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 281 Technologies & Applications326...

📈 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 293 457 subscribers, ranking 326 in the Technologies & Applications category and 1 281 in the Russia region.

📊 Audience metrics and dynamics

Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 293 457 subscribers.

According to the latest data from 02 July, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -6 464 over the last 30 days and by -249 over the last 24 hours, overall reach remains high.

Verification status: Not verified
Engagement rate (ER): The average audience engagement rate is 7.49%. Within the first 24 hours after publication, content typically collects 5.71% reactions from the total number of subscribers.
Post reach: On average, each post receives 21 989 views. Within the first day, a publication typically gains 16 765 views.
Reactions and interaction: The audience actively supports content: the average number of reactions per post is 173.
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 03 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.

293 457

Subscribers

-24924 hours

-1 5267 days

-6 46430 days

21 989

Post views

~ 16 76524 hours

~ 18 67648 hours

7.49%

Engagement rate

~ 6

Posts per day

Ads index

beta

Posts Archive

293 431

Up Great technology contest READ//ABLE stimulates the development of new approaches to machine learning. It gives great opportunities for NLP developers. Join us for the next AI breakthrough! Task: to develop an AI product capable of successfully identifying semantic and factual errors in academic essays at the specialist level within the limited time. Prize: 100 million rubles for each language: Russian or English Dataset: https://bit.ly/34279IC A set of text essay files in Russian and English is a usable tool for specialists in the field. The dataset will be replenished. Info and terms of participation: https://bit.ly/3kGdTBZ

293 431

Understanding the Role of Individual Units in a Deep Neural Network Examine two types of networks that contain interpretable units: networks trained to classify images of scenes, and networks trained to synthesize images of scenes. https://dissect.csail.mit.edu/ Github: https://github.com/davidbau/dissect Website: https://www.pnas.org/content/early/2020/08/31/1907375117 Paper: https://arxiv.org/pdf/2009.05041.pdf

293 431

Согласно исследованию Академии больших данных MADE и портала HH.ru, специалисты по анализу данных — одни из самых востребованных на рынке. В 2019 году вакансий в области анализа данных стало больше в 9,6 раза, чем в 2015 году. Спрос на дата-сайентистов постоянно растет, как и их зарплаты (в среднем — 140 000 рублей). В SkillFactory стартует обновленный курс-тренажёр «Data Science». Python, машинное обучение, нейросети и deep learning, основы Big Data и Data engineering — всё это вы освоите на практических задачах и хакатона. А если что-то будет непонятно — менторы всегда на связи. К концу обучения у вас будет готовое портфолио, а лучшие студенты будут трудоустроены. 🚀Запишитесь на курс со скидкой 30%: https://clc.am/ihHAyQ

293 431

TorchKGE: Knowledge Graph Embedding in Python and PyTorch https://torchkge.readthedocs.io/en/latest/ Github: https://github.com/torchkge-team/torchkge Paper: https://arxiv.org/abs/2009.02963v1 @ai_machinelearning_big_data

293 431

HyperOpt for Automated Machine Learning With Scikit-Learn https://machinelearningmastery.com/hyperopt-for-automated-machine-learning-with-scikit-learn/

293 431

🧙‍♂️ How to Create a Cartoonizer with TensorFlow Lite https://blog.tensorflow.org/2020/09/how-to-create-cartoonizer-with-tf-lite.html Code: https://github.com/margaretmz/cartoonizer-with-tflite E2E TFLite Tutorials: https://github.com/ml-gde/e2e-tflite-tutorials @ai_machinelearning_big_data

293 431

KILT: a Benchmark for Knowledge Intensive Language Tasks All tasks in KILT are grounded in the same snapshot of Wikipedia, reducing engineering turnaround through the re-use of components, as well as accelerating research into task-agnostic memory architectures. Github: https://github.com/facebookresearch/KILT Paper: https://arxiv.org/abs/2009.02252 @ai_machinelearning_big_data

293 431

The Little W-Net that Could State-of-the-Art Retinal Vessel Segmentation with Minimalistic Models. Github: https://github.com/agaldran/lwnet Paper: https://arxiv.org/abs/2009.01907v1

293 431

С каждым годом количество данных, генерируемых компаниями, растёт всё больше и больше. Но как управлять всеми этими данными, как их эффективно использовать? На этот вопрос сможет ответить Data Scientist, и за это компании готовы платить от 150 000 рублей и больше — ежемесячно! ⠀ Хочешь стать таким же? Онлайн-университет Skillbox может помочь пройти дорогу с нуля до специалиста, ещё и с доступной рассрочкой. ⠀ Тебе предстоит пройти этот путь вместе с опытными специалистами и научиться использовать язык программирования Python, работать с источниками данных CSV, XML и XLSX, познакомиться с анализом данных. Также освоишь машинное обучение, что даст знания в области нейронных сетей. Если нет опыта в программировании, это не помеха, всему обучат и всё расскажут с нуля. ⠀ После прохождения курса тебе помогут составить выгодное резюме и поспособствуют трудоустройству. Переходи по ссылке и регистрируйся, пока остались места со скидкой 40% ▶ https://clc.am/wNtJ9w

