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
293 714
🧍♂ 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
293 714
AlphaRotate: A Rotation Detection Benchmark using TensorFlow
Github: https://github.com/yangxue0827/RotationDetection
Paper: https://arxiv.org/abs/2109.11906v1
Dataset: https://paperswithcode.com/dataset/dota
Documentation: https://rotationdetection.readthedocs.io/en/latest/
@ai_machinelearning_big_data
293 714
Unseen Object Amodal Instance Segmentation (UOAIS)
Github: https://github.com/gist-ailab/uoais
Paper: https://arxiv.org/abs/2109.11103
Dataset: https://paperswithcode.com/dataset/ocid
Project: https://sites.google.com/view/uoais
@ai_machinelearning_big_data
293 714
🦄 1inch : app that which will help you enter the world of crypto
App Store: 1inch DeFi Wallet
Buy crypto for fiat: https://jn3rg.app.link/fooJGL92Ajb
Telegram community: https://t.me/OneInchNetworkChan
@ai_machinelearning_big_data
293 714
📥 Don’t be Contradicted with Anything!CI-ToD: Towards Benchmarking Consistency for Task-oriented Dialogue System
Github: https://github.com/yizhen20133868/ci-tod
Paper: https://arxiv.org/abs/2109.11292v1
Dataset: https://paperswithcode.com/dataset/kvret-1
@ai_machinelearning_big_data
293 714
🚀 Building AI that can generate images of things it has never seen before
Github: https://github.com/facebookresearch/ic_gan
Facebook Ai: https://ai.facebook.com/blog/instance-conditioned-gans/
Documents: https://facebookresearch.github.io/CompilerGym/
Paper: https://arxiv.org/abs/2109.05070
@ai_machinelearning_big_data
293 714
Data Science - большой бум в IT-сфере.
Специалисты этой области являются одними и самых востребованных, зарабатывают +200к в месяц и их все еще не хватает на рынке! Вливайся, пока ниша еще не переполнена и у тебя есть возможность стремительно вырасти!
Если ты только начинаешь свой путь в DataSience или застрял на месте и не знаешь, как и куда расти дальше -
приходи на бесплатный интенсив от ProductStar «От 0 до +200к в месяц: Карьерный план для Data Science».
Ребята развеют все твои сомнения, ответят на самые насущные вопросы и даже помогут выстроить карьерный план!
Ты узнаешь:
- Топ-5 ошибок новичков на старте, из-за которых карьера сильно замедляется
- Фишки и секреты быстрой прокачки навыков, необходимых для роста в Data Science
- Сколько можно получать на старте, сколько через год, какой потолок?
- Как устроиться на первую работу? Как правильно выбирать компанию?
А также получишь доступ к отдельному чату с единомышленниками
Когда состоится:
23 сентября в 19:00
Регистрируйся и взбирайся вверх по карьерной лестнице: https://is.gd/0ejFpM
293 714
🤖 CompilerGym: Robust, Performant Compiler Optimization Environments for AI Research
CompilerGym is a library of easy to use and performant reinforcement learning environments for compiler tasks.
Github: https://github.com/facebookresearch/CompilerGym
Documents: https://facebookresearch.github.io/CompilerGym/
Paper: https://arxiv.org/abs/2109.08267v1
@ai_machinelearning_big_data
293 714
Language Models are Few-shot Multilingual Learners
Github: https://github.com/gentaiscool/few-shot-lm
Paper: https://arxiv.org/abs/2109.07684v1
@ai_machinelearning_big_data
293 714
Dynamic Slimmable Network (DS-Net)
Github: https://github.com/M3DV/AlignShift
Paper: https://arxiv.org/abs/2109.10060v1
@ArtificialIntelligencedl
293 714
📚 The Machine & Deep Learning Compendium Open Book
https://book.mlcompendium.com/
GitBook: https://github.com/orico/www.mlcompendium.com
@ai_machinelearning_big_data
293 714
❓ Simple Entity-Centric Questions Challenge Dense Retrievers
Github: https://github.com/princeton-nlp/entityquestions
Paper: https://arxiv.org/abs/2109.08535v1
Dataset: https://paperswithcode.com/dataset/natural-questions
@ai_machinelearning_big_data
293 714
📄 Revisiting Mask-Head Architectures for Novel Class Instance Segmentation
https://ai.googleblog.com/2021/09/revisiting-mask-head-architectures-for.html
DeepMAC model: https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/deepmac.md
Paper: https://arxiv.org/abs/2104.00613
@ai_machinelearning_big_data
293 714
Вашему стартапу нужна поддержка?
