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 294 360 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 294 360 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.
294 360
Subscribers
-18824 hours
-1 5807 days
-6 39830 days
Posts Archive
294 308
Instruction Tuning with GPT-4
First attempt to use GPT-4 to generate instruction-following data for LLM finetuning.
Это репозиторий для GPT-4-LLM, целью которого является обмен данными, сгенерированными GPT-4 для построения LLM, с помощью контролируемого обучения и обучения с подкреплением.
🖥 Github: https://github.com/Instruction-Tuning-with-GPT-4/GPT-4-LLM
⏩ Paper: https://arxiv.org/abs/2304.03277v1
⏩ Project: https://instruction-tuning-with-gpt-4.github.io/
ai_machinelearning_big_data
294 308
Хотите быстро и эффективно погрузиться в мир искусственного интеллекта? Опыт программирования не важен!🤖
Всего за 3 вечера, под руководством наших экспертов в области ИИ, вы напишите 9 нейросетей и поймете как применить их на практике!👨💻
Какие нейронные сети вы создадите?
▫️Классификация людей на входящих и выходящих из автобуса
▫️Обнаружение возгораний
▫️Оценка стоимости квартир
▫️Оценка резюме соискателей
▫️Прогнозирование стоимости полиметаллов
▫️Сегментация изображений самолетов
▫️Распознавание команд умного дома
Наш интенсив идеально подходит для начинающих в области ИИ, а также для тех, кто хочет обновить свои знания и узнать о последних тенденциях.
Приходите на бесплатное обучение и напишите искусственный интеллект за 3 вечера💪
Регистрация по ссылке
294 308
Painter → SegGPT: Vision Foundation Models from BAAI
SegGPT, a generalist model for segmenting everything in context.
Фреймворк, которые объединяет различные задачи сегментации в универсальную контекстную систему обучения, которая подходит для различных типов сегментации.
🖥 Github: https://github.com/baaivision/painter
⏩ Paper: https://arxiv.org/abs/2304.03284v1
⏩ Demo: https://huggingface.co/spaces/BAAI/SegGPT
💨 Dataset: https://paperswithcode.com/dataset/youtube-vos
ai_machinelearning_big_data
294 308
🔥 Что такое согласованность данных и почему с ней все так сложно
Понятие согласованности данных сложное, неоднозначное и включает в себя широкий спектр определений, лишь частично совпадающих друг с другом. Команда VK Cloud перевела статью, в которой автор определяет термин «согласованность» в области распределенных БД и рассуждает на тему этой самой согласованности.
ai_machinelearning_big_data
294 308
+2StackLLaMA: A hands-on guide to train LLaMA with RLHF
In this post, we went through the entire training cycle for RLHF, starting with preparing a dataset with human annotations.
В этой статье блога мы покажем все этапы обучения модели LlaMa для ответов на вопросы на Stack Exchange с RLHF.
🤗 Hugging face: https://huggingface.co/blog/stackllama
⏩ Demo: https://huggingface.co/spaces/philschmid/igel-playground
💨 Dataset: https://huggingface.co/datasets/HuggingFaceH4/stack-exchange-preferences
📌 Paper: https://arxiv.org/abs/2302.13971
ai_machinelearning_big_data
294 308
Компьютерное зрение — технология, которая превращает настоящее в будущее. Уже сейчас ИИ с нами каждый день — направляет роботов-пылесосов и снимает блокировку телефона по FaceID. А в ближайшие 20 лет, по прогнозам экспертов, мы сможем легко купить себе беспилотный автомобиль, прокатиться на поезде без машиниста или получить диагноз от ИИ в районной больнице.
Если у вас есть опыт в Data Science — научитесь обучать CV-модели и работайте с передовыми технологиями. Для этого Яндекс Практикум запускает курс «Компьютерное зрение на базе нейронных сетей».
В программе — «три кита» компьютерного зрения: классификация, детекция и сегментация. За 3 месяца вы обучите модели, которые умеют:
— определять границы и сетку для пазла Судоку,
— узнавать настроение человека по фотографии;
— выявлять элементы дорожного движения для беспилотного автомобиля.
— сегментировать спутниковые снимки, чтобы определять местоположение объекта.
Вы освоите полный цикл работы с CV-моделями с нуля до релиза. А ещё — будете учиться у наставников — экспертов в области компьютерного зрения.
Записывайтесь в первый поток и работайте над технологиями, о которых писали фантасты.