293 431

Auto-Sklearn for Automated Machine Learning in Python https://machinelearningmastery.com/auto-sklearn-for-automated-machine-learning-in-python/

293 431

❓Какие задачи Deep Learning и Компьютерного зрения надо уметь решать, если вас интересует карьера в области нейросетей? Приходите 8 сентября на вебинар, где Артур Кадурин расскажет о must have инструментах и представит онлайн-курсы «Deep Learning. Basic» и «Computer Vision» Вы узнаете, чем курсы отличаются от конкурентов, как организована практика и как сэкономить на обучении. Также вы сможете задать свои вопросы эксперту о перспективах направления и ожиданиях работодателей. 👉🏻Регистрируйтесь на вебинар по ссылке: https://otus.pw/mLNh/

293 431

Awsome-domain-adaptation This repo is a collection of AWESOME things about domain adaptation, including papers, code, etc. Feel free to star and fork. Github: https://github.com/zhaoxin94/awesome-domain-adaptation Paper: https://arxiv.org/abs/2009.00155v1

293 431

🃏 Estimate Probabilities Of Card Games https://becominghuman.ai/estimate-probabilities-of-card-games-3ae50adb75c7

293 431

Top2Vec Top2Vec is an algorithm for topic modeling and semantic search. It automatically detects topics present in text and generates jointly embedded topic, document and word vectors. Github: https://github.com/ddangelov/Top2Vec Paper: https://arxiv.org/abs/2008.09470v1 Doc2vec: https://radimrehurek.com/gensim/models/doc2vec.html

293 431

Introducing Opacus: A high-speed library for training PyTorch models with differential privacy https://ai.facebook.com/blog/introducing-opacus-a-high-speed-library-for-training-pytorch-models-with-differential-privacy/ Github: https://github.com/pytorch/opacus Differential Privacy Series Part 1 | DP-SGD Algorithm Explained: https://medium.com/pytorch/differential-privacy-series-part-1-dp-sgd-algorithm-explained-12512c3959a3

293 431

✅Уже сегодня в 19:00 (02 сентября)🗓 пройдёт Meetup, на котором мы не только приоткроем завесу тайны Диалоговых ассистентов, но и расскажем как предсказать извержение вулкана🌋, а так же затронем темы футбола⚽️ и рекомендательных систем: 📍Про какие недавние прорывы и нерешённые задачи в Диалоговых ассистентах расскажет, Дале Давид Сергеевич, фрилансер и NLP engineer? 📍Как Полунина Полина - Ex руководитель Data Science направлений HR, Финансы, Видеоаналитика в группе ”М.Видео-Эльдорадо“, преподаватель НИУ ВШЭ, победитель международных чемпионатов по анализу данных, предсказывает извержение вулкана на основе анализа сейсмических данных? 📍Что думает о дружбе датасайентистов и футболистов Мифтахов Сайдаш Мансурович - Data Scientist "Северсталь"? 📍Какие Offline модели рекомендаций для классифайда использует Василий Лексин, Head of Analytics (Recommendations) в "AVITO.RU"? Ответы на все эти вопросы вы получите уже совсем скоро👇 📌Регистрация на Meetup на канале по ссылке👍

293 431

The Hessian Penalty — Official Implementation It efficiently optimizes the Hessian of your neural network to be diagonal in an input, leading to disentanglement in that input. https://www.wpeebles.com/hessian-penalty Github: https://github.com/wpeebles/hessian_penalty Paper: https://arxiv.org/abs/2008.10599 Video: https://www.youtube.com/watch?v=uZyIcTkSSXA&feature=youtu.be @ai_machinelearning_big_data

293 431

Microsoft’s DoWhy is a Cool Framework for Causal Inference https://www.kdnuggets.com/2020/08/microsoft-dowhy-framework-causal-inference.html Github: https://github.com/microsoft/dowhy @ai_machinelearning_big_data

293 431

👄 Wav2Lip: Accurately Lip-syncing Videos In The Wild Lip-sync videos to any target speech with high accuracy. Try our interactive demo. Github: https://github.com/Rudrabha/Wav2Lip Paper: https://arxiv.org/abs/2008.10010 Interactive Demo: https://bhaasha.iiit.ac.in/lipsync/ Colab: https://colab.research.google.com/drive/1tZpDWXz49W6wDcTprANRGLo2D_EbD5J8?usp=sharing @ai_machinelearning_big_data

293 431

Introducing TF-Coder, a tool that writes tricky TensorFlow expressions for you https://blog.tensorflow.org/2020/08/introducing-tensorflow-coder-tool.html Paper: https://arxiv.org/abs/2003.09040 Code: https://github.com/google-research/tensorflow-coder Colab: https://colab.research.google.com/github/google-research/tensorflow-coder/blob/master/TF-Coder_Colab.ipynb