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 294 532 subscribers, ranking 330 in the Technologies & Applications category and 1 280 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 294 532 subscribers.
According to the latest data from 28 June, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -6 398 over the last 30 days and by -188 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 7.71%. Within the first 24 hours after publication, content typically collects 5.45% reactions from the total number of subscribers.
- Post reach: On average, each post receives 22 724 views. Within the first day, a publication typically gains 16 062 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 175.
- 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 29 June, 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.
294 532
Subscribers
-18824 hours
-1 5807 days
-6 39830 days
Posts Archive
294 524
Как устроены ChatGPT, Siri, Алиса и Маруся — и какие навыки нужны, чтобы запускать такие продукты?
Узнайте у Владимира Васильева, руководителя направления из «Сбера», разрабатывающего русскую версию ChatGPT.
Регистрируйтесь на бесплатный онлайн-практикум от ТГУ и Skillfactory 29 августа в 17:00 мск.
За 1,5 часа вы:
— изучите ключевые задачи и навыки для работы с NLP;
— погрузитесь в мировые тренды развития анализа естественного языка;
— поймете с чего начать карьеру в NLP.
Регистрация по ссылке БЕСПЛАТНО: https://go.skillfactory.ru/&erid=LatgC5uSw
Реклама, ООО «Скилфэктори», ИНН: 9702009530
294 524
+3🚀 Introducing IDEFICS: An Open Reproduction of State-of-the-Art Visual Language Model
An open-access visual language model. IDEFICS is based on Flamingo, a state-of-the-art visual language model initially developed by DeepMind, which has not been released publicly.
IDEFICS - это модель с открытым доступом визуального языка , разработанной компанией Deepmind. Как и GPT-4, мультимодальная модель принимает на вход произвольные последовательности изображений и текстов и выдает на выходе текст. IDEFICS построена исключительно на основе общедоступных данных и моделей.
Модель может отвечать на вопросы об изображениях, описывать визуальное содержимое, создавать истории на основе нескольких изображений или просто вести себя как чистая языковая модель без визуального ввода.
☑️ Model: https://huggingface.co/HuggingFaceM4/idefics-80b-instruct
🖥 Github: https://github.com/huggingface/blog/blob/main/idefics.md
⭐️ Demo: https://huggingface.co/spaces/HuggingFaceM4/idefics_playground
🤗 HF: https://huggingface.co/WizardLM
ai_machinelearning_big_data
294 524
Делимся с вами полезным IT event-ом, который пройдет онлайн в этот четверг:
Куда развивается разработка в e-com? 🛒
E-com — индустрия с высокой конкуренцией. Поэтому сложных IT-задач там достаточно: highload, персонализация и необходимость оперативно запускать новые продукты и масштабироваться.
24 августа на бесплатной онлайн-конференции E-COMMUNITY руководители разработки из СберМаркета, Ozon, X5 и Lamoda поделятся свежими технологическими кейсами в архитектуре, ML, бэкенде и DevOps.
Присоединяйся к E-COMMUNITY, если интересно узнать про настоящее и будущее IT в e-com.
Регистрация по ссылке
🗓 24 августа, 16:00-20:00 мск • Онлайн
294 524
⚡📢SeamlessM4T
SeamlessM4T is designed to provide high quality translation, allowing people from different linguistic communities to communicate effortlessly through speech and text.
Meta выпустила самый мощный нейро-переводчик на сегодняшний день. SeamlessM4T понимает более 100 языков и умеет осуществлять все типы переводов: из текста в текст, из речи в текст, из текста в речь и даже из речи в речь.
▪Github
▪Article
▪Demo
▪Hugging face
ai_machinelearning_big_data
294 524
+1☄️Dataset Quantization
DQ is able to generate condensed small datasets for training unseen network architectures with state-of-the-art compression ratios for lossless model training.
Квантование наборов данных (DQ) - новая схема сжатия больших наборов данных в небольшие сабсеты, которые могут быть использованы для обучения любых нейросетевых архитектур.
git clone https://github.com/vimar-gu/DQ.git
cd DQ
🖥 Github: https://github.com/magic-research/dataset_quantization
📕 Paper: https://arxiv.org/abs/2308.10524v1
☑️ Dataset: https://paperswithcode.com/dataset/gsm8k
ai_machinelearning_big_data294 524
💻 Хочешь работать с масштабными цифровыми продуктами? Учись обрабатывать большие данные
MLOps — все более популярный среди компаний способ повышения производительности и создания надежных моделей корпоративного уровня.
