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 276 التكنولوجيات والتطبيقات327...

📈 نظرة تحليلية على قناة تيليجرام Machinelearning

تُعد قناة Machinelearning (@ai_machinelearning_big_data) في القطاع اللغوي الروسية لاعباً نشطاً. يضم المجتمع حالياً 293 687 مشتركاً، محتلاً المرتبة 327 في فئة التكنولوجيات والتطبيقات والمرتبة 1 276 في منطقة روسيا.

📊 مؤشرات الجمهور والحراك

منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 293 687 مشتركاً.

بحسب آخر البيانات بتاريخ 01 يوليو, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -6 444، وفي آخر 24 ساعة بمقدار -235، مع بقاء الوصول العام مرتفعاً.

حالة التحقق: غير موثّقة
معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 7.55‎%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 5.55‎% من ردود الفعل نسبةً إلى إجمالي المشتركين.
وصول المنشورات: يحصل كل منشور على متوسط 22 202 مشاهدة. وخلال اليوم الأول يجمع عادةً 16 311 مشاهدة.
التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 172.
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 02 يوليو, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.

293 687

المشتركون

-23524 ساعات

-1 5517 أيام

-6 44430 أيام

22 202

عرض المشاهدات

~ 16 31124 ساعات

~ 18 21848 ساعات

7.55%

معدل المشاركة

~ 6

المشاركات في اليوم

Ads index

beta

أرشيف المشاركات

293 640

⚛ Highly accurate protein structure prediction with AlphaFold https://deepmind.com/blog/article/putting-the-power-of-alphafold-into-the-worlds-hands Github: https://github.com/deepmind/alphafold Paper: https://doi.org/10.1038/s41586-021-03819-2 @ai_machinelearning_big_data

293 640

В Академии больших данных MADE открыт набор на бесплатное обучение в области Data Science. Программа рассчитана на ИТ-специалистов с опытом 1-3 года работы, знаниями высшей математики, умением применять базовый алгоритмы, а также умением программировать на Python, С++ или Java. Студенты могут выбрать одну из трех специальностей: Data Scientist, Machine Learning Engineer и Data Engineer. Все полученные теоретические знания закрепляются практикой, а в финале обучения – подготовка и защита выпускного проекта. Прием заявок продлится до 31 июля включительно. Далее – вступительные испытания. Обучение полностью бесплатное. Успейте подать заявку до дедлайна на сайте программы: https://vk.cc/c3XorM

293 640

📐 Googl's Measuring and Improving Model-Moderator Collaboration using Uncertainty Estimation Providing high-quality implementations of standard and state-of-the-art methods on standard tasks. Github: https://github.com/google/uncertainty-baselines Paper: https://arxiv.org/abs/2107.04212v1 Dataset: https://www.tensorflow.org/datasets @ai_machinelearning_big_data

293 640

↔️ Independent Encoder for Deep Hierarchical Unsupervised Image-to-Image Translation Github: https://github.com/Elvinky/IEGAN Paper: https://arxiv.org/abs/2107.02494 Datasets: https://github.com/Elvinky/IEGAN/tree/main/dataset Image-to-Image Translation: https://paperswithcode.com/task/image-to-image-translation @ai_machinelearning_big_data

293 640

🌐 Depth-supervised NeRF: Fewer Views and Faster Training for Free Github: https://github.com/dunbar12138/DSNeRF Paper: https://arxiv.org/abs/2107.02791v1 Project: https://www.cs.cmu.edu/~dsnerf/ Datasets: https://paperswithcode.com/dataset/3dmatch @ai_machinelearning_big_data

293 640

20-21 июля в OTUS пройдет открытый интенсив для тех, кто хочет работать с большими данными. После двухдневного обучения вы сможете выводить модель в продакшн с помошью AWS: - Узнаете, как использовать lambda и нюансы работы с IoT данными - Научитесь выводить модель в продакшн без сложных настроек системы Кроме того, интенсив — это возможность попробовать онлайн-курс «Промышленный ML на больших данных». https://otus.pw/dh44/

293 640

🔝 Learning Hierarchical Graph Neural Networks for Image Clustering Github: https://github.com/dmlc/dgl/tree/master/examples/pytorch/hilander Paper: https://arxiv.org/abs/2107.01319 Datasets: https://drive.google.com/file/d/1KLa3uu9ndaCc7YjnSVRLHpcJVMSz868v/view @ai_machinelearning_big_data

293 640

🚀 TensorFlow and PyTorch performance benchmarking in 2021 Habr: https://habr.com/ru/company/ru_mts/blog/565456/ Github: https://github.com/Chifffa/tf_vs_torch_benchmarking @ai_machinelearning_big_data

293 640

🔎 Microsoft AutoML - Neural Architecture Search New one-shot architecture search framework dedicated to vision transformer search Github: https://github.com/microsoft/AutoML Paper: https://arxiv.org/abs/2107.00651v1 Models: https://drive.google.com/drive/folders/1NLGAbBF9bA1IUAxKlk2VjgRXhr6RHvRW Dataset: https://paperswithcode.com/dataset/cifar-10 @ai_machinelearning_big_data

