Available now! Telegram Research 2025 — the year's key insights 
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
Show more📈 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 293 879 subscribers, ranking 327 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 293 879 subscribers.
According to the latest data from 01 July, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -6 444 over the last 30 days and by -235 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 7.55%. Within the first 24 hours after publication, content typically collects 5.55% reactions from the total number of subscribers.
- Post reach: On average, each post receives 22 202 views. Within the first day, a publication typically gains 16 311 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 172.
- 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 02 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.
293 879
Subscribers
-23524 hours
-1 5517 days
-6 44430 days
Posts Archive
293 743
Финал близко! Международный челлендж Марафона ИТ-соревнований Роснефти 2021 года состоится 27 ноября в Москве и подведёт итог всей серии соревнований. В прошлом году за лидерство в рейтинге соревновались ИТ-специалисты из 28 стран.
В этот раз мы подготовили призовой фонд в 1 250 000 рублей*, сразу две интересные задачи, единомышленников и специалистов нефтяной компании для заведения полезных знакомств, а также ещё ряд приятных вещей.
Участники Rosneft Challenge 2021 (RC2021) будут решать две задачи. Первая задача – это идентификация северных оленей на аэрофотоснимках и выделение молодых особей, вторая – разработка веб-приложения для поиска объектов-аналогов в проектной документации по параметрам.
Мы ждём тех, кому интересно попробовать себя в решении реальных кейсов от нефтяного лидера! К участию в ИТ-соревновании допускаются команды до 4-х человек. Так что самое время подумать, кого из товарищей позвать на штурм Хакатона Роснефти. Можно зарегистрироваться и одному участнику, организаторы подберут команду.
Регистрация до 13 ноября: https://bit.ly/3FKhSYS
*До уплаты налогов.
293 743
📊ByteTrack: Multi-Object Tracking by Associating Every Detection Box
Github: https://github.com/ifzhang/ByteTrack
Paper: https://arxiv.org/abs/2110.06864
Dataset: https://paperswithcode.com/dataset/motchallenge
@ai_machinelearning_big_data
293 743
Привет! 8-11 ноября NVIDIA проводит свою конференцию в области ИИ, технологий и графики NVIDIA GTC. Конференция сейчас проходит онлайн, и участие в ней бесплатное.
GTС объединит главных отраслевых экспертов, которые расскажут о самых актуальных разработках по направлениям AI&Deep Learning, Robotics, Automotive, GPU programming, Data Science, Graphics и др, а также о непосредственном применении этих технологий в различных сферах бизнеса.
Всего в программе будет более 500 технологических сессий, включая выступления спикеров из OpenAI, PayPal, Tencent, Hugging Face, Amazon, Daimler Trucks, University of Oxford, Epic Games, Walmart, Mavenir а также МТС, Яндекс и стартапов-участников программы NVIDIA Inception.
Помимо этого, конечно же, ждем keynote CEO NVIDIA Дженсена Хуанга, который традиционно рассказывает об основных трендах на рынке и анонсирует все самые важные новости NVIDIA. Добавить напоминание в календарь
Поизучать программу и зарегистрироваться для бесплатного участия можно здесь.
293 743
LightSeq: A High Performance Library for Sequence Processing and Generation
Github: https://github.com/bytedance/lightseq
Paper: https://arxiv.org/abs/2110.05722v1
A Guide of LightSeq Training: https://github.com/bytedance/lightseq/blob/master/docs/guide.md
@ai_machinelearning_big_data
293 743
🌲 Learning High-Speed Flight in the Wild
Github: https://github.com/uzh-rpg/agile_autonomy
Project: http://rpg.ifi.uzh.ch/AgileAutonomy.html
Paper: http://rpg.ifi.uzh.ch/docs/Loquercio21_Science.pdf
Dataset: https://zenodo.org/record/5517791#.YV2zkGNfhhE
@ai_machinelearning_big_data
293 743
Вебинар Бесплатный ML Space на базе инструментов Intel oneAPI для всех желающих.
