متاح الآن! بحث تيليغرام 2025 — أهم رؤى العام 
Data Science | Machinelearning [ru]
الذهاب إلى القناة على Telegram
Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM. Личный блог автора - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD
إظهار المزيد📈 نظرة تحليلية على قناة تيليجرام Data Science | Machinelearning [ru]
تُعد قناة Data Science | Machinelearning [ru] (@devsp) في القطاع اللغوي الروسية لاعباً نشطاً. يضم المجتمع حالياً 20 002 مشتركاً، محتلاً المرتبة 6 722 في فئة التكنولوجيات والتطبيقات والمرتبة 33 703 في منطقة روسيا.
📊 مؤشرات الجمهور والحراك
منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 20 002 مشتركاً.
بحسب آخر البيانات بتاريخ 21 يونيو, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -75، وفي آخر 24 ساعة بمقدار -3، مع بقاء الوصول العام مرتفعاً.
- حالة التحقق: غير موثّقة
- معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 8.29%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 3.70% من ردود الفعل نسبةً إلى إجمالي المشتركين.
- وصول المنشورات: يحصل كل منشور على متوسط 1 658 مشاهدة. وخلال اليوم الأول يجمع عادةً 740 مشاهدة.
- التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 7.
- الاهتمامات الموضوعية: يركز المحتوى على مواضيع رئيسية مثل llm, nvidia, контекст, openai, архитектура.
📝 الوصف وسياسة المحتوى
يصف المؤلف القناة بأنها مساحة للتعبير عن الآراء الذاتية:
“Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM.
Личный блог автора - @just_genych
По вопросам рекламы или разработки - @g_abashkin
РКН: https://vk.cc/cJPGXD”
بفضل وتيرة التحديث المرتفعة (أحدث البيانات بتاريخ 22 يونيو, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.
20 002
المشتركون
-324 ساعات
-367 أيام
-7530 أيام
أرشيف المشاركات
😎Magic-Me: Identity-Specific Video Customized Diffusion
Создание контента для конкретной личности (ID) продемонстрировало значительный интерес в области генеративных моделей. В области генерации текста в изображение (T2I) генерация тематического контента достигла большого прогресса благодаря управляемому идентификатору в изображениях. Однако прямое распространение его на генерацию видео недостаточно изучено.
▪Github: https://github.com/Zhen-Dong/Magic-Me
▪Colab: https://colab.research.google.com/drive/1gMialn4nkGeDZ72yx1Wob1E1QBgrqeGa
▪Project: https://magic-me-webpage.github.io
▪Paper: arxiv.org/abs/2402.09368
@Devsp — Подписаться
⚡️HASSOD: Hierarchical Adaptive Self-Supervised Object Detection
HASSOD — это полностью самоконтролируемый подход к обнаружению объектов и сегментации экземпляров, демонстрирующий значительное улучшение по сравнению с предыдущими современными методами за счет обнаружения более широкого диапазона объектов.
🖥Github: https://github.com/Shengcao-Cao/HASSOD
📚 Paper: https://arxiv.org/abs/2402.03311
⏩Project: https://hassod-neurips23.github.io/
💻Video: https://www.youtube.com/watch?v=s8u7tEKg5ew
@Devsp — Подписаться
Trino Meetup #2: Trino в Тинькофф, и как ускорить чтение из Data Lake с помощью кэширования
Приглашаем вас на митап, посвященный технологии Trino, от разработчиков CedrusData — коммерческого форка Trino для российского рынка. Обсудим использование Trino в аналитической инфраструктуре Tinkoff и разберемся, как можно ускорить работу с озерами данных в Trino с помощью кэширования.
В программе:
✔ Дмитрий Зуев, Тинькофф — «Trino в Тинькофф»
✔ Владимир Озеров, CedrusData — «Как ускорить работу Trino с Data Lake c помощью кэширования»
📍Митап пройдет онлайн на YouTube — 27 февраля в 18:00 по Москве. Ссылку отправим вам на почту за час до начала митапа.
Для участия нужно зарегистрироваться.
Реклама. ООО "КВЕРИФАЙ ЛАБС". ИНН 7811766769
👤Learning to Learn Faster from Human Feedback with Language Model Predictive Control
В этой работе мы изучаем тонкую настройку LLM для написания кода роботами, чтобы запомнить их контекстное взаимодействие и улучшить их обучаемость, т. е. насколько эффективно они адаптируются к вводу человека (измеряется средним количеством исправлений, прежде чем пользователь сочтет задачу успешной).
