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 275 899 مشتركاً، محتلاً المرتبة 336 في فئة التكنولوجيات والتطبيقات والمرتبة 1 377 في منطقة روسيا.
📊 مؤشرات الجمهور والحراك
منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 275 899 مشتركاً.
بحسب آخر البيانات بتاريخ 07 نوفمبر, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -2 499، وفي آخر 24 ساعة بمقدار -157، مع بقاء الوصول العام مرتفعاً.
- حالة التحقق: غير موثّقة
- معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 8.01%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 6.41% من ردود الفعل نسبةً إلى إجمالي المشتركين.
- وصول المنشورات: يحصل كل منشور على متوسط 22 107 مشاهدة. وخلال اليوم الأول يجمع عادةً 17 690 مشاهدة.
- التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 342.
- 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 08 نوفمبر, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.
275 899
المشتركون
-15724 ساعات
-8727 أيام
-2 49930 أيام
أرشيف المشاركات
275 866
🧠 Lite-HRNet: A Lightweight High-Resolution Network
Github: https://github.com/HRNet/Lite-HRNet
Paper: https://arxiv.org/abs/2104.06403
@ai_machinelearning_big_data
275 866
Хотите связать свою карьеру с нейросетями? Или вы Data Scientist с опытом и хотите освоить новые технологии? Тогда предлагаем вам курсы "Deep learning. Basic" и "Computer vision"!
📍Выберите курс и пройдите тестирование, чтобы:
● оценить свои навыки
● занять место на курсе по специальной цене
● получить доступ к демо-урокам курса
👉🏻Пройти тестирование "Deep learning. Basic": https://otus.pw/EODp/
👉🏻Пройти тестирование "Computer vision": https://otus.pw/MO87/
275 866
PaddleGAN provides developers with high-performance implementation of classic and SOTA Generative Adversarial Networks
Github: https://github.com/PaddlePaddle/PaddleGAN
Paper: https://arxiv.org/abs/2104.05376v1
@ai_machinelearning_big_data
275 866
C 12 по 25 апреля приглашаем принять участие в EPAM Data Hiring Weeks!
Станьте частью команды EPAM и получите welcome-бонус в размере одного оклада.
Направления:
Big Data: https://epa.ms/EPAM-BigData-HiringWeek
Data Quality: https://epa.ms/EPAM-DataQuality-HiringWeek
Как подать заявку:
1. Заполните регистрационную форму и получите подтверждение;
2. Пройдите интервью и получите оффер в течение 24 часов.
Мы ценим ваше время, и эта одна из причин проведения мероприятия – не нужно долго ждать решения. После успешного прохождения интервью в течение 24 часов вам будет сделан оффер. Если вы примете его в период с 12 по 25 апреля, вы получите welcome-бонус.
275 866
Implicit Neural Representations with Periodic Activation Functions
Github: https://github.com/lucidrains/siren-pytorch
Paper: https://arxiv.org/abs/2006.09661
@ai_machinelearning_big_data
275 866
💬 New Facebook's Casual Conversations Dataset over 45,000 videos
Dataset: https://ai.facebook.com/datasets/casual-conversations-dataset/
Paper: https://ai.facebook.com/blog/shedding-light-on-fairness-in-ai-with-a-new-data-set/
@ai_machinelearning_big_data
275 866
🦏 DoubleML - Double Machine Learning in Python
Github: https://github.com/DoubleML/doubleml-for-py
Paper: https://arxiv.org/abs/2104.03220v1
Docs: https://docs.doubleml.org/stable/index.html
@ai_machinelearning_big_data
275 866
📗 New updates: Interpretable Machine Learning
A Guide for Making Black Box Models Explainable.
https://christophm.github.io/interpretable-ml-book/
@ai_machinelearning_big_data
275 866
Regularizing Generative Adversarial Networks under Limited Data
Github: https://github.com/google/lecam-gan
Paper: https://arxiv.org/abs/2104.03310
https://hytseng0509.github.io/lecam-gan/
@ai_machinelearning_big_data
275 866
Обращаем внимание на новый официальный телеграм-канал с вакансиями @megafonjobs.
Кому полезно?
Разработчикам, data scientists, аналитикам, продуктологам, дизайнерам и другим экспертам в области IT и digital.
Зачем нужно?
