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 276 321 مشتركاً، محتلاً المرتبة 336 في فئة التكنولوجيات والتطبيقات والمرتبة 1 372 في منطقة روسيا.
📊 مؤشرات الجمهور والحراك
منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 276 321 مشتركاً.
بحسب آخر البيانات بتاريخ 04 نوفمبر, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -1 958، وفي آخر 24 ساعة بمقدار -146، مع بقاء الوصول العام مرتفعاً.
- حالة التحقق: غير موثّقة
- معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 8.10%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 6.13% من ردود الفعل نسبةً إلى إجمالي المشتركين.
- وصول المنشورات: يحصل كل منشور على متوسط 22 382 مشاهدة. وخلال اليوم الأول يجمع عادةً 16 955 مشاهدة.
- التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 337.
- 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 05 نوفمبر, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.
276 321
المشتركون
-14624 ساعات
-8297 أيام
-1 95830 أيام
أرشيف المشاركات
276 293
🧠 Free AI for Beginners Course
Artificial Intelligence for Beginners
MindMap
Description
@ai_machinelearning_big_data
276 293
Эволюция машинного обучения и проблема «черного ящика»
Какие бенчмарки используются в ML?
Благодаря чему произошел прорыв в технологиях машинного обучения?
Как метод LIME помогает интерпретировать алгоритмы ИИ?
Почему нейронки по-прежнему работают не так, как хотелось бы ученым?
Ученые Yandex Research рассказали, как они исследуют логику нейросетей и почему людям до сих пор сложно прочитать их «мысли».
276 293
Эволюция машинного обучения и проблема «черного ящика»
Какие бенчмарки используются в ML?
Благодаря чему произошел прорыв в технологиях машинного обучения?
Как метод LIME помогает интерпретировать алгоритмы ИИ?
Почему нейронки по-прежнему работают не так, как хотелось бы ученым?
Ученые Yandex Research рассказали, как они исследуют логику нейросетей и почему людям до сих пор сложно прочитать их «мысли».
276 293
🧩 Per-Clip Video Object Segmentation
Progressive matching mechanism for efficient information-passing within a clip.
Github: https://github.com/pkyong95/PCVOS
Paper: https://arxiv.org/abs/2208.01924v1
Dataset: https://paperswithcode.com/dataset/davis
Video: https://youtu.be/6QATHDwrUx0
@ai_machinelearning_big_data
276 293
Под бой курантов цели на год приходят в голову легко — уйду в IT работать на удалёнке! А вот путь к ним перекрывают сомнения: не потяну, не смогу работать и учиться, не возьмут без опыта, это всё не для меня. Вот уже лето, а цель всё так же далека.
Стать аналитиком данных за год реально — на курсе Яндекс Практикума. Вот почему мы в этом уверены:
— Размеренную учёбу по 10–15 часов в неделю можно совмещать с работой, вузом и семьёй.
— После курса у вас будет портфолио: 14 учебных проектов и два боевых, от реальных заказчиков.
— Работу находят выпускники с очень разным опытом — бывший офицер, звукорежиссёр, менеджер и другие.
— 78% наших выпускников трудоустраиваются. Смогли они — получится и у вас.
Дойти до цели вам поможет команда сопровождения. Специалисты объяснят сложные темы на вебинарах, проверят проекты, научат писать резюме и проходить собеседования.
Курс можно оплатить в рассрочку: 15 500 ₽ в месяц. Сэкономить 13 020 ₽ поможет промокод DAPLUSAUGUST — он даёт 7% скидки на курс с 8 по 21 августа.
Протестируйте формат бесплатно →
276 293
💻 P2P: Tuning Pre-trained Image Models for Point Cloud Analysis with Point-to-Pixel Prompting
Github: https://github.com/wangzy22/P2P
Paper: https://arxiv.org/abs/2208.02812v1
Dataset: https://paperswithcode.com/dataset/imagenet
Model: https://shapenet.cs.stanford.edu/media/modelnet40_normal_resampled.zip
@ai_machinelearning_big_data
276 293
🚀 @machinelearning_interview - в Канале собраны все возможные вопросы и ответы с собеседований по Аналитике данных и Машинному обучению. Канал от Data Analytics.
Материалы канала реально помогут подготовиться к data science собеседованию.