294 308
Segment Anything
The Segment Anything Model (SAM) produces high quality object masks from input prompts such as points or boxes, and it can be used to generate masks for all objects in an image.
Новая модель от Meta - Segment Anything, нейросеть, которая в один клик может вырезать любой объект из фото или видео.
🖥 Github: https://github.com/facebookresearch/segment-anything
⭐️ Project: https://segment-anything.com/
⏩ Paper: https://arxiv.org/abs/2304.02643v1
💨 Dataset: https://segment-anything.com/dataset/index.html
ai_machinelearning_big_data
294 308
+1WeakTr: Exploring Plain Vision Transformer for Weakly-supervised Semantic Segmentation
🖥 Github: https://github.com/hustvl/weaktr
⏩ Paper: https://arxiv.org/abs/2304.01184v1
💨 Dataset: https://paperswithcode.com/dataset/imagenet
ai_machinelearning_big_data
294 308
Ищем учеников на бесплатное обучение по созданию искусственного интеллекта с нуля. Опыт программирования не важен!🤖
Всего за 3 вечера под руководством Дмитрия Романова - основателя Университета Искусственного Интеллекта, лидера обучения AI-разработке в РФ, вы с легкостью напишете свой первый искусственный интеллект👨💻
Какие нейронные сети вы создадите?
▫️Классификация людей на входящих и выходящих из автобуса
▫️Обнаружение возгораний
▫️Оценка стоимости квартир
▫️Оценка резюме соискателей
▫️Прогнозирование стоимости полиметаллов
▫️Сегментация изображений самолетов
▫️Распознавание команд умного дома⠀
Лучше освоить навыки создания нейронных сетей вам помогут домашние задания с проверкой от кураторов.⠀
Приходите на бесплатное обучение и напишите искусственный интеллект за 3 вечера💪
Регистрация по ссылке
294 308
⭐️ HuggingGPT: Solving AI Tasks with ChatGPT and its Friends in HuggingFace
Language serves as an interface for LLMs to connect numerous AI models for solving complicated AI tasks!
Система, использующая LLM (например, ChatGPT) для подключения различных моделей ИИ в сообществах машинного обучения (например, HuggingFace) для решения задач ИИ.
🖥 Github: https://github.com/dbolya/tomesd
⏩ Paper: https://arxiv.org/abs/2303.17604v1
ai_machinelearning_big_data
294 308
⚡️Token Merging for Stable Diffusion
Token Merging (ToMe) speeds up transformers by merging redundant tokens, which means the transformer has to do less work.
Используя только чистый python и pytorch, Token Merging для SD ускоряет генерацию изображений в 2 раза, за счет объединения лишних токенов.
pip install tomesd
🖥 Github: https://github.com/dbolya/tomesd
⏩ Paper: https://arxiv.org/abs/2303.17604v1
💨 Blog: https://research.facebook.com/blog/2023/2/token-merging-your-vit-but-faster/
ai_machinelearning_big_data294 308
Пока вы тренируете ИИ, чтобы совершенствовать навыки, развивать науку, создать стартапы, другие тренируют его, чтобы украсть ваши идеи, код, криптоактивы, деньги со счетов - выкрасть все, что имеет хоть какую-либо ценность.
Или вы думаете, что ребята из Северной Кореи тренируют ИИ, чтобы он про Ким Чен Ыну оды писал? На даркнет площадках уже вовсю идет работа по использованию ИИ в сложных атаках на простых пользователей.
Ваша задача не только заработать, но и не потерять. Удивительно, но ИИ, который используется злоумышленниками, можно использовать и для защиты данных. Мы будем говорить обо всем этом на CyberWeekend, с 5 по 15 апреля. И мы ждем тебя, мероприятие бесплатное, подписывайся на канал и будь в курсе событий.
294 308
vid2vid-zero for Zero-Shot Video Editing
We propose vid2vid-zero, a simple yet effective method for zero-shot video editing.
Мы предлагаем vid2vid-zero, простой, но эффективный метод редактирования видео.
🖥 Github: https://github.com/baaivision/vid2vid-zero
⏩ Paper: https://arxiv.org/abs/2303.17599v1
💨 Dataset: https://paperswithcode.com/dataset/sounddescs
ai_machinelearning_big_data
294 308
Ищем учеников на бесплатное обучение по созданию искусственного интеллекта с нуля. Опыт программирования не важен!🤖
Всего за 3 вечера под руководством Дмитрия Романова - основателя Университета Искусственного Интеллекта, лидера обучения AI-разработке в РФ, вы с легкостью напишете свой первый искусственный интеллект👨💻
Какие нейронные сети вы создадите?
