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 276 Technologies & Applications327...

📈 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 293 687 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 293 687 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.

293 687

Subscribers

-23524 hours

-1 5517 days

-6 44430 days

22 202

Post views

~ 16 31124 hours

~ 18 21848 hours

7.55%

Engagement rate

~ 6

Posts per day

Ads index

beta

Posts Archive

293 640

⚛ Highly accurate protein structure prediction with AlphaFold https://deepmind.com/blog/article/putting-the-power-of-alphafold-into-the-worlds-hands Github: https://github.com/deepmind/alphafold Paper: https://doi.org/10.1038/s41586-021-03819-2 @ai_machinelearning_big_data

293 640

В Академии больших данных MADE открыт набор на бесплатное обучение в области Data Science. Программа рассчитана на ИТ-специалистов с опытом 1-3 года работы, знаниями высшей математики, умением применять базовый алгоритмы, а также умением программировать на Python, С++ или Java. Студенты могут выбрать одну из трех специальностей: Data Scientist, Machine Learning Engineer и Data Engineer. Все полученные теоретические знания закрепляются практикой, а в финале обучения – подготовка и защита выпускного проекта. Прием заявок продлится до 31 июля включительно. Далее – вступительные испытания. Обучение полностью бесплатное. Успейте подать заявку до дедлайна на сайте программы: https://vk.cc/c3XorM

293 640

📐 Googl's Measuring and Improving Model-Moderator Collaboration using Uncertainty Estimation Providing high-quality implementations of standard and state-of-the-art methods on standard tasks. Github: https://github.com/google/uncertainty-baselines Paper: https://arxiv.org/abs/2107.04212v1 Dataset: https://www.tensorflow.org/datasets @ai_machinelearning_big_data

293 640

↔️ Independent Encoder for Deep Hierarchical Unsupervised Image-to-Image Translation Github: https://github.com/Elvinky/IEGAN Paper: https://arxiv.org/abs/2107.02494 Datasets: https://github.com/Elvinky/IEGAN/tree/main/dataset Image-to-Image Translation: https://paperswithcode.com/task/image-to-image-translation @ai_machinelearning_big_data

293 640

🌐 Depth-supervised NeRF: Fewer Views and Faster Training for Free Github: https://github.com/dunbar12138/DSNeRF Paper: https://arxiv.org/abs/2107.02791v1 Project: https://www.cs.cmu.edu/~dsnerf/ Datasets: https://paperswithcode.com/dataset/3dmatch @ai_machinelearning_big_data

293 640

20-21 июля в OTUS пройдет открытый интенсив для тех, кто хочет работать с большими данными. После двухдневного обучения вы сможете выводить модель в продакшн с помошью AWS: - Узнаете, как использовать lambda и нюансы работы с IoT данными - Научитесь выводить модель в продакшн без сложных настроек системы Кроме того, интенсив — это возможность попробовать онлайн-курс «Промышленный ML на больших данных». https://otus.pw/dh44/

293 640

🔝 Learning Hierarchical Graph Neural Networks for Image Clustering Github: https://github.com/dmlc/dgl/tree/master/examples/pytorch/hilander Paper: https://arxiv.org/abs/2107.01319 Datasets: https://drive.google.com/file/d/1KLa3uu9ndaCc7YjnSVRLHpcJVMSz868v/view @ai_machinelearning_big_data

293 640

🚀 TensorFlow and PyTorch performance benchmarking in 2021 Habr: https://habr.com/ru/company/ru_mts/blog/565456/ Github: https://github.com/Chifffa/tf_vs_torch_benchmarking @ai_machinelearning_big_data

293 640

🔎 Microsoft AutoML - Neural Architecture Search New one-shot architecture search framework dedicated to vision transformer search Github: https://github.com/microsoft/AutoML Paper: https://arxiv.org/abs/2107.00651v1 Models: https://drive.google.com/drive/folders/1NLGAbBF9bA1IUAxKlk2VjgRXhr6RHvRW Dataset: https://paperswithcode.com/dataset/cifar-10 @ai_machinelearning_big_data

293 640

🔺 Pyramid Vision Transformer Image classification, object detection, and semantic segmentation tasks Github: https://github.com/whai362/PVT Paper: https://arxiv.org/abs/2106.13797v2 @ai_machinelearning_big_data

293 640

Cartoon-StyleGan2 🙃 : Fine-tuning StyleGAN2 for Cartoon Face Generation Github: https://github.com/happy-jihye/Cartoon-StyleGan2 Paper: https://arxiv.org/abs/2106.12445 Colab: https://colab.research.google.com/github/happy-jihye/Cartoon-StyleGan2/blob/main/Cartoon_StyleGAN2.ipynb @ai_machinelearning_big_data