👉Перейти
276 293
➡️ Prompt Tuning for Generative Multimodal Pretrained Models
Github: https://github.com/ofa-sys/ofa
Paper: https://arxiv.org/abs/2208.02532v1
Dataset: https://paperswithcode.com/dataset/snli-ve
Demo: https://huggingface.co/spaces/OFA-Sys/OFA-Generic_Interface
@ai_machinelearning_big_data
276 293
Repost from AI Deal Watch
С 2018 по 2019 г. количество вакансий специалистов по машинному обучению выросло в 1,3 раза. В 2022 году возрастает спрос на специалистов Middle и Senior ML Engineer.
Чтобы выйти из ситуации нехватки кадров и обеспечить себе команды профессионалов, крупные компании открывают свои школы и сотрудничают с университетами. Предпочтение уходит талантам, которые уже адаптированы под бизнес-задачи компаний.
Так, в Университете ИТМО была запущена уникальная магистратура «Инженерия машинного обучения» с участием компании «Татнефть»:
▪️работа на больших данных компании и развитие до Middle уровня
▪️спонсирование проживания на базе современного кампуса в г.Альметьевск
▪️спонсирование онлайн-обучения в ИТМО - лидирующем вузе страны по компьютерным наукам
До 6 августа можно оставить заявку на сайте проекта!
276 293
💬 Expanding Language-Image Pretrained Models for General Video Recognition by Microsoft.
Video-specific prompting scheme, which leverages video content information for generating discriminative textual prompts.
Github: https://github.com/microsoft/VideoX/tree/master/X-CLIP
Paper: https://arxiv.org/abs/2208.02816v1
Dataset: https://paperswithcode.com/dataset/ucf101
@ai_machinelearning_big_data
276 293
🔥 CLIFF: Carrying Location Information in Full Frames into Human Pose and Shape Estimation
Github: https://github.com/huawei-noah/noah-research/tree/master/CLIFF
Paper: https://arxiv.org/abs/2208.00571v1
Pretrained checkpoints : https://drive.google.com/drive/folders/1EmSZwaDULhT9m1VvH7YOpCXwBWgYrgwP
Dataset: https://paperswithcode.com/dataset/human3-6m
@ai_machinelearning_big_data
276 293
+1👨 Deep Deformable 3D Caricature with Learned Shape Control (DD3C)
Github: https://github.com/ycjungsubhuman/deepdeformable3dcaricatures
Paper: https://arxiv.org/abs/2207.14593v1
Project: https://ycjungsubhuman.github.io/DeepDeformable3DCaricatures
Dataset: https://paperswithcode.com/dataset/facewarehouse
Video: https://youtu.be/WLMPEaK6E4M
@ai_machinelearning_big_data
276 293
Всем привет!
Продолжается набор на бесплатное обучение в Академии больших данных MADE.
Мы полностью обновили программу. Теперь за один год вы сможете получить базовые знания и опыт в области больших данных. Основной упор сделан на практическую часть — во время обучения вы дважды пройдете полный цикл реализации DS- и ML- продуктов.
Регистрация открыта до 6 августа: https://vk.cc/ceWl31
276 293
+3🔥📐 Rewriting Geometric Rules of a GAN
Method which allows edit a GAN model to synthesize many unseen objects with the desired shape
Github: https://github.com/peterwang512/ganwarping
Paper: https://arxiv.org/abs/2207.14288v1
Project: https://peterwang512.github.io/GANWarping/
Dataset: https://paperswithcode.com/dataset/ffhq
Video: https://www.youtube.com/watch?v=2m7_rbsO6Hk
@ai_machinelearning_big_data
276 293
🔘 ALBench: A Framework for Evaluating Active Learning in Object Detection
An active learning benchmark framework named as ALBench for evaluating active learning in object detection.
Github: https://github.com/industryessentials/ymir
Paper: https://arxiv.org/abs/2207.13339v1
Projects: https://github.com/IndustryEssentials/ymir/projects
Dataset: https://paperswithcode.com/dataset/coco
@ai_machinelearning_big_data
276 293
11 августа состоится Alfa Data Science MeetUp в стиле кибер-футуризма📟
Если вы в Москве 👉 регистрируйтесь на сайте и приезжайте в офис Альфа-Банка по адресу: проспект Андропова 18, корп. 6 или подключайтесь к онлайн трансляции!