У нас отличные новости, инструменты Intel® oneAPI на облачной платформе ML Space стали доступны для физических лиц. Это значит, что любой желающий может бесплатно использовать набор программных инструментов для ускорения машинного обучения, анализа данных, разработки ПО.
На вебинаре вы узнаете:
— подробности об инструментах Intel® oneAPI;
— сценарии применения этих инструментов для построения ML-моделей;
— как получить бесплатный доступ к инструментам на платформе ML Space.
Вебинар будет полезен всем, кто интересуется data science.
Регистрируйтесь по ссылке.
Вебинар пройдёт — 14 октября 2021, четверг, 12:00
*SberCloud — облачный провайдер услуг и сервисов для физлиц, бизнеса и государственных организаций.
293 743
🧷 SHAP (SHapley Additive exPlanations) is a game theoretic approach to explain the output of any machine learning model.
Github: https://github.com/slundberg/shap
Paper: https://arxiv.org/abs/2110.03309v1
@ai_machinelearning_big_data
293 743
➡️ Pytorch Transfer Learning Library
Github: https://github.com/thuml/Transfer-Learning-Library
Paper: https://arxiv.org/abs/2110.02578v1
Dataset: https://paperswithcode.com/dataset/cityscapes
@ai_machinelearning_big_data
293 743
👉🏻 IT lecture - канал с бесплатными обучающими материалами по IT и технологиям
▪️ Сотни обучающих IT видео-курсов
▪️ Сотни записей крупных конференций и уроков на прокачку ваших скиллов
▪️ Раздача платных курсов на Udemy БЕСПЛАТНО
▪️ Переводы зарубежных статей от топовых IT специалистов
Программирование, Искусственный Интеллект, DevOps, Clouds, Веб-Дизайн, Базы Данных и многое другое.
Канал обязателен тем, кто хочет ускорить свое IT обучение и прокачать уже имеющиеся скиллы 👉🏻 https://t.me/itlecture
293 743
🎯 Darts: User-Friendly Modern Machine Learning for Time Series
Github: https://github.com/unit8co/darts
Paper: https://arxiv.org/abs/2110.03224v1
Examples: https://unit8co.github.io/darts/examples.html
@ai_machinelearning_big_data
293 743
🔍 FLAN: More generalizable Language Models with Instruction Fine-Tuning
Google research: https://ai.googleblog.com/2021/10/introducing-flan-more-generalizable.html
Github: https://github.com/google-research/FLAN
Paper: https://arxiv.org/abs/2109.01652
@ai_machinelearning_big_data
293 743
NVIDIA DGX A100 уже в Selectel!
NVIDIA DGX A100 — самое быстрое в мире решение для работы с ML и AI мощностью 5 петафлопс. Он отлично подойдет, если производительности обычных серверов уже не хватает, а современные задачи требуют высокопроизводительных вычислений.
Оставляйте заявку на нашем сайте, чтобы протестировать систему бесплатно: https://slc.tl/H4Cy6
Вместе с DGX A100 вы получите:
◾️Помощь с настройкой и тестированием от @Selectel и Forsite;
◾️Единую систему всех задач ИИ;
◾️Высокую плотность вычислений и производительность;
◾️Встроенную технологию безопасности — от контейнера до чипа.
293 743
🚀 Fast bottom-up method that jointly detects over 100 keypoints on humans or objects
Github: https://github.com/duncanzauss/keypoint_communities
Paper: https://arxiv.org/abs/2110.00988v1
Dataset: https://paperswithcode.com/dataset/coco
@ai_machinelearning_big_data
293 743
В сентябре 2021 года эксперты Art Recognition с помощью технологии, основанной на сверточных нейросетях, провели анализ картины Рубенса «Самсон и Далила». Искусственный интеллект выдал резюме: 91% вероятности, что картина не принадлежит кисти голландца. Описанный случай мог бы быть просто забавной новостью дня, если бы не другой факт: Национальная галерея Лондона купила «Самсона и Далилу» в 1980 году за 2,5 миллиона фунтов стерлингов (это примерно 6,6 миллиона фунтов стерлингов на современные деньги); картина стала третьим по стоимости произведением искусства из когда-либо проданных (на то время, конечно).
