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

الشبكة:Machinelearning روسيا1 279 التكنولوجيات والتطبيقات331...

📈 نظرة تحليلية على قناة تيليجرام Machinelearning

تُعد قناة Machinelearning (@ai_machinelearning_big_data) في القطاع اللغوي الروسية لاعباً نشطاً. يضم المجتمع حالياً 294 753 مشتركاً، محتلاً المرتبة 331 في فئة التكنولوجيات والتطبيقات والمرتبة 1 279 في منطقة روسيا.

📊 مؤشرات الجمهور والحراك

منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 294 753 مشتركاً.

بحسب آخر البيانات بتاريخ 27 يونيو, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -6 411، وفي آخر 24 ساعة بمقدار -195، مع بقاء الوصول العام مرتفعاً.

حالة التحقق: غير موثّقة
معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 7.72‎%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 5.41‎% من ردود الفعل نسبةً إلى إجمالي المشتركين.
وصول المنشورات: يحصل كل منشور على متوسط 22 754 مشاهدة. وخلال اليوم الأول يجمع عادةً 15 946 مشاهدة.
التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 179.
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 28 يونيو, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.

294 753

المشتركون

-19524 ساعات

-1 5847 أيام

-6 41130 أيام

22 754

عرض المشاهدات

~ 15 94624 ساعات

~ 17 78748 ساعات

7.72%

معدل المشاركة

~ 6

المشاركات في اليوم

Ads index

beta

أرشيف المشاركات

294 696

Как найти себя в IT, если вы ещё не выбрали профессию? В Яндекс Практикуме можно пройти профориентационные тесты и начать IT-карьеру. В этом вам поможет большой карьерный центр: 200+ карьерных экспертов и 850 партнёрских вакансий только за 2023 год. Истории наших выпускников показывают, что каждый может сменить профессию: из медсестры — в тестировщицы, из полицейского — в разработчика, из разнорабочего — в программиста. Больше 10 000 выпускников уже нашли работу — у вас тоже может получиться. → Найдите своё место в IT и трудоустраивайтесь поудобнее. Реклама. Рекламодатель ООО "Яндекс" ИНН 7736207543

294 696

FlagEmbedding FlagEmbedding can map any text to a low-dimensional dense vector which can be used for tasks like retrieval, classification, clustering, or semantic search. And it also can be used in vector databases for LLMs. FlagEmbedding позволяет преобразовать любой текст в плотный низкоразмерный вектор, который может быть использован для решения таких задач, как поиск, классификация, кластеризация или семантический поиск. Кроме того, он может быть использован в векторных базах данных для LLM. pip install -U FlagEmbedding 🖥 Github: https://github.com/flagopen/flagembedding 📕 Paper: https://arxiv.org/pdf/2309.07597v1.pdf ⭐️ Datasets: https://paperswithcode.com/dataset/beir ai_machinelearning_big_data

294 696

✏️ Модель для генерации субтитров, созданная Яндекс Браузером Итак, Яндекс запустил внутри браузера новую нейросеть: она создаёт субтитры к любым русскоязычным видео на любом сайте. Субтитры работают даже для тех роликов, которые доступны после авторизации или загружены в облачные хранилища. Нейросеть стала потреблять в 5 раз меньше оперативной памяти: оптимизация буферов и моделей позволили дойти до отметки в 150 Мб вместо 800 Мб. Для этого разработчики уменьшали накапливающиеся буферы, меняли архитектуру модели и перенастраивали процесс декодирования. За основу взята архитектура VGGTransformer. Нейросеть обучили на блочное применение — это когда предсказание работает с помощью скользящего окна со сдвигом. Подробнее про генерацию субтитров можно почитать в статье на Хабре. ai_machinelearning_big_data

294 696

📂 An Open-source Framework for Autonomous Language Agents Agents is carefully engineered to support important features including planning, memory, tool usage, multi-agent communication, and fine-grained symbolic control. Agents - это библиотека/фреймворк с открытым исходным кодом для создания автономных языковых агентов. Библиотека тщательно продумана и поддерживает такие важные функции, как долгую краткосрочную память , использование продвинутых ии-инструментов, веб-навигацию, мультиагентное взаимодействие, а также совершенно новые возможности, включая взаимодействие человека и агента и символьное управление. pip install ai-agents 🖥 Github: https://github.com/aiwaves-cn/agents 📕 Paper: https://arxiv.org/pdf/2309.07870.pdf ⏩ Demo: https://github.com/aiwaves-cn/agents#web-demos ⭐️ Project: http://www.aiwaves-agents.com/ ai_machinelearning_big_data