Темы и спикеры:
🖲 Развитие клиентской базы: моделирование LTV и прогноз будущих доходов
- Сергей Королёв, Middle Data Scientist Альфа-Банк
🖲 Uplift-моделирование в ценообразовании кредитных продуктов
- Максим Коматовский, Junior Data Scientist Альфа-Банк
🖲 Совершенный код расчёт
- Максим Cтаценко, Team Lead/Senior DWH Developer в Яндекс
🖲 Применение подхода reject/inference в нейросетевом кредитном скоринге
- Алексей Фирстов, Senior Data Scientist Альфа-Банк
Мероприятие пройдет в необычном формате. У вас будет время вспомнить «Бегущего по лезвию» или «Cyberpunk 2077», вдохновиться, поучаствовать в конкурсе и получить призы за креативность 🕶
Регистрируйтесь на сайте, приходите в гости, будет интересно!
276 293
🦠 Learning Protein Representations via Complete 3D Graph Networks
DIG: Dive into Graphs is a turnkey library for graph deep learning research.
Github: https://github.com/divelab/DIG
Paper: https://arxiv.org/abs/2207.12600v1
Tutorials: https://diveintographs.readthedocs.io/en/latest/tutorials/graphdf.html
Documentation: https://diveintographs.readthedocs.io/
Benchmarks: https://github.com/divelab/DIG/tree/dig-stable/benchmarks
Dataset: https://paperswithcode.com/dataset/atom3d
@ai_machinelearning_big_data
276 293
⚡️Рассказываем про альтернативу зарубежным облакам для ML-разработки⚡️
Лавры высокотехнологичной компании манят всех. Но разговоры о BigData, AI и ML становятся тише, когда на стол ложится смета на обновление инфраструктуры.
✅Платформа ML Space станет отличным местом для первых шагов в ML-разработке для компаний с любым уровнем погружения в AI, и вот почему:
1️⃣Полный цикл работ: от импорта данных и обучения модели до эксплуатации готового AI-сервиса.
2️⃣ Для обучения моделей доступны CPU и GPU-ресурсы, что ускоряет сроки разработки и приближает момент получения выгоды от AI на несколько месяцев.
3️⃣ Оплата pay-as-you-go исключает капитальные затраты и позволяет масштабировать ресурсы.
4️⃣ Платформа аттестована по УЗ-1, входит в Единый реестр российского ПО, имеет лицензии ФСТЭК и ФСБ, так что проблем с безопасностью не будет.
🔥Ну, и главный плюс — для знакомства вложений не требуется, достаточно зарегистрироваться как юрлицо и получить грант от 5 до 180 тысяч рублей.
📍Протестировать
276 293
⚡️Рассказываем про альтернативу зарубежным облакам для ML-разработки⚡️
Лавры высокотехнологичной компании манят всех. Но разговоры о BigData, AI и ML становятся тише, когда на стол ложится смета на обновление инфраструктуры.
✅Платформа ML Space станет отличным местом для первых шагов в ML-разработке для компаний с любым уровнем погружения в AI, и вот почему:
1️⃣Полный цикл работ: от импорта данных и обучения модели до эксплуатации готового AI-сервиса.
2️⃣ Для обучения моделей доступны CPU и GPU-ресурсы, что ускоряет сроки разработки и приближает момент получения выгоды от AI на несколько месяцев.
3️⃣ Оплата pay-as-you-go исключает капитальные затраты и позволяет масштабировать ресурсы.
4️⃣ Платформа аттестована по УЗ-1, входит в Единый реестр российского ПО, имеет лицензии ФСТЭК и ФСБ, так что проблем с безопасностью не будет.
🔥Ну, и главный плюс — для знакомства вложений не требуется, достаточно зарегистрироваться как юрлицо и получить грант от 5 до 180 тысяч рублей.
📍Протестировать
276 293
🦾 Learning Visual Representation from Modality-Shared Contrastive Language-Image Pre-training
Github: https://github.com/hxyou/msclip
Paper: https://arxiv.org/abs/2207.12661v1
Dataset: https://paperswithcode.com/dataset/sst
@ai_machinelearning_big_data