Акселератор MTS AI объявляет новый набор!
Попав в акселератор, ваш проект получает глубокую техническую и бизнес-экспертизу, тестирование на реальных потребителях, а также возможность финансирования, в том числе за счет различных инвесторов.
Команда стартапа сможет проверять свои гипотезы и ИИ-алгоритмы с помощью суперкомпьютера. А еще получит бесценную поддержку со стороны успешных предпринимателей и экспертов из Apple, Facebook, Google, Samsung, Nvidia, с опытом работы в США, Китае, Израиле и странах Европы.
Чтобы попасть в Акселератор MTS AI, отправляйте заявку до конца сентября сюда
Carpe Diem!293 714
☄️ Uncertainty-Aware Machine Translation Evaluation
Code: https://github.com/Unbabel/COMET
Paper: https://arxiv.org/abs/2109.06352v1
Documentation: https://unbabel.github.io/COMET/html/index.html
@ai_machinelearning_big_data
293 714
DensePhrases is an extractive phrase search tool based on your natural language inputs
Github: https://github.com/princeton-nlp/DensePhrases
Paper: https://arxiv.org/abs/2109.08133v1
Dataset: https://paperswithcode.com/dataset/squad
@ai_machinelearning_big_data
293 714
🗳 Image Shape Manipulation from a Single Augmented Training Sample
Github: https://github.com/eliahuhorwitz/DeepSIM
Paper: https://arxiv.org/abs/2109.06151v1
Dataset: https://paperswithcode.com/dataset/cityscapes
Project: http://www.vision.huji.ac.il/deepsim
@ai_machinelearning_big_data
293 714
Рынку требуются специалисты по Data Science уровня PRO! Обучение берём на себя, подходит даже новичкам!
Что ждет новичка в этой профессии:
-Очень высокая востребованность. Существует «кадровый голод» в этой области. По данным HeadHunter 500 компаний, включая Сбербанк, «Яндекс» и «Тинькофф», ищут специалистов по Data Science даже без опыта.
-Уровень зарплаты вас приятно удивит. Ещё бы, при такой востребованности! 100 000 рублей - зарплата начинающего специалиста.
-Профессия Data Scientist будет в топе актуальных ещё пару ваших жизней точно, потому что Big Data — это то, от чего в ближайшее столетие не откажутся ни наука, ни экономика, ни бизнес.
-Дата-сайентисту открывается доступ к большим объёмам данных. Эти специалисты могут работать на благо науки и бизнеса, делать прогнозы, к примеру на курс доллара и обвал акций, персонализировать рекламу.
Переходите по ссылке: https://clc.to/GSuWhw, чтобы зарегистрироваться на курс или получить бесплатную консультацию
293 714
📖 Physics-Based Deep Learning
Book: https://www.physicsbaseddeeplearning.org/intro.html
Github: https://github.com/thunil/Physics-Based-Deep-Learning
Deep-Flow-Prediction: https://github.com/thunil/Deep-Flow-Prediction
Paper: https://arxiv.org/abs/2109.05237v1
@ai_machinelearning_big_data
293 714
🔧 Neural Networks Block Movement Pruning
Code: https://github.com/huggingface/nn_pruning
Paper: https://arxiv.org/abs/2109.04838v1
Documentation: https://github.com/huggingface/nn_pruning/blob/main/docs/HOWTO.md
@ai_machinelearning_big_data