293 640

📘 D2L.ai: Interactive Deep Learning Book with Multi-Framework Code, Math, and Discussions Github: https://github.com/d2l-ai/d2l-en Book: https://d2l.ai/ Paper: https://arxiv.org/abs/2106.11342v1 @ai_machinelearning_big_data

293 640

Бесконечность не предел, машина ИИ будет работать все быстрее и лучше. Чтобы обуздать ее силу, вспахать и засеять цифровые поля нужны люди — AI продакт-менеджеры. Спрос на профессионалов Big Data PM, AI&ML PM, DS PM, DL PM (альтернативные названия специальности) растет стремительными темпами. Курс «AI Product Manager» — силовой агрегат продакта, решившегося овладеть мощью Al и вырасти до руководителя c-level executives. Никакой воды, только сконцентрированная теория, которую студенты оттачивают на практике. Опыт преподавателей-практиков и 4 кейса в портфолио на выходе. Курс рассчитан на 10 часов в неделю — можно совмещать с основной работой и сразу применять полученные навыки. Преподаватели и менторы из ДомКлик, Mail.ru и Facebook помогут в трансформации вашей карьеры. ❗️Подробности и запись на курс по ссылке — https://clc.am/Qx8Z_Q

293 640

🔍 Advancing computer vision research with new Detectron2 Mask R-CNN baselines Facebook Ai: https://ai.facebook.com/blog/advancing-computer-vision-research-with-new-detectron2-mask-r-cnn-baselines/ Code: https://github.com/facebookresearch/detectron2/blob/master/MODEL_ZOO.md#new-baselines-using-large-scale-jitter-and-longer-training-schedule Tensorflow implementation: https://github.com/tensorflow/tpu/tree/master/models/official/detectiona @ai_machinelearning_big_data

293 640

Знать высшую математику и уметь применять ее в Data Science — принципиально разные вещи. Как выделять самое ценное в больших данных при помощи линейной алгебры? Как исследование функций многих переменных помогает находить оптимальные параметры модели? Как использовать теорему Байеса для бинарной классификации? Все это и многое другое ты освоишь за 4 месяца на практике онлайн-курса «Math for Data Science» от OTUS. Тебя ждет максимально приближенная к реальным рабочим условиям среда и увлекательные разнообразные кейсы. В конце обучения ты соберешь портфолио решенных задач, которое усилит резюме и позволит грамотно работать с моделями машинного обучения. Пройди вступительный тест и получи доступ к профессиональному Slack-сообществу с выпускниками и преподавателями 👉 https://otus.pw/jzIh/

293 640

⬇️ Pysentimiento: A Python toolkit for Sentiment Analysis and Social NLP tasks Github: https://github.com/pysentimiento/pysentimiento Paper: https://arxiv.org/abs/2106.09462 English model: https://huggingface.co/finiteautomata/bertweet-base-sentiment-analysis @ai_machinelearning_big_data

293 640

Facebook's Reverse engineering generative models from a single deepfake image Github: https://github.com/vishal3477/Reverse_Engineering_GMs Paper: https://arxiv.org/abs/2106.07873 Facebook's blog: https://ai.facebook.com/blog/reverse-engineering-generative-model-from-a-single-deepfake-image/ Dataset: https://drive.google.com/drive/folders/1ZKQ3t7_Hip9DO6uwljZL4rYAn5viSRhu?usp=sharing @ai_machinelearning_big_data

293 640

Завершается третий набор студентов магистерской программы Ozon Masters. Ozon Masters - это 2-х летняя бесплатная магистерская программа обучения в области анализа данных. Курсы читает одна из сильнейших команд преподавателей в России. Основные профили подготовки: - Data Scientist - Аналитик данных - Специалист по математическому моделированию Программа подойдет: - Студентам старших курсов и выпускникам ВУЗов с сильной подготовкой по математике или компьютерным наукам, которые хотят начать карьеру в области Data Science или бизнес-аналитике. - Профессиональным аналитикам и датасаентистам, которые хотят систематизировать свои знания или освоить новые инструменты. Есть возможность как очного, так и заочного обучения. Занятия проходят онлайн по вечерам (с 18 до 21) в будни. Если вы хотите попробовать себя в Data Science и в будущем стать частью большой команды аналитиков и датасаентистов Ozon, подавайте заявку до 29 июня и пройдите первый этап отбора: https://ozon.ru/t/FYR7W

293 640

🧩 A Bayesian Analysis of Lego Prices in Python with PyMC3 https://austinrochford.com/posts/2021-06-10-lego-pymc3.html Lego Price Analysis: https://austinrochford.com/posts/2021-06-03-vader-meditation.html @ai_machinelearning_big_data