Чтобы быть в курсе крутых вакансий компании, которая создает цифровые продукты для миллионов пользователей.
Почему интересно?
На канале публикуются самые топовые и горящие вакансии, а еще запланированы полезные материалы и инсайты на темы Digital и IT, интервью с руководителями МегаФона и многое другое.
Подписывайся на @megafonjobs, если готов принять карьерный вызов и выйти на новый профессиональный уровень!
275 866
Timers and Such: A Practical Benchmark for Spoken Language Understanding with Numbers
Github: https://github.com/speechbrain/speechbrain/tree/develop/recipes/timers-and-such
Dataset: https://zenodo.org/record/4623772#.YG08zhQzZs9
Paper: https://arxiv.org/abs/2104.01604v1
@ai_machinelearning_big_data
275 866
15 апреля в 17:00 пройдет мероприятие Arrival Live, на котором команда Arrival впервые расскажет о том, как устроено автомобилестроение будущего: что находится под капотом автомобилей и в стенах фабрик компании. Не пропусти!
Предварительная регистрация поможет не забыть про митап и получить ссылку на онлайн-трансляцию, а также материалы по итогам митапа. Не пропусти – meetup.arrival.com
275 866
Audio-Visual Event Localization in Unconstrained Videos
https://sites.google.com/view/audiovisualresearch
Github: https://github.com/YapengTian/AVE-ECCV18
Paper: https://arxiv.org/abs/1803.08842
@ai_machinelearning_big_data
275 866
Беспокоитесь о сохранности данных?
8 апреля в 11:00 приглашаем на вебинар «Commvault Intelligent Data Management. Больше чем просто backup».
∙ как свести к минимуму риски, сложность и расходы при развертывании системы защиты данных и резервного копирования
∙ как создать единую платформу управления данными
∙ как получить решение под ключ от одного поставщика
На вебинаре представим обновленный портфель решений для интеллектуального управления данными, а также поделимся лучшими практиками применения резервного копирования.
Регистрируйтесь: https://clck.ru/U7CqN
275 866
👁 Learning Spatio-Temporal Transformer for Visual Tracking
Github: https://github.com/researchmm/Stark
Paper: https://arxiv.org/abs/2103.17154v1
@ai_machinelearning_big_data
275 866
Как устроиться на работу продактом и как её не потерять?
Узнаете 6 апреля в 19:00 на бесплатном интенсиве от ProductStar
Вместе с Ириной Гизитдиновой, Product Leader компании BPC, вы получите ответы на вопросы:
— Большая компания или стартап? Как проходить собеседования? На что обращают внимание? Какие совершаются типовые ошибки?
— Как измерить свой уровень? Как расти продакту? Как правильно подойти к прокачке своих навыков, чтобы больше "стоить" на рынке?
— Ошибки, которые могут стоить вам работы продакта.
Также каждому зрителю подарят чек-лист «Как пройти собеседование на должность продакт-менеджера»
Участие бесплатное, но регистрация обязательна
Зарегистрироваться на интенсив 👉 @ProductStarProductBot
275 866
EasyMocap is an open-source toolbox for markerless human motion capture from RGB videos
Github: https://github.com/zju3dv/EasyMocap
Paper: https://arxiv.org/abs/2104.00340v1
@ai_machinelearning_big_data
275 866
⚡️ NeX: Real-time View Synthesis with Neural Basis Expansion
Github: https://github.com/nex-mpi/nex-code
Real-time View Synthesis with Python Code: https://analyticsindiamag.com/what-is-nex-guide-to-real-time-view-synthesis-with-python-code/
Project: https://nex-mpi.github.io/
Paper: https://arxiv.org/pdf/2103.05606.pdf
Video: https://www.youtube.com/watch?v=HyfkF7Z-ddA&ab_channel=SupasornSuwajanakorn
@ai_machinelearning_big_data
275 866
Hyperbolic Graph Convolutional Auto-Encoders
Github: https://github.com/junhocho/HGCAE
Paper: https://arxiv.org/abs/2103.16046
@ai_machinelearning_big_data
275 866
TransT - Transformer Tracking
Github: https://github.com/chenxin-dlut/TransT
Paper: https://arxiv.org/abs/2103.15436
Model: https://drive.google.com/drive/folders/1GVQV1GoW-ttDJRRqaVAtLUtubtgLhWCE
@ai_machinelearning_big_data