294 696

🚩 Towards the TopMost: A Topic Modeling System Toolkit The highly cohesive and decoupled modular design of TopMost enables quick utilization, fair comparisons, and flexible extensions of different topic models. TopMost обеспечивает полный жизненный цикл тематического моделирования, включая предварительную обработку данных, обучение модели, тестирование и оценку. Он охватывает наиболее популярные сценарии тематического моделирования, такие как статическое, динамическое, иерархическое и межъязыковое тематическое моделирование. $ pip install topmost 🖥 Github: https://github.com/bobxwu/topmost 📕 Paper: https://arxiv.org/abs/2309.06908v1 ⏩ Docs: https://topmost.readthedocs.io/ ⭐️ Dataset: https://paperswithcode.com/dataset/imdb-movie-reviews ai_machinelearning_big_data

294 696

Приглашаем на Yandex Scale 2023! Ежегодная и самая масштабная конференция Yandex Cloud уже в пятый раз соберет экспертов индустрии. Эксперты компании поделятся новостями платформы, расскажут о новых сервисах, а также обсудят будущее облачных технологий. Что вас ждет в этом году: 🚀6 актуальных тематических треков: Data Platform, Infra + K8s, Security, Digital Workplace, Severless, ML; 🔊главные новости платформы и индустрии; 🎙30+ выступлений экспертов, кейсы клиентов и партнеров; 🏢9 стендов на офлайн-выставке; 🤝Нетворкинг: не упустите возможность встретиться с руководителями разработки и задать им все интересующие вас вопросы. 📅 В этом году конференция будет проходить два дня: 25 сентября – онлайн: открытие; 26 сентября – онлайн и офлайн: главный доклад, основная программа и выставка. Регистрируйтесь по ссылке. Реклама. ООО "Яндекс" ИНН 7736207543

294 696

🔥 Introducing Würstchen: Fast Diffusion for Image Generation Diffusion model, whose text-conditional component works in a highly compressed latent space of images Würstchen - это диффузионная модель, которой работает в сильно сжатом латентном пространстве изображений. Почему это важно? Сжатие данных позволяет на порядки снизить вычислительные затраты как на обучение, так и на вывод модели. Обучение на 1024×1024 изображениях гораздо затратное, чем на 32×32. Обычно в других моделях используется сравнительно небольшое сжатие, в пределах 4x - 8x пространственного сжатия. Благодаря новой архитектуре достигается 42-кратное пространственное сжатие! 🤗 HF: https://huggingface.co/blog/wuertschen 📝 Paper: https://arxiv.org/abs/2306.00637 📕 Docs: hhttps://huggingface.co/docs/diffusers/main/en/api/pipelines/wuerstchen 🚀 Demo: https://huggingface.co/spaces/warp-ai/Wuerstchen ai_machinelearning_big_data

294 696

🗣Project NN-Pytorch-scripts This is a set of Python / Pytorch scripts and tools for various speech-processing projects. Набор скриптов и инструментов на языке Python / Pytorch для различных проектов по обработке речи. git clone --depth 1 https://github.com/nii-yamagishilab/project-NN-Pytorch-scripts.git 🖥 Github: https://github.com/nii-yamagishilab/project-NN-Pytorch-scripts 📕 Paper: https://arxiv.org/pdf/2309.06014v1.pdf ⭐️ Tasks: https://paperswithcode.com/task/speech-synthesis ai_machinelearning_big_data

294 696

Присоединяйтесь к вебинару livecoding и обучайте модель Machine Learning в режиме реального времени. Когда: 15 сентября в 19:00. Тема: "Прогнозирование цен на автомобили с помощью машинного обучения” Длительность: около 2 часов. Кто обучает: эксперт в Data Science с 10-летним практическим опытом Что будет на вебинаре: ✅Пошаговая разборка ML-процесса ✅Практические задания с доступом к реальным данным и среде ✅Интерактивное обучение и обсуждение Вместе мы сделаем сложное простым и достигнем результатов с минимальными усилиями 💪 Бесплатное участие только для первых 30 записавшихся человек. 👉 Записаться на вебинар Реклама: ИП Кравченко Николай Васильевич LjN8KYXZ9

