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 293 260 subscribers, ranking 326 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 293 260 subscribers.
According to the latest data from 04 July, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -6 366 over the last 30 days and by -131 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 7.35%. Within the first 24 hours after publication, content typically collects 5.62% reactions from the total number of subscribers.
- Post reach: On average, each post receives 21 569 views. Within the first day, a publication typically gains 16 480 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 168.
- 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 05 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.
293 260
Subscribers
-13124 hours
-1 4647 days
-6 36630 days
Posts Archive
293 259
Abstraction and Reasoning Corpus
Paper: https://arxiv.org/abs/1911.01547
ARC: https://github.com/fchollet/ARC
293 259
The Visual Task Adaptation Benchmark
http://ai.googleblog.com/2019/11/the-visual-task-adaptation-benchmark.html
293 259
A minimalist neural machine translation toolkit based on PyTorch that is specifically designed for novices.
https://arxiv.org/abs/1907.12484
https://github.com/joeynmt/joeynmt
293 259
A Gentle Introduction to Monte Carlo Sampling for Probability
https://machinelearningmastery.com/monte-carlo-sampling-for-probability/
293 259
Hamiltonian Neural Networks
https://eng.uber.com/research/hamiltonian-neural-networks/
paper: https://arxiv.org/pdf/1906.01563.pdf
code: https://github.com/greydanus/hamiltonian-nn
293 259
Visual Wake Words with TensorFlow Lite Micro
https://medium.com/tensorflow/visual-wake-words-with-tensorflow-lite-micro-8578e59ea6f9
dataset: https://github.com/tensorflow/models/blob/master/research/slim/datasets/build_visualwakewords_data.py
tutorial: https://github.com/tensorflow/tensorflow/blob/master/tensorflow/lite/experimental/micro/examples/person_detection/training_a_model.md
293 259
Хочешь освоить профессию будущего и быть востребованным специалистом? Изучи Data Science бесплатно!
Ссылка для регистрации: 🔜 https://clc.to/TFA4GQ
💻 Познакомься с Python и Machine Learning с нуля.
💡 Создай самостоятельный проект, который можно положить в портфолио.
📈 Оцени качество написанной модели вместе с экспертом.
🎁 Авторы трёх лучших проектов получат грант на 30 000 рублей для обучения в Skillbox!
293 259
Хочешь освоить профессию будущего и быть востребованным специалистом? Изучи Data Science бесплатно!
Ссылка для регистрации: 🔜 https://clc.to/TFA4GQ
💻 Познакомься с Python и Machine Learning с нуля.
💡 Создай самостоятельный проект, который можно положить в портфолио.
📈 Оцени качество написанной модели вместе с экспертом.
🎁 Авторы трёх лучших проектов получат грант на 30 000 рублей для обучения в Skillbox!
293 259
A Gentle Introduction to Expectation-Maximization (EM Algorithm)
https://machinelearningmastery.com/expectation-maximization-em-algorithm/
293 259
Hugging Face: State-of-the-Art Natural Language Processing in ten lines of TensorFlow 2.0
https://medium.com/tensorflow/using-tensorflow-2-for-state-of-the-art-natural-language-processing-102445cda54a
code: https://github.com/huggingface/transformers
293 259
Using Self-Supervised Learning Can Improve Model Robustness and Uncertainty
https://arxiv.org/abs/1906.12340v2
Self-Supervised Learning for OOD Detection (NeurIPS 2019)
https://github.com/hendrycks/ss-ood
Download the one class ImageNet test set here:
https://drive.google.com/file/d/13xzVuQMEhSnBRZr-YaaO08coLU2dxAUq/view
293 259
Introducing the Schema-Guided Dialogue Dataset for Conversational Assistants
http://ai.googleblog.com/2019/10/introducing-schema-guided-dialogue.html
Schema-Guided Dialogue State Tracking
https://github.com/google-research-datasets/dstc8-schema-guided-dialogue
article : https://arxiv.org/pdf/1909.05855.pdf
293 259
Deep Learning Drizzle
code: https://github.com/kmario23/deep-learning-drizzle
https://deep-learning-drizzle.github.io
293 259
🔥Заканчивается набор на Базовый и Продвинутый курсы по математике для Data Science. Пройдите вступительный тест и займите последние места со скидкой: https://otus.pw/pVpr/
📌Базовый курс математики
Для поступления на курс достаточно знать математику на школьном уровне.
