dataset
@ai_machinelearning_big_data
293 894
Количество вакансий в Data Science выросло на 433% за 3 года. По прогнозам Frost & Sullivan, рынок продолжит расти на 35,9% в год ближайшие 10 лет 🔝
Освойте Data Science с нуля в лучшем техническом вузе страны — МФТИ. Среди профессоров и выпускников института 10 лауреатов Нобелевской премии.
Онлайн-магистратура «Науки о данных» поможет вам:
✅ Изучить математические дисциплины для Machine Learning
✅ Получить практическую базу написания кода
✅ Погрузиться в интересное направление: Artificial Intelligence, Big Data или Machine Learning
✅ Освоить актуальный стек технологий и инструментов
✅ Набраться опыта на кейсах от партнеров программы: Danone, «Девхаб», First Line Software и др.
Вы сможете сами выбрать 3 электива из 6. А вместо магистерской диссертации — принять участие в реальном проекте.
У вас будет то, чего не хватает выпускникам краткосрочных курсов. Это глубокое понимание алгоритмов и принципов анализа данных, умение мыслить абстрактными категориями и творческий подход к решению сложных задач.
Вам будут преподавать IT-руководители, ML-инженеры, специалисты по Data Engineering. Те, кто сами прошли путь от новичка — до позиции Lead. И вам помогут.
Вы получите крепкий фундамент, убедительное портфолио и диплом МФТИ государственного образца. Плюс карьерные консультации от опытных HR-менеджеров для успешного трудоустройства.
Возможна оплата обучения с помощью образовательного кредита с господдержкой.
Совсем скоро мы запускаем бесплатный подготовительный курс для абитуриентов.
Успейте к нам присоединиться: https://clc.to/vDsqFg
293 894
Ты начинающий IT-специалист, но уверен в своих знаниях и уже готов работать на позиции джуна? Газпромбанк совместно с журналом «КОД» Яндекс.Практикума подготовил 4 интерактивных теста для начинающих разработчиков 👨💻
С помощью них ты посмотришь на себя глазами рекрутера, потренируешься проходить собеседования и справляться с первыми трудностями на работе > https://vk.cc/ccNVNV
293 894
🛠 MANIQA: Multi-dimension Attention Network for No-Reference Image Quality Assessment
Github: https://github.com/iigroup/maniqa
Paper: https://arxiv.org/abs/2204.08958v1
Dataset: https://paperswithcode.com/dataset/kitti
Demo: https://paperswithcode.com/dataset/pipal-perceptual-iqa-dataset
@ai_machinelearning_big_data
293 894
🎯 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.
🔥 РЕЗУЛЬТАТ ПРОХОЖДЕНИЯ КУРСА
Сильное портфолио, которое позволит вам претендовать на Junior+ и Middle позиции Data Scientist.
Время прохождения теста ограниченно 20 минут
👉 ПРОЙТИ ТЕСТ
https://otus.pw/W6UA/
293 894
🌄 NAFSSR: Stereo Image Super-Resolution Using NAFNet
Github: https://github.com/megvii-research/NAFNet
Paper: https://arxiv.org/abs/2204.08714v1
Dataset: https://paperswithcode.com/dataset/kitti
Demo: https://colab.research.google.com/drive/1dkO5AyktmBoWwxBwoKFUurIDn0m4qDXT?usp=sharing
@ai_machinelearning_big_data
