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 293 306 مشتركاً، محتلاً المرتبة 326 في فئة التكنولوجيات والتطبيقات والمرتبة 1 283 في منطقة روسيا.
📊 مؤشرات الجمهور والحراك
منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 293 306 مشتركاً.
بحسب آخر البيانات بتاريخ 03 يوليو, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -6 469، وفي آخر 24 ساعة بمقدار -218، مع بقاء الوصول العام مرتفعاً.
- حالة التحقق: غير موثّقة
- معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 7.32%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 5.77% من ردود الفعل نسبةً إلى إجمالي المشتركين.
- وصول المنشورات: يحصل كل منشور على متوسط 21 487 مشاهدة. وخلال اليوم الأول يجمع عادةً 16 937 مشاهدة.
- التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 169.
- 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 04 يوليو, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.
293 306
المشتركون
-21824 ساعات
-1 5287 أيام
-6 46930 أيام
أرشيف المشاركات
293 301
🔥Multi-Channel Attention Selection GANs for Guided Image-to-Image Translation
SelectionGAN for guided image-to-image translation, where we translate an input image into another while respecting an external semantic guidance
Code: : https://github.com/Ha0Tang/SelectionGAN
Paper: https://arxiv.org/abs/2002.01048v1
@ai_machinelearning_big_data
293 301
Agile Machine Learning: Effective Machine Learning Inspired by the Agile Manifesto (2019)
@datascienceiot
293 301
Using ‘radioactive data’ to detect if a data set was used for training
https://ai.facebook.com/blog/using-radioactive-data-to-detect-if-a-data-set-was-used-for-training/
Paper: https://arxiv.org/abs/2002.00937
293 301
«Карьера в Data Science» звучит как полёт на луну — вроде реально, но есть вопросы. И хорошо, что есть: значит, есть в чём разбираться.
Разбираться предлагаем 9 февраля в Кампусе Нетологии, на митапе по Data Science. Полезно будет всем: начинающим — ответы на вопросы о карьере и розыгрыш бесплатного обучения в Нетологии. Практикующим аналитикам — нетворкинг и лайфхаки от экспертов отрасли.
Стартуем 9 февраля очно и онлайн. Регистрируйтесь ↓
http://netolo.gy/fg8
293 301
Torch-Struct: Deep Structured Prediction Library
Code: https://github.com/harvardnlp/pytorch-struct
Paper: https://arxiv.org/abs/2002.00876v1
Fast, general, and tested differentiable structured prediction in PyTorch: http://nlp.seas.harvard.edu/pytorch-struct/
293 301
How to Configure XGBoost for Imbalanced Classification
https://machinelearningmastery.com/xgboost-for-imbalanced-classification/
293 301
Filter Sketch for Network Pruning
Framework of FilterSketch. The top displays the second-order covariance of the pre-trained CNN
Code: https://github.com/lmbxmu/FilterSketch
Paper: https://arxiv.org/abs/2001.08514v1
293 301
Project DeepSpeech
A TensorFlow implementation of Baidu's DeepSpeech architecture
Code: https://github.com/mozilla/DeepSpeech
Tensorflow & Pytorch: https://github.com/DemisEom/SpecAugment
SpecAugment: A Simple Data Augmentation Method for Automatic Speech Recognition:
https://arxiv.org/pdf/1904.08779.pdf
293 301
Open Source Differentiable Computer Vision Library for PyTorch
https://kornia.org
Code: https://github.com/kornia/kornia
Paper: https://arxiv.org/abs/1910.02190v2
293 301
📚Fresh book by Nassim Taleb
Statistical Consequences of Fat Tails: Real World Preasymptotics, Epistemology, and Applications
https://arxiv.org/abs/2001.10488
@ai_machinelearning_big_data
293 301
TVR: A Large-Scale Dataset for Video-Subtitle Moment Retrieval
Github: https://github.com/jayleicn/TVRetrieval
PyTorch implementation of MultiModal Transformer (MMT), a method for multimodal (video + subtitle) captioning: https://github.com/jayleicn/TVCaption
Paper: https://arxiv.org/abs/2001.09099v1
293 301
Uplift modeling tutorial
https://habr.com/ru/company/ru_mts/blog/485980/
Code example: https://nbviewer.jupyter.org/github/maks-sh/scikit-uplift/blob/master/notebooks/RetailHero.ipynb
293 301
f-BRS: Rethinking Backpropagating Refinement for Interactive Segmentation
Code: https://github.com/saic-vul/fbrs_interactive_segmentation
Paper: https://arxiv.org/abs/2001.10331
293 301
Hyperparameter tuning with Keras Tuner
https://blog.tensorflow.org/2020/01/hyperparameter-tuning-with-keras-tuner.html
Github: https://github.com/keras-team/keras-tuner
Distributed Tuning: https://keras-team.github.io/keras-tuner/tutorials/distributed-tuning/
293 301
Multi-task self-supervised learning for Robust Speech Recognition
A PASE model can be used as a speech feature extractor or to pre-train an encoder for our desired end-task
Code: https://github.com/santi-pdp/pase
Paper: https://arxiv.org/abs/2001.09239v1
@ai_machinelearning_big_data
293 301
Знаете, каким образом ваш голосовой помощник распознает речь, как банк защищает ваш аккаунт от мошенников и как интернет-магазин определяет товар для рекомендации?
Эти задачи решает Data Scientist. Не удивительно, что сегодня это прорывная профессия с ЗП от 130 000 руб./мес
Звучит интересно, но сложно? На специализации Data Science в школе-данных SkillFactory вы сможете онлайн освоить профессию за 12 месяцев. Будет непросто, да, но интересно и супер-перспективно.
На курсе вас ждут 20% теории и 80% практики на реальных данных: Python, машинное обучение, нейросети и deep learning, Big Data и Data engineering, математика и статистика для Data Sciencе + модуль менеджмента.
Уже к концу обучения вы сможете продемонстрировать работодателям Git-репозиторий с вашими готовыми кейсами!
Узнайте подробности: https://clc.to/e9kMjg
⚡️Киберпонедельник уже здесь! Cкидка на курсы до 40% ー не упустите шанс!
293 301
Channel Pruning via Automatic Structure Search
Code: https://github.com/lmbxmu/ABCPruner
Paper: https://arxiv.org/abs/2001.08565
293 301
Cross-Domain Few-Shot Classification via Learned Feature-Wise Transformation
http://vllab.ucmerced.edu/ym41608/projects/CrossDomainFewShot/
Code and data: https://github.com/hytseng0509/CrossDomainFewShot
Paper: https://arxiv.org/abs/2001.08735
293 301
FixMatch: Simplifying Semi-Supervised Learning with Consistency and Confidence
Code: https://github.com/google-research/fixmatch
Paper: https://arxiv.org/abs/2001.07685