▫️Классификация людей на входящих и выходящих из автобуса
▫️Обнаружение возгораний
▫️Оценка стоимости квартир
▫️Оценка резюме соискателей
▫️Прогнозирование стоимости полиметаллов
▫️Сегментация изображений самолетов
▫️Распознавание команд умного дома⠀
Лучше освоить навыки создания нейронных сетей вам помогут домашние задания с проверкой от кураторов.⠀
Приходите на бесплатное обучение и напишите искусственный интеллект за 3 вечера💪
Регистрация по ссылке
294 308
WavCaps: A ChatGPT-Assisted Weakly-Labelled Audio Captioning Dataset for Audio-Language Multimodal Research
Propose a three-stage processing pipeline for filtering noisy data and generating high-quality captions, where ChatGPT.
Конвейер обработки для фильтрации зашумленных данных и создания высококачественных титров, где ChatGPT.
🖥 Github: https://github.com/xinhaomei/wavcaps
⏩ Paper: https://arxiv.org/abs/2303.17395v1
💨 Dataset: https://paperswithcode.com/dataset/sounddescs
ai_machinelearning_big_data
294 308
⚠️Пройдите тест на углубленные знания в сфере Machine Learning
🔓 Вырвитесь из однотипных задач. Освойте продвинутые подходы.
Ответьте на 10 вопросов и проверьте, насколько вы готовы к обучению на углубленном курсе - «Machine Learning. Advanced» от OTUS и его партнера — Сбера.
⏰ Время прохождения теста ограничено 30 минут
📌 РЕЗУЛЬТАТ ПРОХОЖДЕНИЯ КУРСА:
Вы освоите продвинутые приемы машинного обучения, которые позволят вам уверенно себя чувствовать на ведущих Middle/ Senior позициях и справляться даже с нестандартными задачами.
Протестируйте обучение на открытом уроке:
✅ Байесовское А/B-тестирование — https://otus.pw/peDS/
🖌ПРОЙТИ ТЕСТ:
https://otus.pw/dXVx/
Реклама. Информация о рекламодателе на сайте otus.ru
294 308
3D Line Mapping Revisited
LIMAP is a toolbox for mapping and localization with line features.
Интерфейсы для различных геометрических операций над 2D/3D линиями.
🖥 Github: https://github.com/cvg/limap
⏩ Paper: https://arxiv.org/abs/2303.17504v1
💨 Dataset: https://paperswithcode.com/dataset/hypersim
ai_machinelearning_big_data
294 308
Системная и бизнес-аналитика: чем занимаются специалисты этого направления в банке? Узнаешь на лекции Digital Лектория Газпромбанк.Тех.
Александр Чунаев, Head профессии по системному анализу в розничном блоке, расскажет:
— чем уникальна работа системного и бизнес-аналитика в крупной компании
— какие компетенции и навыки необходимы востребованным специалистам
— что из терминологии и инструментов аналитики является основным стеком бизнес-аналитиков
— как выглядит карьерный путь в сфере аналитики.
Когда: 7 апреля, 16:00 (по МСК)
Регистрируйся на вебинар — s.gpb.ru/m/xt9YoS5DI
И готовь вопросы спикеру: авторы трех самых интересных получат памятный приз от Газпромбанк.Тех!
294 308
DPF: Learning Dense Prediction Fields with Weak Supervision
🖥 Github: https://github.com/cxx226/dpf
⏩ Paper: https://arxiv.org/abs/2303.16890v1
💨 Dataset: https://paperswithcode.com/dataset/pascal-context
ai_machinelearning_big_data
294 308
🔉 Три темы, которые затронут на апрельском Дзен-митапе про рекомендательные системы:
1. Факторизация: как обучить её в реальном времени и перенести с ALS на SGD;
2. Как сэкономить вычислительные ресурсы во время обучения рекомендательных систем;
3. Как улучшить рекомендации и способы отбора кандидатов для пользователя.
После докладов участников ждут ML-квиз и афтепати, на котором можно будет познакомиться с единомышленниками. Митап начнется 13 апреля в 19:00 в московском офисе Дзена.
Переходите по ссылке и регистрируйтесь