294 696

🔥 Free Certification Courses from Google to try in 2023. Бесплатные сертификационные курсы от Google, для аналитиков, которые стоит пройти в 2023 году. 1. Basics of Machine Learning https://grow.google/intl/en_in/ 2. Machine Learning Crash Course https://coursya.com/product/machine-learning-crash-course 3. Project Execution: Running the Project https://coursera.org/learn/project-execution-google 4. Foundations of Project Management https://coursera.org/learn/project-management-foundations 5. Project Initiation: Starting a Successful Project https://coursera.org/learn/project-initiation-google 6. Project Planning: Putting It All Together https://coursera.org/learn/project-planning-google 7. Google Analytics for Power Users https://coursya.com/product/google-analytics-certification-coursya 8. Fundamentals of digital marketing https://skillshop.exceedlms.com/student/collection/654330-digital-marketing?locale=en-GB 9. Python Basics for Data Analysis https://coursya.com/product/learn-python-basics-for-data-analysis 10. Data Science Foundations https://grow.google/intl/en_in/ 11. Advanced Google Analytics https://coursera.org/professional-certificates/google-data-analytics 12. Google Cloud Computing Foundations: https://cloudskillsboost.google/course_templates/153 13. Data, ML, and AI in Google Cloud https://coursya.com/product/google-cloud-computing-foundations-data-ml-and-ai-in-google-cloud-google-cloud-skills-boost 14. Agile Project Management https://coursera.org/learn/agile-project-management 15. Google Project Management https://coursera.org/professional-certificates/google-project-management ai_machinelearning_big_data

294 696

⚡Intel® Neural Compressor Intel® Neural Compressor , targeting to provide unified APIs for network compression technologies Intel® Neural Compressor - фреймворк для сжатия моделей, который позволяет проводить квантование, обрезку (sparsity), дистилляцию и поиск архитектуры нейронной сети. СОвместим с TensorFlow, PyTorch, ONNX Runtime и MXNet.

pip install neural-compressor

🖥 Github: https://github.com/intel/neural-compressor 📂 Docs: https://intel.github.io/neural-compressor 📕 Paper: https://arxiv.org/abs/2309.05516v1 ⭐️ Dataset: https://paperswithcode.com/dataset/lambada ai_machinelearning_big_data

294 696

🖥 Free Courses and Guides That Will Teach You How to Master AI: Бесплатные курсы и руководства, для погружения в искусственный интеллект. 📂Elements of AI https://elementsofai.com 📂Learn Prompting https://learnprompting.org 📂Machine Learning https://edx.org/learn/machine-learning/harvard-university-data-science-machine-learning 📂AI for everyone https://coursera.org/learn/ai-for-everyone 📂500+ AI Chatbot Prompt Templates https://theveller.gumroad.com/l/ChatGPTPromptTemplates-byTheVeller 📂Prompt Engineering https://youtu.be/_ZvnD73m40o 📂ChatGPT Prompt Engineering for Developers https://deeplearning.ai/short-courses/chatgpt-prompt-engineering-for-developers 📂Google — AI for Anyone https://edx.org/learn/artificial-intelligence/google-google-ai-for-anyone 📂Microsoft — AI For Beginners https://microsoft.github.io/AI-For-Beginners 📂IBM — AI for Everyone: Master the Basics https://edx.org/learn/artificial-intelligence/ibm-ai-for-everyone-master-the-basics 📂Google — Introduction to Generative AI https://cloudskillsboost.google/journeys/118 📂DeepLearning — Finetuning LLMs https://deeplearning.ai/short-courses/finetuning-large-language-models ai_machinelearning_big_data

294 696

ML блудни: путешествия по миру ошибок 🚫 21 сентября в 22:50 Слёрм приглашает на встречу с Иваном Аникиным, тимлидом Yandex.Edadeal, чтобы поговорить о часто встречающихся ошибках в машинном обучении. Обсудят: ➡ ошибки в построении моделей; ➡ частые заблуждения команд при работе с ML; ➡ работу с бизнес-задачами и непрозрачными процессами. Встреча пройдёт в рамках ночной неконференции от Слёрма. В программе сплетни, секреты и факапы от наших коллег. Обещают знакомства в расслабленной атмосфере, тематическую болтовню и разыграть подписку на порнхаб. 🆒 Все онлайн, бесплатно, по регистрации. Узнать подробности и зарегистрироваться — по ссылке 😎 Реклама. 18+ ООО «Слёрм» г. Лиски, ОГРН 1193668020545

294 696

🎯 DoLa: Decoding by Contrasting Layers Improves Factuality in Large Language Models Фреймворк для уменьшения галлюцинаций с помощью предварительно обученных ЛЛМ, не требующая ни файнтюнинга. 🖥 Github: https://github.com/voidism/dola 🖥 Colab: https://colab.research.google.com/github/voidism/DoLa/blob/master/dola_evaluation.ipynb 📕 Paper: https://arxiv.org/abs/2309.03883v1 ⭐️ Dataset: https://paperswithcode.com/dataset/truthfulqa ai_machinelearning_big_data

