Machinelearning

Open in 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

Network:Machinelearning Russia1 276 Technologies & Applications326...

📈 Analytical overview of Telegram channel Machinelearning

Channel Machinelearning (@ai_machinelearning_big_data) in the Russian language segment is an active participant. Currently, the community unites 293 260 subscribers, ranking 326 in the Technologies & Applications category and 1 276 in the Russia region.

📊 Audience metrics and dynamics

Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 293 260 subscribers.

According to the latest data from 04 July, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -6 366 over the last 30 days and by -131 over the last 24 hours, overall reach remains high.

Verification status: Not verified
Engagement rate (ER): The average audience engagement rate is 7.35%. Within the first 24 hours after publication, content typically collects 5.62% reactions from the total number of subscribers.
Post reach: On average, each post receives 21 569 views. Within the first day, a publication typically gains 16 480 views.
Reactions and interaction: The audience actively supports content: the average number of reactions per post is 168.
Thematic interests: Content is focused on key topics such as openai, claude, api, gemini, контекст.

📝 Description and content policy

The author describes the resource as a platform for expressing subjective opinions:
“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”

Thanks to the high frequency of updates (latest data received on 05 July, 2026), the channel maintains relevance and a high level of publication reach. Analytics show that the audience actively interacts with content, making it an important point of influence in the Technologies & Applications category.

293 260

Subscribers

-13124 hours

-1 4647 days

-6 36630 days

21 569

Post views

~ 16 48024 hours

~ 18 29048 hours

7.35%

Engagement rate

~ 6

Posts per day

Ads index

beta

Posts Archive

293 258

A Gentle Introduction to Linear Regression With Maximum Likelihood Estimation https://machinelearningmastery.com/linear-regression-with-maximum-likelihood-estimation/

293 258

ICCV 2019 papers open access http://openaccess.thecvf.com/ICCV2019.py Workshops: http://openaccess.thecvf.com/ICCV2019_workshops/menu.py

293 258

Разработчики из России сделали нейросеть, которая отслеживает зарождение новых трендов на ранних этапах. Идея о небелковых авторах новостей не нова. Многие из вас наверняка уже читали тексты сгенерированные нейросетями. И сейчас я вам хочу рассказать про Signum.ai. Их система ИИ в режиме реального времени анализирует более 300 тысяч площадок (форумы, блоги, аккаунты в соцсетях) и отслеживает зарождение новых трендов на ранних этапах. По своей сути Signum.ai — это аналитические дайджесты, которые мне очень напоминают рассылку Business Insider Intelligence. Тут ML технологии сосредоточены не на красоте повествования, а на ценности содержимого. Советую вам всем посмотреть на Signum.ai и поддержать отечественного производителя своим любопытством.

293 258

Learning to Smell: Using Deep Learning to Predict the Olfactory Properties of Molecules https://ai.googleblog.com/2019/10/learning-to-smell-using-deep-learning.html Machine Learning for Scent: Learning Generalizable Perceptual Representations of Small Molecules https://arxiv.org/abs/1910.10685

293 258

Deepfake Detection Challenge: AWS and new academics join, initial data set released https://ai.facebook.com/blog/deepfake-detection-challenge-aws-and-new-academics-join/ The Deepfake Detection Challenge (DFDC) Preview Dataset https://arxiv.org/abs/1910.08854?fbclid=IwAR2F6Z-BVoxoc9TlhUYIx-yMkMF9XzkbWj38Hj0HYK5tFJ6zYNXfwUzsP6w https://deepfakedetectionchallenge.ai/?fbclid=IwAR0b0AhrWFUMzwOaZuZMhv8UVrCu7Jcfj5_I66rwvL54089bI4ysNNYWbz4

293 258

Audio and Visual Quality Measurement using Fréchet Distance http://ai.googleblog.com/2019/10/audio-and-visual-quality-measurement.html

293 258

Успейте на акцию со скидками 40% и осваивайте самую востребованную технологию искусственного интеллекта на выгодных условиях! Хотите в сжатые сроки получить практические навыки по программированию глубоких нейронных сетей? В SkillFactory в ноябре стартует курс онлайн-курс "Deep Learning и нейронные сети" https://clc.to/7KlVNw (при поддержке NVIDIA Corporation). Здесь вы: попробуете свои силы в создании нейронной сети для распознавания рукописных цифр, обучении рекурентной сети задачам прогнозирования временных рядов, разработке нейросетевого чат-бота, создании модели для идентификации лиц и др. Курс основан на практике. Фокус и упор мы делаем не на математическом фундаменте, а именно на понимании задач и практическом применении решений. Узнайте больше о возможностях: https://clc.to/7KlVNw

293 258

Graph Representation Learning https://grlearning.github.io/papers/ Awesome Graph Classification https://github.com/benedekrozemberczki/awesome-graph-classification

293 258

A Gentle Introduction to Cross-Entropy for Machine Learning https://machinelearningmastery.com/cross-entropy-for-machine-learning/

293 258

Benchmarking Transformers: PyTorch and TensorFlow https://medium.com/huggingface/benchmarking-transformers-pytorch-and-tensorflow-e2917fb891c2

293 258

Naive Bayes Classifier From Scratch in Python https://machinelearningmastery.com/naive-bayes-classifier-scratch-python/

293 258

Video Architecture Search http://ai.googleblog.com/2019/10/video-architecture-search.html Evolving Space-Time Neural Architectures for Videos https://github.com/google-research/google-research/tree/master/evanet Tiny Video Networks https://arxiv.org/abs/1910.06961

293 258

Open-sourcing ReAgent, a modular, end-to-end platform for building reasoning systems https://ai.facebook.com/blog/open-sourcing-reagent-a-platform-for-reasoning-systems/ interactive tutorial: http://reagent.ai/rasp_tutorial.html

293 258

Deep recommender models using PyTorch https://github.com/maciejkula/spotlight

293 258

Solving Rubik’s Cube with a Robot Hand https://openai.com/blog/solving-rubiks-cube/ paper: https://d4mucfpksywv.cloudfront.net/papers/solving-rubiks-cube.pdf video: https://www.youtube.com/playlist?list=PLOXw6I10VTv9HODt7TFEL72K3Q6C4itG6

293 258

How-to Get Started with Machine Learning on Arduino https://medium.com/tensorflow/how-to-get-started-with-machine-learning-on-arduino-7daf95b4157 TensorFlow Lite for Microcontrollers https://github.com/tensorflow/tensorflow/tree/master/tensorflow/lite/experimental/micro TensorFlow Lite for Microcontrollers https://www.tensorflow.org/lite/microcontrollers/overview

293 258

Open-sourcing mvfst-rl, a research platform for managing network congestion with reinforcement learning https://ai.facebook.com/blog/open-sourcing-mvfst-rl-a-research-platform-for-managing-network-congestion-with-reinforcement-learning/ code: https://github.com/facebookresearch/mvfst-rl

293 258

A collection of infrastructure and tools for research in neural network interpretability https://github.com/tensorflow/lucid

293 258

A Gentle Introduction to Information Entropy https://machinelearningmastery.com/what-is-information-entropy/

293 258

Benchmarking Every Open Source Model https://sotabench.com