▪proj: https://robot-teaching.github.io
▪paper: https://arxiv.org/abs/2402.11450
▪code: https://colab.research.google.com/drive/1YcRN_kklw3cVVJNvgK_IEV6nDce9EJWK
@Devsp — Подписаться
⚡️ByteDance presents SDXL-Lightning: a lightning fast 1024px text-to-image generation model
SDXL-Lightning — это молниеносная модель преобразования текста в изображение. Он может генерировать высококачественные изображения размером 1024 пикселей за несколько шагов.
▪HF: https://huggingface.co/ByteDance/SDXL-Lightning
@Devsp — Подписаться
🚨 Безопасность ваших данных под угрозой
За последние годы инфраструктура компаний разрослась: она содержит сотни терабайтов разнородной информации, вопрос защиты которой стоит особенно остро.
На рынке кибербезопасности представлено несколько классов решений для защиты данных — это системы DLP, DAM, DCAP и другие. Однако практически ежедневно мы видим новости об очередной крупной утечке. Например, только за 2022 год, по информации DLBI, в сеть утекли данные 75% россиян.
Мы хотим выяснить, чего не хватает пользователям существующих решений. Если вы занимаетесь защитой данных в компании, пройдите наш опрос.
😎Track-Anything: A Flexible and Interactive Tool for Video Object Tracking and Segmentation
Track-Anything — это гибкий и интерактивный инструмент для отслеживания и сегментации видеообъектов. Он разработан на основе Segment Anything и может указывать что-либо для отслеживания и сегментации только с помощью кликов пользователя.
🖥 Github: https://github.com/gaomingqi/Track-Anything
⏩ Tutorial: https://www.jetson-ai-lab.com/vit/tutorial_tam.html
@Devsp — Подписаться
😎Track-Anything: A Flexible and Interactive Tool for Video Object Tracking and Segmentation
Track-Anything — это гибкий и интерактивный инструмент для отслеживания и сегментации видеообъектов. Он разработан на основе Segment Anything и может указывать что-либо для отслеживания и сегментации только с помощью кликов пользователя.
🖥 Github: https://github.com/gaomingqi/Track-Anything
⏩ Tutorial: https://www.jetson-ai-lab.com/vit/tutorial_tam.html
@Devsp — Подписаться
Весь опыт Data Science – в одном месте. Data Fusion в четвертый раз соберет DS-экспертов для диалога на кросс-индустриальной площадке. Конференция пройдет 17-18 апреля в Москве. Регистрация уже открыта: https://cnrlink.com/datafusiondsm
Data Fusion 2024 – главное событие весны в области анализа больших данных и технологий ИИ. Исследованиям и практике посвящен первый день конференции.
– Известные ученые и эксперты по Data Science расскажут о трендах в различных направлениях машинного обучения и технологиях ИИ.
– Желающие еще глубже погрузиться в сферу искусственного интеллекта смогут посетить трек ML+, посвященный использованию машинного обучения на стыке с физикой, медициной и фармакологией и другими науками.
Второй день мероприятия будет посвящены бизнесу и стратегии.
В этом году конференция Data Fusion пройдет в московском технологическом кластере «Ломоносов». Регистрация здесь: https://cnrlink.com/datafusiondsm
Реклама. БАНК ВТБ (ПАО). ИНН 7702070139. erid: LjN8KSxHp
😎Track-Anything: A Flexible and Interactive Tool for Video Object Tracking and Segmentation
Track-Anything — это гибкий и интерактивный инструмент для отслеживания и сегментации видеообъектов. Он разработан на основе Segment Anything и может указывать что-либо для отслеживания и сегментации только с помощью кликов пользователя.
🖥 Github: https://github.com/gaomingqi/Track-Anything
⏩ Tutorial: https://www.jetson-ai-lab.com/vit/tutorial_tam.html
@Devsp — Подписаться
🥸Advancing Object Segmentation with SAM: A Meta AI Research Project from FAIR
Модель Segment Anything Model (SAM) создает высококачественные маски объектов из подсказок ввода, таких как точки или прямоугольники, и ее можно использовать для создания масок для всех объектов на изображении.
🖥 Github: https://github.com/facebookresearch/segment-anything
⏩ Tutorial: https://www.jetson-ai-lab.com/vit/tutorial_sam.html
@Devsp — Подписаться
🗓 22 февраля, 16:00
📌Аналитические инструменты для ленивых
Что делать, если хочется заниматься аналитикой данных, а не установкой библиотек и инструментов? Присоединяйтесь на практический вебинар от @Selectel, на котором коллеги расскажут, как получить доступ к GPU без лишней настройки, запустить несколько изолированных JupyterLab на одной GPU и развернуть собственную LLM.
Основные темы:
◽️Инфраструктура с GPU.
◽️Генерация изображений.
