متاح الآن! بحث تيليغرام 2025 — أهم رؤى العام 
Machine learning Interview
الذهاب إلى القناة على Telegram
ИИ, Rust, вайбкодинг, Data Science, Deep Learning и делюсь тем, что интересно и полезно! Вопросы - @workakkk РКН: clck.ru/3FmwRz
إظهار المزيد📈 نظرة تحليلية على قناة تيليجرام Machine learning Interview
تُعد قناة Machine learning Interview (@machinelearning_interview) في القطاع اللغوي الروسية لاعباً نشطاً. يضم المجتمع حالياً 30 035 مشتركاً، محتلاً المرتبة 4 579 في فئة التكنولوجيات والتطبيقات والمرتبة 21 921 في منطقة روسيا.
📊 مؤشرات الجمهور والحراك
منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 30 035 مشتركاً.
بحسب آخر البيانات بتاريخ 13 يونيو, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار 40، وفي آخر 24 ساعة بمقدار 8، مع بقاء الوصول العام مرتفعاً.
- حالة التحقق: غير موثّقة
- معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 21.14%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 7.35% من ردود الفعل نسبةً إلى إجمالي المشتركين.
- وصول المنشورات: يحصل كل منشور على متوسط 6 350 مشاهدة. وخلال اليوم الأول يجمع عادةً 2 208 مشاهدة.
- التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 40.
- الاهتمامات الموضوعية: يركز المحتوى على مواضيع رئيسية مثل claude, llm, контекст, hermes, nvidia.
📝 الوصف وسياسة المحتوى
يصف المؤلف القناة بأنها مساحة للتعبير عن الآراء الذاتية:
“ИИ, Rust, вайбкодинг, Data Science, Deep Learning и делюсь тем, что интересно и полезно!
Вопросы - @workakkk
РКН: clck.ru/3FmwRz”
بفضل وتيرة التحديث المرتفعة (أحدث البيانات بتاريخ 14 يونيو, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.
30 035
المشتركون
+824 ساعات
-77 أيام
+4030 أيام
أرشيف المشاركات
+4
⚡️ Годный открытый курс по Machine Learning
Охват тем нереальный, можно посмотреть на оглавление
К каждой теме в оглавлении приведена лекция, где плавно по шагам описываются ключевые идеи и т.д.
Отличный ресурс для погружения в Machine Learning
📎 Открытый курс по ML
@machinelearning_interview
🌟Библиотека YaFSDP, которая поможет сократить время обучения больших языковых моделей до 25%
Эту библиотеку Яндекс разработал в процессе обучения генеративной модели YandexGPT 3, а теперь и выложил в открытый доступ. Исходный код YaFSDP уже есть на GitHub.
🖥 GitHub
🟡 Статья
@machinelearning_interview
+3
📌Полезный репозиторий с материалами по статистике и ML-алгоритмам от Техасского университета
В частности, здесь описываются (вместе с визуализацией на Python) такие темы как:
— дерево решений
— метод PCA
— кластеризация методом k-means
— центральная предельная теорема
🟡 Jupyter Notebook'и
@machinelearning_interview
🌟 На Хабре рассказали про создание виртуального рассказчика, который умеет читать книги в режиме реального времени
Такая функция появилась в книжном сервисе Букмейт — рассказчик разработан на базе комплекса речевых технологий Яндекса, а воспроизведение текста максимально приближено к естественной речи. На данный момент функция доступна для 13000 книг.
Интегрировать речевые технологии в книжный сервис оказалось не так просто, поскольку в литературе встречаются необычные сокращения, слова и аббревиатуры — нейросети нужно знать, как правильно их произносить. Для этого модель обучают на длинных текстах, содержащих множество повествований и описаний.