Вы освоите основные разделы математики, необходимые для успешной работы в Data Science: математический анализ, линейную алгебру, теорию вероятности и статистику.
После курса будете готовы к изучению машинного обучения либо к апгрейду в своей профессии.
📌Продвинутый курс математики
Для поступления на курс нужно знать высшую математику на уровне 1-2 курса университета.
Курс позволит поднять уровень по математике для решения задач в области машинного обучения любой сложности.
Теория будет дополнена решением реальных кейсов: решение задачи регрессии, АБ-тестирование, работа над рекомендательной системой, использование метод опорных векторов и т. д.
Делиться своей экспертизой будет преподаватель курса Пётр Лукьянченко (преподаватель ВШЭ по высшей математике с опытом более 10 лет, работал в Lamoda на должности Team Lead Analytics) и другие.
☝🏻Курсы подходят для аналитиков, разработчиков и всех, кто хочет развиваться в сфере Data Science: https://otus.pw/pVpr/
293 259
Open-sourcing SlowFast, competition-leading video recognition through dual frame-rate analysis
https://ai.facebook.com/blog/slowfast-video-recognition-through-dual-frame-rate-analysis/
github: https://github.com/facebookresearch/SlowFast
paper: https://arxiv.org/abs/1812.03982
293 259
Meta-World: A Benchmark and Evaluation for Multi-Task and Meta Reinforcement Learning
https://meta-world.github.io/
article: https://arxiv.org/abs/1910.10897v1
github: https://github.com/rlworkgroup/metaworld
293 259
Teacher algorithms for curriculum learning of Deep RL in continuously parameterized environments
https://github.com/flowersteam/teachDeepRL
293 259
Build and deploy TensorFlow.js models with the power of AutoML
https://medium.com/tensorflow/build-and-deploy-tensorflow-js-models-with-the-power-of-automl-1985b8985083
Edge TensorFlow.js tutorial
https://cloud.google.com/vision/automl/docs/tensorflow-js-tutorial
AutoML Edge API
https://www.npmjs.com/package/@tensorflow/tfjs-automl
293 259
Идет набор в новую группу профессионального онлайн-курса «Нейронные сети на Python».
📌Знакомьтесь с полностью обновленной программой, сдавайте вступительное тестирование и присоединяйтесь к слушателям https://otus.pw/9tSv/
Что даст вам этот курс:
- Научитесь работать с нейронными сетями с использованием фреймворков PyTorch, Tensorflow, Keras;
- Изучите теорию и практику по таким важным направлениям Deep Learning как Computer Vision, NLP, обучение с подкреплением;
И многое другое.
Делиться своей экспертизой с вами будут преподаватели, профессионалы своего дела и разработчики-практики:
📌Артур Кадурин – признанный эксперт в области науки о больших данных, CEO Insilico Taiwan и Chief AI Officer Insilico Medicine.
📌Дмитрий Музалевский, Lead Data Scientist в Koerber Digital, 7+ лет опыта в области анализа данных и машинного обучения. Опыт работы и проектов в различных индустриях: телеком, онлайн-ритейл, банковская сфера, финтех и медтех.
📌Михаил Степанов, Jet Infosystems, занимается проектами по агрегации отзывов, по анализу и оптимизации производства крупных промышленных компаний. В data science пришел из промышленного программирования на Python.
Приходите за подробностями, сдавайте вступительный тест и присоединяйтесь к курсу: https://otus.pw/9tSv/
