现已上线！2025 年 Telegram 研究 — 年度关键洞察 
Machinelearning
前往频道在 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
显示更多📈 Telegram 频道 Machinelearning 的分析概览
频道 Machinelearning (@ai_machinelearning_big_data) 俄语 语言赛道中的 是活跃参与者。目前社区聚集了 294 360 名订阅者，在 技术与应用 类别中位列第 330，并在 俄罗斯 地区排名第 1 280 位。
📊 受众指标与增长动态
自 невідомо 创建以来，项目保持高速增长，吸引了 294 360 名订阅者。
根据 28 六月, 2026 的最新数据，频道保持稳定运转。过去 30 天订阅人数变化为 -6 398，过去 24 小时变化为 -188，整体触达仍然可观。
- 认证状态： 未认证
- 互动率 (ER)： 平均受众互动率为 7.71%。内容发布后 24 小时内通常能获得 5.45% 的反应，占订阅者总量。
- 帖子覆盖： 每篇帖子平均可获得 22 724 次浏览，首日通常累积 16 062 次浏览。
- 互动与反馈： 受众积极参与，单帖平均反应数为 175。
- 主题关注点： 内容集中在 openai, claude, api, gemini, контекст 等核心主题上。
📝 描述与内容策略
作者将该频道定位为表达主观观点的平台：
“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”
凭借高频更新（最新数据采集于 29 六月, 2026），频道始终保持新鲜度与高覆盖。分析显示受众积极互动，使其成为 技术与应用 类别中的关键影响点。
294 360
订阅者
-18824 小时
-1 5807 天
-6 39830 天
帖子存档
294 413
🔊 AudioGPT: Understanding and Generating Speech, Music, Sound, and Talking Head
Multi-modal AI system named AudioGPT, which complements LLMs (i.e., ChatGPT) with 1) foundation models to process complex audio information and solve numerous understanding and generation tasks
AudioGPT: Генерирование речи, музыки, звука и говорящих аватаров.
🖥 Github: https://github.com/aigc-audio/audiogpt
⏩ Paper: https://arxiv.org/abs/2304.12995v1
🤗 Hugging face: https://huggingface.co/spaces/AIGC-Audio/AudioGPT
📌 Dataset: https://paperswithcode.com/dataset/c4
ai_machinelearning_big_data
294 413
Как можно использовать ChatGPT в IT-менеджменте
Можно ли менеджеру спрашивать совета у ChatGPT? Можно ли проводить или проходить собеседования с помощью искусственного интеллекта? Как использовать нейросеть в управлении бизнесом?
Ведущие подкаста «Для tech и этих» вместе с директором по анализу больших данных в СберМаркете рассказали, как и для чего можно использовать ChatGPT менеджерам и инженерам. Слушайте выпуск по ссылке: bit.ly/41VpORi
294 413
Track anything
Project developed upon Segment Anything, can specify anything to track and segment via user clicks only.
Track-Anything - это гибкий и интерактивный инструмент для отслеживания и сегментации видео.
🖥 Github: https://github.com/gaomingqi/track-anything
⏩ Paper: https://arxiv.org/abs/2304.11968v1
🤗 Hugging face: https://huggingface.co/spaces/watchtowerss/Track-Anything
📌 Dataset: https://paperswithcode.com/dataset/davis-2017
ai_machinelearning_big_data
294 413
ChatGPT: создаем ИИ без единой строчки кода
Бесплатно покажем, как создать нейросеть полностью только запросами к ChatGPT! Без единой строчки кода написанной руками!
Получи запись прямо сейчас!
☝А еще у нас крутые интенсивы на которых ученики пишут собственные нейронки без опыта программирования - это тоже Бесплатно
294 413
Collaborative Diffusion for Multi-Modal Face Generation and Editing
Multi-modal controls, framework synthesizes high-quality images consistent with the input conditions.
Проект, который позволяет использовать несколько модальностей для управления созданием и редактированием лица.
🖥 Github: https://github.com/ziqihuangg/collaborative-diffusion
⏩ Project: https://ziqihuangg.github.io/projects/collaborative-diffusion.html
⏩ Paper: https://arxiv.org/abs/2304.10530v1
⭐️ Dataset: https://paperswithcode.com/dataset/celeba-dialog
ai_machinelearning_big_data
294 413
📌 Как Airflow и k8s помогают строить эффективный конвейер?
📆 Узнайте 27 апреля в 20:00 на открытом уроке в OTUS. Вебинар приурочен к старту онлайн-курса «MLOps».
⚠️ На этом занятии мы построим свой конвейер обучения моделей на Airflow и k8s.