▶️ Habr
@machinelearning_interview
+4
📌Годная подборка материалов по Machine Learning от университета из Амстердама
Здесь собраны интерактивные лекции по ML, которые покрывают многие темы, в частности:
— трансформеры
— SVM (машина поддерживающих векторов)
— Deep Learning
— теория вероятностей
— обработка и подготовка данных
— последовательности и работа с такими данными
▶️ Материалы по ML
@machinelearning_interview
Бесплатный вебинар по chatGPT "Создай нейро-сотрудника с нуля, без опыта программирования"
Вы узнаете как использовать chatGPT в профессиональных целях, создавать нейросотрудников на заказ и зарабатывать на ИИ.
Регистрируйтесь прямо сейчас - будьте в курсе всех новинок из мира AI.
Реклама. ООО "ТЕРРА ЭЙАЙ". ИНН 9728019395. erid: LjN8KXep2
+2
⚡️ Let's reproduce GPT-2 — 4-часовой ролик от Андрея Карпати, где он реализует GPT-2 с нуля
Очент полезное видео, здесь описывается весь процесс разработки:
— сначала строится сеть GPT-2
— затем оптимизируется её обучение, чтобы оно было действительно быстрым
— настраивается процесс обучения
— и после этого несколько часов модель обучается
В некоторых моментах для полного понимания нужны знания из плейлиста "Neural Networks: Zero to Hero"
🎞 YouTube
🖥 GitHub
@machinelearning_interview
Яндекс запустил Lite-версию генеративной текстовой модели YandexGPT 3
YandexGPT 3 Lite — это облегчённая версия генеративной модели Яндекса нового поколения. Особенность таких Lite-моделей заключается в более высокой скорости ответов, что позволяет решать простые задачи бизнеса буквально в режиме реального времени. Поэтому нейросеть хорошо показывает себя в сценариях, где важны время реакции и оптимизация затрат: например, бот-консультант на сайте, система подсказок для операторов колл-центров или суммаризатор результатов деловых встреч.
✈️ По данным замеров, YandexGPT 3 Lite стала ещё быстрее и точнее — и она уже доступна в режиме release candidate на облачной платформе Yandex Cloud. То есть клиенты могут протестировать её и плавно внедрить в свои продукты через API уже в ближайшее время.
Одним из ключевых этапов обучения модели стало выравнивание (Alignment), включающее в том числе стадию обучения с подкреплением (RL). В статье на Хабре - детали реализации Alignment и RL.
Яндекс запустил Lite-версию генеративной текстовой модели YandexGPT 3
YandexGPT 3 Lite — это облегчённая версия генеративной модели Яндекса нового поколения. Особенность таких Lite-моделей заключается в более высокой скорости ответов, что позволяет решать простые задачи бизнеса буквально в режиме реального времени. Поэтому нейросеть хорошо показывает себя в сценариях, где важны время реакции и оптимизация затрат: например, бот-консультант на сайте, система подсказок для операторов колл-центров или суммаризатор результатов деловых встреч.
✈️ По данным замеров, YandexGPT 3 Lite стала ещё быстрее и точнее — и она уже доступна в режиме release candidate на облачной платформе Yandex Cloud. То есть клиенты могут протестировать её и плавно внедрить в свои продукты через API уже в ближайшее время.
Одним из ключевых этапов обучения модели стало выравнивание (Alignment), включающее в том числе стадию обучения с подкреплением (RL). В статье на Хабре - детали реализации Alignment и RL.
+4
📌Machine Learning с нуля — годный ресурс по объяснению самых основ ML
Вот некоторые из рассматриваемых здесь тем:
— нейросети: концепция и реализация
— деревья решений
— регрессия: линейная/логистическая
🟡 ML с нуля
@machinelearning_interview
🌟 Отличная open-source книга про использование R в ML
Здесь подробно описывается, как реализовывать разные алгоритмы Machine Learning с помощью R;
от простой линейной/логистической регрессии до более сложных алгоритмов наподобие кластеризации методом k-means
🟡 Machine Learning с помощью R
@machinelearning_interview
📚Cracking the Data Science Interview: Unlock insider tips from industry experts to master the data science field (2024)
Эта книга предлагает экспертное руководство по прохождению собеседования с полной подготовкой и уверенностью в себе. Начиная с введения в современный ландшафт науки о данных, вы найдете советы по поиску работы, составлению резюме и созданию первоклассного портфолио. Затем вы перейдете к таким темам, как Python, базы данных SQL, Git и продуктивность работы с shell-сценариями и Bash. Опираясь на этот фундамент, вы погрузитесь в основы статистики, заложив фундамент для концепций предварительного моделирования, машинного обучения, глубокого обучения и генеративного ИИ. В конце книги вы узнаете, как лучше всего подготовиться к интенсивному собеседованию в области науки о данных.