✅ Владение инструментами MLOps открывает новые карьерные горизонты специалистам ML, Data Scientist’ам и Software инженерам.
💪 Ответьте на 10 вопросов и проверьте, насколько вы готовы к обучению на продвинутом курсе «MLOps» от OTUS.
Успей присоединиться к группе, курс стартует 31 августа!
✍️ ПРОЙТИ ТЕСТ: https://otus.pw/P1XwO/
Нативная интеграция. Информация о продукте www.otus.ru294 524
+2🪄WizardLM: Empowering Large Pre-Trained Language Models to Follow Complex Instructions
Model outperforms ChatGPT-3.5, Claude Instant-1, PaLM-2 and Minerva on GSM8k, simultaneously surpasses Text-davinci-002, PaLM-1 and GPT-3 on MATH.
Фреймворк WizardMath, который расширяет способности Llama-2 к математическому мышлению, применяя метод Reinforcement Learning from Evol-Instruct Feedback (RLEIF) к области математики.
WizardMath с существенным отрывом превосходит все остальные LLM с открытым исходным кодом в решение мат. задач.
🖥 Github: https://github.com/nlpxucan/wizardlm
📕 Paper: https://arxiv.org/abs/2308.09583v1
🤗 HF: https://huggingface.co/WizardLM
☑️ Dataset: https://paperswithcode.com/dataset/gsm8k
ai_machinelearning_big_data
294 524
💨CoDeF: Content Deformation Fields for Temporally Consistent Video Processing
Новый фреймворк для переноса создания любого стиля на видео.
🖥 Github: https://github.com/qiuyu96/codef
☑️ Project: https://qiuyu96.github.io/CoDeF/
📕 Paper: https://arxiv.org/abs/2308.07926
⭐️ Demo: https://ezioby.github.io/CoDeF_Demo/
ai_machinelearning_big_data
294 524
👁 MeViS: A Large-scale Benchmark for Video Segmentation with Motion Expressions
Новый крупномасштабный датасет MeViS для сегментации движущихся объектов на основе текстового ввода.
🖥 Github: https://github.com/henghuiding/MeViS
☑️ Evaluation Server: https://codalab.lisn.upsaclay.fr/competitions/15094
📕 Paper: https://arxiv.org/abs/2308.08479
⭐️ Dataset: https://codalab.lisn.upsaclay.fr/competitions/15094
ai_machinelearning_big_data
294 524
⚡Легкий способ получать свежие обновлении и следить за трендами в разработке на вашем языке. Находите свой стек и подписывайтесь:
Машинное обучение: @ai_machinelearning_big_data
Go: @Golang_google
C#: @csharp_ci
Базы данных: @sqlhub
Python: @python_job_interview
C/C++/: @cpluspluc
Data Science: @data_analysis_ml
Devops: @devOPSitsec
Rust: @rust_code
Javascript: @javascriptv
React: @react_tg
PHP: @phpshka
Docker: @docker
Android: @android_its
Мобильная разработка: @mobdevelop
Linux: linuxacademy
Big Data: t.me/bigdatai
Хакинг: @linuxkalii
Java:@javatg
Собеседования: @machinelearning_interview
💼 Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
🔥ИТ-Мемы: t.me/memes_prog
🇬🇧Английский: @english_forprogrammers
294 524
FLAIR: A Foundation LAnguage Image model of the Retina
🖥 Github: https://github.com/jusiro/flair
📕 Paper: https://arxiv.org/pdf/2308.07898v1.pdf
🔥 Dataset: https://paperswithcode.com/dataset/imagenet
@ai_machinelearning_big_data
294 524
+1✔️ DeDoDe: Detect, Don't Describe -- Describe, Don't Detect for Local Feature Matching
Новая мощная система распознавания, описание и сопоставления изображений.
3d объектов .
🖥 Github: https://github.com/parskatt/dedode
☑️ TensorRT: https://github.com/fabio-sim/DeDoDe-ONNX-TensorRT
📕 Paper: https://arxiv.org/abs/2308.08479
⭐️ Demos: https://github.com/Parskatt/DeDoDe/blob/main/demo
ai_machinelearning_big_data
294 524
Курс «Английский для аналитиков» Яндекс Практикума
Для специалистов, которые хотят изменить свою профессиональную жизнь и работать в международной команде.
Обучение построено вокруг рабочих ситуаций и полезных для карьеры навыков:
🗣 Самопрезентация. Рассказ о своей роли, задачах, сфере ответственности на поведенческом интервью и в неформальной беседе.