➡️ Для участия нужно зарегистрироваться:
https://otus.pw/M29e/
Нативная интеграция. Информация о продукте www.otus.ru294 413
Count anything
An empirical study on few-shot counting using segment anything
Исследование использования метода SAM для сложной задачи подсчета объектов по нескольким снимкам.
🖥 Github: https://github.com/vision-intelligence-and-robots-group/count-anything
⏩ Paper: https://arxiv.org/abs/2304.10817v1
🤗 Hugging face: https://huggingface.co/spaces/nebula/counting-anything
📌 Dataset: https://drive.google.com/file/d/1ymDYrGs9DSRicfZbSCDiOu0ikGDh5k6S/view?usp=sharing
ai_machinelearning_big_data
294 413
+1Сбер запускает новую нейролингвистическую модель GigaChat.
GigaChat может ответить как быстро справиться с тревогой или подсказать, как справиться с грустью и улучшить настроение. Но, помимо этого, нейросеть генерирует ответы и на другие вопросы с помощью метода supervised fine-tuning, reinforcement learning with human feedback, а также на нейросетевом ансамбле NeONKA (NEural Omnimodal Network with Knowledge-Awareness).
GigaChat расширяет опыт взаимодействия с поисковыми запросами и учитывает контекст во время генерации ответа. И все это на русском языке.
На данный момент GigaChat находится в статусе закрытого бета-тестирования. Если вас привлекает перспектива стать одним из первых пользователей, получивших бесплатный доступ после его официального релиза, переходите по ссылке в Телеграм-канал.
294 413
+2📸 Omni Aggregation Networks for Lightweight Image Super-Resolution
Omni Self-attention paradigm for simultaneous spatial and channel interactions,mining all the potential correlations across omni-axis.
Omni-SR, легковесный фреймворк для получения высокого разрешения изображений.
🖥 Github: https://github.com/francis0625/omni-sr
⏩ Paper: https://arxiv.org/abs/2304.10244v1
⭐️ Dataset: https://paperswithcode.com/dataset/manga109
ai_machinelearning_big_data
294 413
А вы уже успели приобрести жильё по программе льготной ипотеки для IT-специалистов? Нет? Тогда эта новость для вас!
Застройщик ЛСР предлагает в апреле скидки всем, кто оформит IT-ипотеку:
1% — на однокомнатную квартиру или студию;
2% — на двухкомнатную квартиру;
3% — на 3-5-комнатную квартиру.
Скидка предоставляется на покупку недвижимости во всех объектах застройщика. Еще один момент: важно быть сотрудником компании-партнёра ЛСР.
Что делать, если ваша компания не является партнёром застройщика? Подать заявку на её включение в список! Важно: требования к компании включают аккредитацию Минцифры России и использование налоговых льгот.
Подробнее об акции здесь.
Реклама. ООО "ЛСР. НЕДВИЖИМОСТЬ-СЗ" LjN8K2f4Y
294 413
🧑💻 Learning to Program with Natural Language
This project introduces the Learning to Program (LP) method, which aims to learn the task program in text form from the training set using Large Language Models (LLMs) themselves.
Новый проект от Microsoft представляет метод Learning to Program (LP), который позволяет использовать естественный язык в качестве языка программирования для описания процедур задач, делая их легко понятными как для людей, так и для LLM.
🖥 Github: https://github.com/microsoft/naturallanguageprogram
⏩ Paper: https://arxiv.org/pdf/2304.10464v1.pdf
⭐️ Dataset: https://paperswithcode.com/dataset/math
ai_machinelearning_big_data
294 413
LLM Zoo: democratizing ChatGPT
Model "Phoenix", achieving competitive performance among open-source English and Chinese models while excelling in languages with limited resources
LLM Zoo - это проект, который предоставляет данные, модели и бенчмарки для больших языковых моделей.
🖥 Github: https://github.com/freedomintelligence/llmzoo
⏩ Paper: https://arxiv.org/abs/2304.10453v1
⭐️ Parameters: https://huggingface.co/FreedomIntelligence/phoenix-chat-7b
ai_machinelearning_big_data
294 413
Understanding INT4 Quantization for Transformer Models: Latency Speedup, Composability, and Failure Cases
В данной работе исследуется возможность использования квантования INT4 для языковых моделей и показываем.
🖥 Github: https://github.com/microsoft/DeepSpeed
⏩ Paper: https://arxiv.org/pdf/2301.12017v1.pdf
⭐️ Dataset: https://paperswithcode.com/dataset/multinli
ai_machinelearning_big_data
294 413
Практический вебинар VK Cloud: Погружение в MLflow API. Готовые рецепты и сценарии использования
⏰ Когда: 4 мая, 16:00 по Москве
📍 Регистрация
На вебинаре спикеры покажут основные этапы работы с ML-моделями в MLflow. Вы узнаете, как оценивать и сравнивать модели и выводить их в production.
