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 279 Technologies & Applications331...

📈 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 294 753 subscribers, ranking 331 in the Technologies & Applications category and 1 279 in the Russia region.

📊 Audience metrics and dynamics

Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 294 753 subscribers.

According to the latest data from 27 June, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -6 411 over the last 30 days and by -195 over the last 24 hours, overall reach remains high.

Verification status: Not verified
Engagement rate (ER): The average audience engagement rate is 7.72%. Within the first 24 hours after publication, content typically collects 5.41% reactions from the total number of subscribers.
Post reach: On average, each post receives 22 754 views. Within the first day, a publication typically gains 15 946 views.
Reactions and interaction: The audience actively supports content: the average number of reactions per post is 179.
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 28 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.

294 753

Subscribers

-19524 hours

-1 5847 days

-6 41130 days

22 754

Post views

~ 15 94624 hours

~ 17 78748 hours

7.72%

Engagement rate

~ 6

Posts per day

Ads index

beta

Posts Archive

294 708

🚀 Gold-YOLO: Efficient Object Detector via Gather-and-Distribute Mechanism Gold-YOLO, which boosts the multi-scale feature fusion capabilities and achieves an ideal balance between latency and accuracy across all model scales. Модель Gold-YOLO-N достигает выдающегося результата в обнаружении объектов и превосходит предыдущую модель SOTA YOLOv6-3.0-N с аналогичным FPS. 🖥 Github: https://github.com/huawei-noah/Efficient-Computing/tree/master/Detection/Gold-YOLO 📕 Paper: https://arxiv.org/abs/2309.11331v2 ⏩ Dataset: https://paperswithcode.com/dataset/coco ai_machinelearning_big_data?boost - boost to see premium content

294 708

Click If you want see ML stories КЛикните, если вы хотите увидеть истории ML от нашего канала https://t.me/ai_machinelearning_big_data?boost

294 708

🏆 LongLoRA: Efficient Fine-tuning of Long-Context Large Language Models 13B and 70B 32k models with the supervised fine-tuning, which is feasible for long context LongLoRA - эффективный подход к файнтюнингу, позволяющий расширить размер контекста предварительно обученных больших языковых моделей (БЯМ) при ограниченных вычислительных затратах. 🖥 Github: https://github.com/dvlab-research/longlora 📕 Paper: https://arxiv.org/abs/2309.12307v1 ⭐️ Demo: https://b3cfcf9e79ff42df5f.gradio.live/ ⏩ Dataset: https://paperswithcode.com/dataset/pg-19 ai_machinelearning_big_data

294 708

Примите участие в AI Challenge - международном конкурсе по искусственному интеллекту для молодежи от Сбера Это отличная возможность для школьников и выпускников до 18 лет получить знания и навыки в области искусственного интеллекта, а также приобрести друзей со всего мира. Участники будут соревноваться в пяти направлениях: от медицины до креативных индустрий. Отбор пройдет в 4 этапа: регистрация, командная работа, финальный этап с защитой перед экспертами и награждение. Призовой фонд разделят победители в каждом направлении. Зарегистрироваться можно прямо сейчас на сайте конкурса.

294 708

🚀Break-A-Scene: Extracting Multiple Concepts from a Single Image Given method can learn a distinct token for each concept, and use natural language guidance to re-synthesize the individual concepts or combinations of them in various contexts Новый Фреймворк от Google для декомпозиции сцен из изображений . 🖥 Github: https://github.com/google/break-a-scene 📕 Paper: https://arxiv.org/abs/2305.16311 ⏩ Project: https://omriavrahami.com/break-a-scene/ 📌 Video: https://www.youtube.com/watch?v=-9EA-BhizgM ai_machinelearning_big_data

294 708

🔥 Мы в Yandex for Developers запускаем четыре новых канала для разработчиков Теперь Yandex for — это целая семья телеграм-каналов по разным направлениям: фронтенд, бэкенд, мобильная разработка и ML. В каждом из них мы будем рассказывать всё о жизни определённого комьюнити инженеров внутри Яндекса — начиная с анонсов всех стековых мероприятий и заканчивая техническими подборками от разработчиков, интервью с инженерами и полезной информацией по найму. А в этом большом телеграм-канале мы продолжим рассказывать про главные события Яндекса для разработчиков, уже не боясь немножечко поднадоесть вам. Давайте обсуждать технологии, знакомиться и развивать сообщество инженеров: ➡️ Yandex for Mobile ➡️ Yandex for Frontend ➡️ Yandex for Backend ➡️ Yandex for ML В общем, переходите на наши каналы — всё самое интересное только начинается! Подписывайтесь 👉 @Yandex4Developers Реклама. ООО "Яндекс". erid: 2VtzqvyJJuX