294 696

14 сентября, 18:00 Computer Vision в животноводстве, инфраструктура для ML и AI, виды дрифтов ML-моделей. В этот четверг ребята из @Selectel проведут ежегодный митап «‎MLечный путь» для MLOps и ML-инженеров. На встрече спикеры из Selectel, Контур AI, Neoflex и Русагро рассмотрят актуальные сложности, тренды и инструменты построения production ML-систем. Темы докладов: ◽️ Определение дрифта данных и дрифта моделей на MLOps-платформе Neoflex Dognauts ◽️ Хостинг сотни моделей машинного обучения в Контуре: существующее решение и путь к нему, а также актуальные и решенные проблемы ◽️ Стек технологий и инфраструктурная база для пилотных проектов внедрения LLM ◽️ Оптимизация работы видеоаналитических сервисов в животноводстве с помощью Prefect В конце пройдет дискуссия «Потребности ML-рынка России», где вы получите ответы на интересующие вопросы и сможете пообщаться с экспертами в неформальной обстановке. Регистрируйтесь на офлайн-встречу в Санкт-Петербурге: https://slc.tl/eay26 Регистрируйтесь на онлайн-трансляцию: https://slc.tl/tq2x2 Реклама ООО «Селектел» 2VtzqwxwSwr

294 696

📹 DEVA: Tracking Anything with Decoupled Video Segmentation Decoupled video segmentation approach (DEVA), composed of task-specific image-level segmentation and class/task-agnostic bi-directional temporal propagation. Новая модель сегментации видео для "отслеживания чего угодно" без обучения по видео для любой отдельной задачи. 🖥 Github: https://github.com/hkchengrex/Tracking-Anything-with-DEVA 🖥 Colab: https://colab.research.google.com/drive/1OsyNVoV_7ETD1zIE8UWxL3NXxu12m_YZ?usp=sharing ⏩ Project: https://hkchengrex.github.io/Tracking-Anything-with-DEVA/ 📕 Paper: https://arxiv.org/abs/2309.03903v1 ⭐️ Docs: https://paperswithcode.com/dataset/burst ai_machinelearning_big_data

294 696

💻PyGraft: Configurable Generation of Schemas and Knowledge Graphs at Your Fingertips PyGraft - инструмент на базе Python, позволяющий генерировать специализированные схемы и графы знаний, не зависящие от конкретной области. 🖥 Github: https://github.com/nicolas-hbt/pygraft 📕 Paper: https://arxiv.org/abs/2309.03685 ⭐️ Docs: https://pygraft.readthedocs.io/en/latest/ ai_machinelearning_big_data

294 696

⚡Легкий способ получать свежие обновлении и следить за трендами в разработке на вашем языке. Находите свой стек и подписывайтесь: Data Science: t.me/data_analysis_ml Java: t.me/javatg Базы данных: t.me/sqlhub Машинное обучение: t.me/machinelearning_ru Go: t.me/Golang_google C/C++/ t.me/cpluspluc C#: t.me/csharp_ci Хакинг: t.me/linuxkalii Мобильная разработка: t.me/mobdevelop Docker: t.me/+0WdB4uvOwCY0Mjdi Python: t.me/pythonl Rust: t.me/rust_code Javascript: t.me/javascriptv React: t.me/react_tg PHP: t.me/phpshka Android: t.me/android_its Linux: t.me/+A8jY79rcyKJlYWY6 Big Data: t.me/bigdatai Devops: t.me/devOPSitsec Тестирование:https://t.me/+F9jPLmMFqq1kNTMy 💼 Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy 😆ИТ-Мемы: t.me/memes_prog 🇬🇧Английский: t.me/english_forprogrammers ИИ: t.me/vistehno 📕Ит-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy

294 696

✔SyntheticHumans Package (Unity Computer Vision) A package for creating Unity Perception compatible synthetic people. Модель для генерации людей, обученная на большом наборе антропоцентрических измерений, которая способна генерировать широкий спектр форм и поз человеческого тела. 🖥 Github: https://github.com/Unity-Technologies/com.unity.cv.synthetichumans 📂 AnthroNet: https://github.com/Unity-Technologies/AnthroNet 📕 Paper:https://arxiv.org/abs/2309.03812v1 ⭐️ Dataset: https://paperswithcode.com/dataset/unity-synthetic-humans ai_machinelearning_big_dataп

294 696

📈GPT-InvestAR Enhancing Stock Investment Strategies through Annual Report Analysis with Large Language Models. Этот репозиторий содержит набор инструментов и скриптов, предназначенных для улучшения стратегий инвестирования в акции посредством анализа годовых отчетов с использованием больших языковых моделей. 🖥 Github: https://github.com/UditGupta10/GPT-InvestAR 📕 Paper: https://arxiv.org/abs/2309.03079v1 ⭐️ llama-index: https://github.com/jerryjliu/llama_index ai_machinelearning_big_dataп