Неизвестно, как повлияет на стоимость картины вердикт ИИ (возможно, лишь подогреет интерес и повысит стоимость), но уже понятно, что умение работать с нейросетями и использовать навыки машинного обучения на практике дает компании неоспоримое преимущество — и мы еще не говорим о внедрении ИИ в бизнес.
А прямо сейчас расскажем и о внедрении.
На курсе «Управление AI/ML продуктами» менторы-эксперты Product Live учат инкапсулированию ИИ в бизнес-решения. Курс нужен продакт-менеджерам, основателям стартапов и руководителям компаний, менеджерам проектов и аналитика — тем, кто держит руку на пульсе и понимает: использовать силу ИИ в повседневных делах бизнеса не просто можно — необходимо.
На курсе учат:
Управлять командой Data Science-специалистов и ML-инженеров.
Внедрять в продуктовые решения прогнозирующие механизмы.
Разбираться в совокупности методов машинного обучения.
Прототипировать, тестировать и улучшать ИИ-продукт.
Разрабатывать Data Science-модели и выстраивать архитектуру систем машинного обучения.
Старт: 25 октября. Длительность: 4 месяца.
После курса вы можете сравнить себя прежнего, из 2021 года, с собой настоящим — и в январе 2022 ответить на вопрос: почему я не сделал это прежде?
А пока вопрос еще не задан, изучите программу курса и оставьте заявку здесь.
293 743
TSM: Temporal Shift Module for Efficient Video Understanding
Github: https://github.com/princeton-nlp/made
Website: https://hanlab.mit.edu/projects/tsm/
Paper: https://arxiv.org/abs/1811.08383
Dataset: https://paperswithcode.com/dataset/squad
@ai_machinelearning_big_data
293 743
Регистрация: https://futurevector.ru
▪️Как развитие искусственного интеллекта влияет на науку, образование и бизнес?
▪️Какой будет экономика цифровой эпохи?
Эти и другие вопросы 28 октября обсудят эксперты Всероссийской конференции «Вектор будущего: фронтирные научные исследования и технологии искусственного интеллекта».
Спикеры мероприятия – представители научных центров, ведущих вузов и крупнейших компаний России, в том числе «Газпром нефти», НИУ ВШЭ, «Биокада», «Яндекса».
Каждый может принять онлайн-участие в конференции бесплатно и задать вопросы спикерам.
▪️Регистрируйтесь на сайте ⤴️
293 743
🤖 MiniHack is a sandbox framework for easily designing rich and diverse environments for Reinforcement Learning
Github: https://github.com/facebookresearch/minihack
Facebook AI: https://ai.facebook.com/blog/minihack-a-new-sandbox-for-open-ended-reinforcement-learning/
Paper: https://arxiv.org/abs/2109.13202
Documentation: https://minihack.readthedocs.io/
@ai_machinelearning_big_data
293 743
⛈ Nowcasting the Next Hour of Rain
Github: https://github.com/deepmind/deepmind-research/tree/master/nowcasting
Paper: https://www.nature.com/articles/s41586-021-03854-z
Deepmind blog: https://deepmind.com/blog/article/nowcasting
@ai_machinelearning_big_data
293 743
🧠 С момента выкладки библиотеки CatBoost в опенсорс прошло 100 лет! (Это если считать в двоичной системе счисления). Но главная новость в другом: библиотека обновилась до версии 1.0.0 и достигла состояния «production ready». К примеру, серьёзно подросла скорость обучения и появилась поддержка Spark.
Более подробно обо всём этом читайте на Хабре: https://habr.com/ru/company/yandex/blog/580950/
@ai_machinelearning_big_data
293 743
🧍♂ PASS: Pictures without humAns for Self-Supervised Pretraining
PASS is a large-scale image dataset that does not include any humans, human parts, or other personally identifiable information.
Github: https://github.com/yukimasano/PASS
Paper: https://arxiv.org/abs/2109.13228v1
Dataset: https://paperswithcode.com/dataset/pass
Documentation: https://www.robots.ox.ac.uk/~vgg/research/pass/
@ai_machinelearning_big_data