293 640

🔺 Pyramid Vision Transformer Image classification, object detection, and semantic segmentation tasks Github: https://github.com/whai362/PVT Paper: https://arxiv.org/abs/2106.13797v2 @ai_machinelearning_big_data

293 640

Cartoon-StyleGan2 🙃 : Fine-tuning StyleGAN2 for Cartoon Face Generation Github: https://github.com/happy-jihye/Cartoon-StyleGan2 Paper: https://arxiv.org/abs/2106.12445 Colab: https://colab.research.google.com/github/happy-jihye/Cartoon-StyleGan2/blob/main/Cartoon_StyleGAN2.ipynb @ai_machinelearning_big_data

293 640

📘 D2L.ai: Interactive Deep Learning Book with Multi-Framework Code, Math, and Discussions Github: https://github.com/d2l-ai/d2l-en Book: https://d2l.ai/ Paper: https://arxiv.org/abs/2106.11342v1 @ai_machinelearning_big_data

293 640

Бесконечность не предел, машина ИИ будет работать все быстрее и лучше. Чтобы обуздать ее силу, вспахать и засеять цифровые поля нужны люди — AI продакт-менеджеры. Спрос на профессионалов Big Data PM, AI&ML PM, DS PM, DL PM (альтернативные названия специальности) растет стремительными темпами. Курс «AI Product Manager» — силовой агрегат продакта, решившегося овладеть мощью Al и вырасти до руководителя c-level executives. Никакой воды, только сконцентрированная теория, которую студенты оттачивают на практике. Опыт преподавателей-практиков и 4 кейса в портфолио на выходе. Курс рассчитан на 10 часов в неделю — можно совмещать с основной работой и сразу применять полученные навыки. Преподаватели и менторы из ДомКлик, Mail.ru и Facebook помогут в трансформации вашей карьеры. ❗️Подробности и запись на курс по ссылке — https://clc.am/Qx8Z_Q

293 640

🔍 Advancing computer vision research with new Detectron2 Mask R-CNN baselines Facebook Ai: https://ai.facebook.com/blog/advancing-computer-vision-research-with-new-detectron2-mask-r-cnn-baselines/ Code: https://github.com/facebookresearch/detectron2/blob/master/MODEL_ZOO.md#new-baselines-using-large-scale-jitter-and-longer-training-schedule Tensorflow implementation: https://github.com/tensorflow/tpu/tree/master/models/official/detectiona @ai_machinelearning_big_data

293 640

Знать высшую математику и уметь применять ее в Data Science — принципиально разные вещи. Как выделять самое ценное в больших данных при помощи линейной алгебры? Как исследование функций многих переменных помогает находить оптимальные параметры модели? Как использовать теорему Байеса для бинарной классификации? Все это и многое другое ты освоишь за 4 месяца на практике онлайн-курса «Math for Data Science» от OTUS. Тебя ждет максимально приближенная к реальным рабочим условиям среда и увлекательные разнообразные кейсы. В конце обучения ты соберешь портфолио решенных задач, которое усилит резюме и позволит грамотно работать с моделями машинного обучения. Пройди вступительный тест и получи доступ к профессиональному Slack-сообществу с выпускниками и преподавателями 👉 https://otus.pw/jzIh/

293 640

⬇️ Pysentimiento: A Python toolkit for Sentiment Analysis and Social NLP tasks Github: https://github.com/pysentimiento/pysentimiento Paper: https://arxiv.org/abs/2106.09462 English model: https://huggingface.co/finiteautomata/bertweet-base-sentiment-analysis @ai_machinelearning_big_data

293 640

Facebook's Reverse engineering generative models from a single deepfake image Github: https://github.com/vishal3477/Reverse_Engineering_GMs Paper: https://arxiv.org/abs/2106.07873 Facebook's blog: https://ai.facebook.com/blog/reverse-engineering-generative-model-from-a-single-deepfake-image/ Dataset: https://drive.google.com/drive/folders/1ZKQ3t7_Hip9DO6uwljZL4rYAn5viSRhu?usp=sharing @ai_machinelearning_big_data

293 640

Завершается третий набор студентов магистерской программы Ozon Masters. Ozon Masters - это 2-х летняя бесплатная магистерская программа обучения в области анализа данных. Курсы читает одна из сильнейших команд преподавателей в России. Основные профили подготовки: - Data Scientist - Аналитик данных - Специалист по математическому моделированию Программа подойдет: - Студентам старших курсов и выпускникам ВУЗов с сильной подготовкой по математике или компьютерным наукам, которые хотят начать карьеру в области Data Science или бизнес-аналитике. - Профессиональным аналитикам и датасаентистам, которые хотят систематизировать свои знания или освоить новые инструменты. Есть возможность как очного, так и заочного обучения. Занятия проходят онлайн по вечерам (с 18 до 21) в будни. Если вы хотите попробовать себя в Data Science и в будущем стать частью большой команды аналитиков и датасаентистов Ozon, подавайте заявку до 29 июня и пройдите первый этап отбора: https://ozon.ru/t/FYR7W

293 640

🧩 A Bayesian Analysis of Lego Prices in Python with PyMC3 https://austinrochford.com/posts/2021-06-10-lego-pymc3.html Lego Price Analysis: https://austinrochford.com/posts/2021-06-03-vader-meditation.html @ai_machinelearning_big_data