294 708

😠 GPTFUZZER : Red Teaming Large Language Models with Auto-Generated Jailbreak Prompts Fuzzer maintains over 90% attack success rate against ChatGPT and Llama-2 models. Новый фреймворк для фаззинга , созданный на основе фреймворка AFL. Вместо ручного проектирования fuzzer автоматизирует генерацию шаблонов джейлбрейка для LLM. 🖥 Github: https://github.com/sherdencooper/gptfuzz 📕 Paper: https://arxiv.org/abs/2309.10253v1 ⏩ Dataset: https://sites.google.com/view/llm-jailbreak-study ai_machinelearning_big_data

294 708

❗️ Как стать высокооплачиваемым специалистом в ML? 👉 Совершенствуй мастерство ML в сообществе единомышленников на открытом уроке 26 сентября в 20:00 мск — «Алгоритм PCA как один из популярных Unsupervised алгоритмов ML» 🔹 Зачастую нам приходится проецировать многомерные данные на плоскость либо в пространство меньшей размерности. На открытом уроке вы узнаете, что из себя представляет задача снижения размерности 📌 Результаты урока: Вы изучите основные техники снижения размерности и изучите метод PCA 👉 РЕГИСТРАЦИЯ https://otus.pw/2w31/ Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963. erid: LjN8KLmha

294 708

📊 PAMS: Platform for Artificial Market Simulations Artificial market simulation is a multi-agent simulation and run virtual markets on your computer. Имитация искусственных рынков - это многоагентное моделирование и запуск виртуальных рынков на вашем компьютере. На искусственных рынках существуют виртуальные рынки и виртуальные агенты, имитирующие реальных трейдеров. С помощью искусственного моделирования рынков мы можем анализировать механизмы того, что происходит на реальных рынках. $ pip install pams 🖥 Github: https://github.com/masanorihirano/pams 📕 Paper: https://arxiv.org/abs/2309.10729v1 ⏩ Docs: https://pams.hirano.dev/ ai_machinelearning_big_data

294 708

dall-e-3 is here ! https://openai.com/dall-e-3

294 708

Открылась регистрация на международный чемпионат по программированию Yandex Cup с призовым фондом в 7,8 млн рублей Участники могут выбрать среди шести направлений: аналитика, фронтенд- и бэкенд-разработка, мобильная разработка, машинное обучение и «Алгоритм», посвящённый спортивному программированию — последний пройдёт не только на русском, но и английском языке. Задания Yandex Cup составляют сотрудники Яндекса на основе тех задач, с которыми сталкиваются в повседневной работе. При этом чемпионат посетит большое количество опытных разработчиков, а участвовать могут разработчики разного уровня — участвовать могут как студенты, так и сеньоры. ai_machinelearning_big_data

294 708

Правила и стратегии для обеспечения точных и надежных данных X5 Tech проводит Data Quality Meetup На митапе 27 сентября расскажут о том, как измеряется качество данных, для чего нужен этот показатель, почему специализированный инструмент Ataccama ONE недостаточно специализирован для нужд компании и как его дорабатывают. 🔹 В онлайн формате выступят спикеры X5 Tech: ведущие менеджеры по качеству данных Наталья Цой и Анастасия Щедрякова, а также Лилия Скляр, руководитель направления и по совместительству модератор события. 🔔 Старт в 18:00 Регистрация и подробности тут Участие бесплатное Реклама. ООО "Корпоративный центр ИКС 5", ИНН 7728632689 , erid: LjN8KSdBV

294 708

⛓️🛠️ ChainForge: A Visual Toolkit for Prompt Engineering and LLM Hypothesis Testing Среда визуального программирования с открытым исходным кодом для создания промптов, проведения экспериментов и оперативной оценки LLM. pip install chainforge 🖥 Github: https://github.com/ianarawjo/ChainForge ⭐️ Project: https://chainforge.ai 📕 Paper: https://arxiv.org/abs/2309.09128v1 ai_machinelearning_big_data

294 708

Команда VK Cloud недавно запустила новый канал о работе с данными — Данные на стероидах. В нем ребята публикуют подборки интересного контента по темам Data science, ML и Big Data. Например, рассказывают, про планирование и жизненный цикл ML-проектов, из-за чего происходят и как избежать утечек при работе с ML, или как создавать футуристичные графики с помощью Python. Помимо прочего, в канале много полезной информации о работе с данными, архитектуре дата-решений и новостей российского и международного Data-сообщества. 👉🏻 Подписывайтесь на канал Данные на стероидах, будет интересно!