В программе:
🔹 Принципы работы с MLflow на Jupyter в облаке и решение основных задач: логирования метрик, моделей и параметров.
🔹Сравнение различных ML-моделей и экспериментов с помощью извлеченных метрик.
🔹 Разбор большинства методов MLflow API.
🔹 Деплой ML-модели и демонстрация основных сценариев использования на практике.
Спикеры:
— Александр Волынский, технический менеджер продукта Cloud ML Platform, VK Cloud
— Сергей Артюхин, преподаватель курса «Симулятор ML», karpov.courses
Вебинар будет полезен дата-сайентистам, MLOps- и DevOps-инженерам и аналитикам данных.
Зарегистрироваться
294 413
Stability AI запускает первый набор языковых моделей StableLM
This repository contains Stability AI's ongoing development of the StableLM series of language models and will be continuously updated with new checkpoints. The following provides an overview of all currently available models. More coming soon.
StableLM предназначена для генерации текста и кода и будет использоваться в различных приложениях. Модель обучена и полностью готова к использованию всеми желающими абсолютно бесплатно. В данный момент готовы к использованию языковые модели с 3B и 7B (3 и 7 млрд.) параметрами.
🖥 Github: https://github.com/Stability-AI/StableLM
🤗 Hugging face: https://huggingface.co/spaces/stabilityai/stablelm-tuned-alpha-chat
ai_machinelearning_big_data
294 413
Inpaint Anything: Segment Anything Meets Image Inpainting
Inpaint Anything is able to remove the object smoothly.
"Inpaint Anything" - новый проект, который позваоляет удалить / заполнить / заменить что угодно на картинке (помощью промпта).
🖥 Github: https://github.com/geekyutao/Inpaint-Anything
⏩ Paper: https://arxiv.org/abs/2304.06790
⭐️ Dataset: https://segment-anything.com/dataset/index.html
ai_machinelearning_big_data
294 413
💻 Навык работы с большими данными открывает путь в ведущие IT-корпорации. Обычно такие корпорации используют MLOps — способ повышения производительности и создания надежных моделей корпоративного уровня.
📊 Занимаетесь дата-инжинирингом и хотите выйти на новый уровень? Эксперты топовых компаний обучат вас необходимым навыкам на практическом онлайн-курсе «MLOps» от OTUS.
👉 Определите свой уровень подготовки с помощью теста — https://otus.pw/UB4x/
🔥 Пройдете тест, получите велкам-скидку и доступ к 2 предстоящим открытым урокам:
✔️ Построим свой конвейер обучения моделей на Airflow и k8s.
✔️ DataFrame API: от Dask к PySpark
294 413
💻 Graph classification with Transformers
This notebook shows how to fine-tune the Graphormer model for Graph Classification on a dataset available on the hub.
В этой статье мы рассмотрим, как можно выполнять классификацию графов с помощью библиотеки Transformers.
🤗Hugging face blog: https://huggingface.co/blog/graphml-classification
⏩ Intro to Graphs: https://t.me/ai_machinelearning_big_data/3214
🖥 Github: https://github.com/huggingface/blog/blob/main/notebooks/graphml-classification.ipynb
⏩ Paper: https://arxiv.org/abs/2106.05234
⭐️Dataset: https://ogb.stanford.edu/
ai_machinelearning_big_data
294 413
Разработчики, архитекторы, Data Science и R&D-специалисты Нижнего Новгорода, вы здесь? Сбер приглашает вас на инженерный митап RecSys Community, который пройдет 25 апреля в Сo-working Garage 💻
О чем расскажут спикеры?
✔️ Рассмотрят подходы к применению трансформеров в рекомендательных системах и поделятся успешными кейсам.
✔️ Покажут, как используют AmazMe для обработки персонализированных и мультимодальных рекомендаций.
✔️ Раскроют все секреты, какие изменения помогли сделать рекомендательную систему поиска друзей такой точной.
Конечно же, на митапе будут Q&A-сессии, кофе-брейк, розыгрыш мерча и интересное общение. Встречаемся 25 апреля в Co-working Garage по адресу: ул. Октябрьская, д.35. Сбор гостей в 18:30.
Зарегистрироваться!⚡️
294 413
📝 An open, billion-scale corpus of images interleaved with text.
MultimodalC4 is a multimodal extension of c4 that interleaves millions of images with text.
Открытый миллиардный корпус изображений, чередующихся с текстом.
🖥 Github: https://github.com/allenai/mmc4
⏩ Paper: https://arxiv.org/abs/2304.06939v1
⭐️ Dataset: https://paperswithcode.com/dataset/c4
ai_machinelearning_big_data