Книга
+4
🌟 Визуализация основных понятий Machine Learning
Здесь очень наглядно объясняются разные концепции ML — алгоритм классификации, матрица рассеяния, дерево решений и т.д.
▶️ Визуализация
🟡 А вот и 2 часть
@machinelearning_interview
😑 Пользоваться нейронками
😎 Создавать нейронки
Только вот где этому научиться — разрабатывать модели и обучать ИИ? Обсуждаем в новом выпуске подкаста команды Tinkoff AI «Желтый Club Talks»
вместе с Варварой Смирновой, руководителем Тинькофф Образования, и Александром Дьяконовым, академическим руководителем направления искусственного интеллекта Центрального университета.
🔗 Кстати, в одном из выпусков инженеры обсуждали международные конференции для тех, кто делает ИИ. Анонсы шоу ребята публикуют в своем телеграм-канале Желтый AI. Также там они рассказывают про исследования, тренды индустрии, постят кастомные мемы и инсайды из поездок на топовые мероприятия.
Подписывайтесь, чтобы не потерять!
erid:2VtzqwzyLgV
Реклама. АО "Тинькофф Банк", ИНН 7710140679, лицензия ЦБ РФ № 2673
+4
⚡️ Топ 100 вопросов по Data Science и ML с собеседований
Вот некоторые из этих вопросов:
— в чём суть метода случайного леса?
— расскажи про преобразование Бокса-Кокса
— что такое обучение с подкреплением?
— что показывает ROC-кривая?
▶️ Вопросы и ответы
@machinelearning_interview
Стартовал набор в Академию Аналитиков Авито.
Это бесплатный образовательный онлайн-курс с практикой в реальном бигтехе.
Традиционно в Академии два направления: аналитик данных и DS-инженер.
Выбери, что ближе тебе, познакомься с требованиями к поступлению, программой и преподавателями на странице Академии. И спеши подать заявку!
⭐️ Сравниваем DBSCAN и OPTICS
Поговорим сегодня о 2 популярных алгоритмах кластеризации — DBSCAN и OPTICS, посмотрим их особенности и сравним
Поехали!
https://habr.com/ru/articles/818889/
@machinelearning_ru
+4
⚡️ Простое объяснение сложных концепций AI и ML на пальцах
Держите подборку полезных анимаций от Tom Yeh
Профессор очень просто объясняет такие понятия как MoE, умножение матриц, работу MLP в PyTorch, прямое/обратное распространение, работу GAN, устройство векторной БД и много всего ещё
▶️ Анимации с объяснением
@machinelearning_interview
🔥 На Хабре выбрали победителей конкурса «Технотекст» в номинации ML
Ими стали:
— Виктор Юрченко из Яндекса со статьей о том, как нейросети помогают беспилотным автомобилям планировать своё движение
— Игорь Котенков из Open Data Science с научно-популярной статьей-разбором работы ChatGPT
— Мурат Апишев со статьей о методах позиционного кодирования в Transformer
@machinelearning_interview
+4
🌟 Интерпретируемое машинное обучение — открытая книга от Christoph Molnar
Здесь можно найти ответы на многие вопросы по ML.
Вот некоторые из разделов:
— интерпретация нейросети
— дерево решений
— регрессия: линейная/логистическая
Большой упор сделан на подробное объяснение, поэтому детально разбираются такие кейсы:
— анализ комментариев на предмет спама
— построение модели регрессии по данным аренды велосипедов
— классификация причин возникновения рака
📎 Книга
@machinelearning_interview