294 708

🦙 LLaVA: Large Language and Vision Assistant LLaVA - новая комплексная мультимодальную модель, которая подробно объяснит любое изображение .

git clone https://github.com/haotian-liu/LLaVA.git
cd LLaVA

🖥 Github: https://github.com/haotian-liu/LLaVA 📕 Paper: https://arxiv.org/pdf/2309.09958v1.pdf ⭐️ Datasets: https://paperswithcode.com/dataset/mmlu ai_machinelearning_big_data

294 708

SmartDev 2023 — большая конференция про технологии от Сбера 21 сентября в кинотеатре «Октябрь» пройдет технологическая конференция SmartDev 2023, организованная Сбером. На одной площадке соберутся ведущие инженеры и разработчики из Сбера, VK, Яндекса, Kaspersky и других компаний, чтобы обменяться опытом создания лучших технологических решений в мире. Основные темы конференции: – Машинное обучение и искусственный интеллект – Архитектура программных решений – DevOps – Работа с большими данными – Безопасность приложений – Инновации и стратегии в разработке ПО Помимо этого впервые в России можно услышать выступление генерального директора Gitee, китайского аналога GitHub.Yong Xu. Также участники конференции смогут задать вопросы создателям нашумевших проектов от Сбера — сервиса GigaChat и нейросети Kandinsky. Конференция соберёт 1500 участников в офлайне и несколько тысяч зрителей в онлайне. Участие бесплатное, подробности и регистрация — на сайте конференции.

294 708

🚀Breathing New Life into 3D Assets with Generative Repainting Новая модель. которая переносит возможности генеративных моделей 2D-изображений, таких как Stable Diffusion, в 3D. Проект позволяет получить яркие генерации 3D-объектов в различных категориях форм. 🖥 Github: https://github.com/kongdai123/repainting_3d_assets ☑️ Demo: https://www.obukhov.ai/repainting_3d_assets 🖥 Colab: https://colab.research.google.com/drive/18mDpuYO5TuI6tSkQk9ls2rS9sciNpR-c?usp=sharing 📕 Paper: https://arxiv.org/abs/2309.08523v1 ⭐️ Datasets: https://paperswithcode.com/dataset/shapenet ai_machinelearning_big_data

294 708

🫦 HDTR: A Real-Time High-Definition Teeth Restoration Network for Arbitrary Talking Face Generation Methods Talking Face Generation - новый проект для реконструкции движений лица для достижения высокой естественности движений губ из аудио. 🖥 Github: https://github.com/yylgoodlucky/HDTR-Net 📕 Paper: https://arxiv.org/abs/2309.07495v1 ⭐️ Datasets: https://paperswithcode.com/dataset/lrs2 ai_machinelearning_big_data

294 708

🔥Free Certification Courses from Microsoft to try in 2023: Бесплатные сертификационные курсы от Microsoft, которые можно пройти в 2023 году. 1. Get started with Microsoft data analytics https://learn.microsoft.com/en-us/training/paths/data-analytics-microsoft 2. Prepare data for analysis with Power BI https://learn.microsoft.com/en-us/training/paths/prepare-data-power-bi 3. Model data with Power BI https://learn.microsoft.com/en-us/training/paths/model-data-power-bi 4. Build Power BI visuals and reports https://learn.microsoft.com/en-us/training/paths/build-power-bi-visuals-reports 5. Data analysis in Power BI https://coursya.com/product/microsoft-power-bi-data-analyst 6. Visualize data in Power BI https://coursya.com/product/build-power-bi-visuals-and-reports-training 7. Model data in Power BI https://coursya.com/product/power-bi-for-beginners-designing-a-data-model 8. Prepare data for analysis https://coursya.com/product/prepare-data-for-analysis-training 9. Get started with Microsoft data analytics https://coursya.com/product/get-started-with-microsoft-data-analytics-training 10. Microsoft Certified: Power BI Data Analyst Associate https://coursya.com/product/microsoft-certified-power-bi-data-analyst-associate-certifications ai_machinelearning_big_data

294 708

💥 MMICL: Empowering Vision-language Model with Multi-Modal In-Context Learning MMICL is a multimodal vision-language model with the ability to analyze and understand multiple images, as well as follow instructions. MMICL - это хорошо продуманная модель с датасетом, которая позволяет беспрепятственно интегрировать визуальный и текстовый контекст в чередующемся виде для разработки крупных мультимодальных моделей. 🖥 Github: https://github.com/haozhezhao/mic 📕 Paper: https://arxiv.org/abs/2309.07915v1 ⭐️ Datasets: https://paperswithcode.com/dataset/mmbench ai_machinelearning_big_data