🙌 Работа в команде. Стендапы, планирование спринтов, демонстрация навыков командной работы на собеседовании.
👨💻 Общение с заказчиками и исполнителями. Сбор требований у стейкхолдеров и постановка задач для разработчиков.
📈 Презентация результатов работы. Выступление на митапах, неформальное общение с коллегами из отрасли.
📝 Обсуждение решений по проекту. Генерация и аргументация идей, участие в мозговых штурмах.
🚀 Рефлексия и самоанализ. Ретроспектива, ревью, ответы на сложные вопросы.
Запишитесь на бесплатную консультацию. Кураторы определят ваш уровень языка и расскажут подробнее про обучение.
294 524
🧑💻DeciCoder: A new open-source LLM, specialized for generating code in Python, Java, and Javascript.
🚀Новый LLM с открытым исходным кодом, специализированный для генерации кода на языках Python, Java и Javascript.
Авторегрессивная языковая модель, отличающаяся исключительной производительностью и эффективным использованием памяти.
- parameters: 1 B
- dataset: 'The Stack' dataset
- supports: Python, Javascript, Java
- context: 2048 tokens
▪Model
▪Colab
▪Dataset
ai_machinelearning_big_data
294 524
⚡️🧑💻 Сберовский ИИ GigaChat вышел в мир
Нейросеть интегрировали с голосовым ассистентом Салют — теперь он доступен в умных колонках SberBoom и запускается голосовой командой «Салют, включи GigaChat».
Тем, у кого пока нет колонок, воспользоваться Гигачатом можно по ссылке.
294 524
✍ EasyEdit: An Easy-to-use Knowledge Editing Framework for Large Language Models
EasyEdit, demonstrating that knowledge editing surpasses traditional fine-tuning in terms of reliability and generalization.
Новый фреймворк для настройки и редактирования ответов больших языковых моделей. EasyEdit работает с LlaMA-2, GPT-J, Llama, GPT-NEO, GPT2, T5 и другими популярными моделями(поддерживаются модели от 1B до 65B).
🖥 Github: https://github.com/zjunlp/easyedit
📕 Paper: https://arxiv.org/abs/2308.07269v1
⭐️ Demo: http://knowlm.zjukg.cn/demo_edit
🎓Online Tutorial: https://colab.research.google.com/drive/1zcj8YgeqttwkpfoHXz9O9_rWxFFufXSO?usp=sharing
☑️ Docs: https://zjunlp.gitbook.io/easyedit
🤓 Dataset: https://drive.google.com/file/d/1IVcf5ikpfKuuuYeedUGomH01i1zaWuI6/view?usp=sharing
ai_machinelearning_big_data
294 524
🔥Platypus: Quick, Cheap, and Powerful Refinement of LLMs
Family of fine-tuned and merged LLMs that achieves the strongest performance and currently stands at first place in HuggingFace's
Cемейство точно настроенных больших языковых моделей (LLM), которое достигло самой высокой производительности и в настоящее время занимает первое место в открытой таблице лидеров LLM HuggingFace на момент выхода этой статьи
Модель 13B Platypus может быть обучена на одном GPU A100 на 25 тыс. вопросов за 5 часов!
git clone https://github.com/lm-sys/FastChat.git
cd FastChat
🖥 Github: https://github.com/arielnlee/Platypus
💻 Project: https://platypus-llm.github.io/
📕 Paper: https://arxiv.org/abs/2308.07317v1
⭐️ Dataset: https://huggingface.co/datasets/garage-bAInd/Open-Platypus
ai_machinelearning_big_data294 524
🏅 Партнер Сбера BI.ZONE провел отборочные соревнования по этичному хакингу CTFZone
В квалификационном этапе приняли участие 1326 команд из 117 стран мира — 10 победителей из России, Индонезии, Китая, Южной Кореи, Чехии и Франции посоревнуются в финале в ноябре. Первые три места получат 10 тыс., 5 тыс. и 3 тыс. долларов соответственно. Всего в отборочных необходимо было решить 26 заданий в 7 категориях: спортивное программирование, эксплуатация уязвимостей, расследование кибератак, криптография и другие направления в сфере кибербезопасности.
ai_machinelearning_big_data
294 524
⚡️🧑💻 Awesome AI-Powered Developer Tools
Это список инструментов для разработчиков, основанных на искусственном интеллекте. Эти инструменты используют ИИ для помощи разработчикам в решении таких задач, как написание кода, рефакторинг, отладка, создание документации и т. д.
▪Githib
ai_machinelearning_big_data