◽️ML-эксперименты и запуск LLM.
◽️Сбор данных и BI-аналитика.
Регистрируйтесь на мероприятие и участвуйте в розыгрыше приза за лучший вопрос: https://slc.tl/vr300
Реклама ООО «Селектел» erid 2Vtzqw11Riy
🚀Optimizing Real-Time Object Detection with NanoOWL: Enhancing OWL-ViT on NVIDIA Jetson Platforms
NanoOWL — это проект, который оптимизирует OWL-ViT для работы в реальном времени на платформах NVIDIA Jetson Orin с NVIDIA TensorRT. NanoOWL также представляет новый конвейер «обнаружения деревьев», который сочетает в себе OWL-ViT и CLIP, чтобы обеспечить вложенное обнаружение и классификацию чего угодно на любом уровне, просто предоставляя текст.
🖥 Github: https://github.com/NVIDIA-AI-IOT/nanoowl
⏩ Tutorial: https://www.jetson-ai-lab.com/vit/tutorial_nanoowl.html
@Devsp — Подписаться
🗣Whisper: A Multitasking Speech Recognition Model for Multilingual Applications
Whisper — это универсальная модель распознавания речи. Он обучен на большом наборе данных разнообразного аудио, а также представляет собой многозадачную модель, которая может выполнять многоязычное распознавание речи, перевод речи и идентификацию языка.
🖥 Github: https://github.com/openai/whisper
⏩ Tutorial: https://www.jetson-ai-lab.com/tutorial_whisper.html
@Devsp — Подписаться
Если вы уже знакомы с ML-моделями или даже работаете на позиции джуниор-специалиста, для получения следующего грейда будет кстати наставничество опытных коллег и дополнительная практика. Всё это можно найти на курсе Яндекс Практикума.
За 4 месяца:
— вы поймёте, как переводить бизнес-задачу на язык машинного обучения,
— научитесь строить продвинутые ML-модели,
— создадите 3 сервиса в облаке для решения задач бизнеса.
Всю дорогу с вами будут наставники и такие же как вы студенты — для обратной связи и поддержки.
Начните курс с бесплатной вводной части, она поможет понять, подходит ли вам программа.
🦾LLaVA: Large Language and Vision Assistant
LLaVA is a popular multimodal vision/language model that you can run locally on Jetson to answer questions about image prompts and queries.
🖥 Github: https://llava-vl.github.io/
⏩ Tutorial: https://www.jetson-ai-lab.com/tutorial_llava.html
@Devsp — Подписаться
🎉Deep Learning Research on Audio Generation with AudioCraft: A PyTorch Library
AudioCraft — это библиотека PyTorch для исследований в области глубокого обучения генерации звука. AudioCraft содержит код вывода и обучения для двух современных генеративных моделей искусственного интеллекта, создающих высококачественный звук: AudioGen и MusicGen.
🖥 Github: https://github.com/facebookresearch/audiocraft
⏩ Tutorial: https://www.jetson-ai-lab.com/tutorial_audiocraft.html
@Devsp — Подписаться
Что будет, если есть суп в час по чайной ложке? За год вы съедите 43 литра.
Это мы к тому, что в году целых 8 784 часа — успеть можно многое.
Например, чтобы освоить профессию 1С‑аналитик, нужно 480 часов. Все серии «Доктора Кто» займут уже 396 часов. Ну а если собираетесь взойти на Эверест, готовьте минимум 1344 часа.
→ Узнайте, сколько «весят» другие дела
🚀Maximizing NanoDB Efficiency: A Guide to Containerized Image Management and Operations
NanoDB — это мультимодальная векторная база данных, оптимизированная для CUDA, которая использует встраивания из преобразователя изображения CLIP для поиска по сходству txt2img и img2img.
🖥 Github: https://github.com/dusty-nv/jetson-containers/blob/master/packages/vectordb/nanodb/README.md
⏩ Tutorial: https://www.jetson-ai-lab.com/tutorial_nanodb.html
@Devsp — Подписаться
🌐NanoSAM: Real-Time Object Segmentation on NVIDIA Jetson Orin Platforms with NVIDIA TensorRT
NanoSAM — это вариант модели Segment Anything (SAM), который способен работать в реальном времени на платформах NVIDIA Jetson Orin с NVIDIA TensorRT. Он обучается путем дистилляции кодера изображений MobileSAM на немаркированных изображениях. Для ознакомления с дистилляцией знаний мы рекомендуем ознакомиться с этим руководством.
🖥Github: https://github.com/NVIDIA-AI-IOT/nanosam
⏩Tutorial: https://www.jetson-ai-lab.com/vit/tutorial_nanosam.html
@Devsp — Подписаться
