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 275 818 subscribers, ranking 336 in the Technologies & Applications category and 1 376 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 275 818 subscribers.
According to the latest data from 08 November, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -2 581 over the last 30 days and by -147 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 7.93%. Within the first 24 hours after publication, content typically collects 6.43% reactions from the total number of subscribers.
- Post reach: On average, each post receives 21 878 views. Within the first day, a publication typically gains 17 732 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 341.
- 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 09 November, 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.
275 818
Subscribers
-14724 hours
-9337 days
-2 58130 days
Posts Archive
275 721
Хотите увидеть, как большие данные помогают врачам открывать революционные методы лечения? Узнать, как «простые айтишники» двигают медицину и фарминдустрию вперед? Нужен ли для этого диплом медвуза? А зарплаты высокие?
Приходите на онлайн-интенсив по Data Science в медицине от GeekBrains! Вас ждут два часа живого общения с преподавателем и море практики. Узнаете, как работает наука о данных, что такое биометрия и какие знания нужны для начала карьеры аналитика в медицине. В финале получите видеозапись занятия и сертификат о прохождении обучения.
11 декабря, в среду, в 20:00 по Москве → переходите по ссылке, записывайтесь на интенсив и врывайтесь в одну из самых топовых профессий современности. И да, спойлер, зарплаты там — высокие.
275 721
River: machine learning for streaming data in Python
https://github.com/online-ml/river
Paper: https://arxiv.org/abs/2012.04740v1
Online machine learning: https://www.wikiwand.com/en/Online_machine_learning
@ai_machinelearning_big_data
275 721
11-12 декабря заходите на виртуальный стенд EPAM на конференции SmartData и тренируйте навыки Data Science: https://epa.ms/smartdata-epam-virtual-stand
🔹 Train AI: потренируйтесь с AutoML сразу в трех облаках: GCP, AWS и Azure. 10 участников, разметивших наибольшее количество
картинок, получат в подарок книгу "Глубокое обучение. Погружение в мир нейронных сетей".
🔹 Сreate AI: постройте сеть, которая максимально точно может распознавать рукописные цифры. Участники, занявшие первые 3 места в общем зачете, получат в подарок рюкзаки с LED-дисплеем.
Завершение турниров 12 декабря в 12:00 (мск).г
275 721
Hello colleagues!
Today I would like to share great news with you - we have opensourced our python framework LightAutoML (LAMA) aimed at Automated Machine Learning. It is designed to be lightweight and efficient for various tasks (binary/multiclass classifcation and regression) on tabular datasets which contains different types of features: numeric, categorical, dates, texts etc.
LAMA provides not only presets suite for end-to-end ML tasks solving, but also the easy-to-use ML pipeline creation constructor including data preprocessing elements, advanced feature generation, CV schemes (including nested CVs), hyperparameters tuning, different models and composition building methods. It also gives the user an option to generate model training and profiling reports to check model results and find insights which are not obvious from initial dataset.
Here are some examples of LAMA usage on binary classification task:
⁃ Blackbox pipeline = https://www.kaggle.com/simakov/lama-tabularautoml-preset-example
⁃ Interpretable model = https://www.kaggle.com/simakov/lama-whitebox-preset-example
⁃ Custom elements + existing ones = https://www.kaggle.com/simakov/lama-custom-automl-pipeline-example
Official documentation is here: https://lightautoml.readthedocs.io
Github: https://github.com/sberbank-ai-lab/LightAutoML
Slack community: https://lightautoml-slack.herokuapp.com
Please enjoy! :)
275 721
Learnable Tree Filter V2.
Github: https://github.com/StevenGrove/LearnableTreeFilterV2
Paper: https://arxiv.org/abs/2012.03482v1
@ai_machinelearning_big_data
275 721
Хочешь научиться программировать на самом востребованном языке и зарабатывать от 100 000 руб?
Записывайся на онлайн курс «Профессия Java-разработчик» от Skillbox.
Шесть месяцев бесплатно — оплата с седьмого месяца! Переходи по ссылке и узнай подробности: https://clc.to/5orrBw
В это время ты посещаешь лекции и воркшопы, прокачиваешь навыки, находишь себе работу и начинаешь зарабатывать.
Что ты получишь?
✅ Интересную программу, состоящую из 22 тем. Без воды, только важная информация.
✅ Много часов практики.
✅ Своего личного тренера-наставника, которому можно будет задавать любые вопросы.
✅ Крутое резюме в конце.
По окончании обучения Skillbox поможет тебе найти работу мечты! А еще, в декабре действуют скидки до 60%! Поторопись!
275 721
275 721
pixelNeRF: Neural Radiance Fields from One or Few Images.
Github: https://github.com/sxyu/pixel-nerf
Paper: http://arxiv.org/abs/2012.02190
@ai_machinelearning_big_data
275 721
Дата-сайентисты — этот пост к вам!
12 декабря Альфа-Групп запускает online-чемпионат по Data Science: Alfa-Battle 2.0
Задачи придумали team leaders Data Science в Альфа-Банке. Поэтому — будет сложно, но интересно.
Призовой фонд — 1 000 000 рублей!
Ключевые даты:
12 декабря — старт чемпионата.
12 декабря - 20 января — время на решение задач.
Зарегистрироваться: https://link.alfabattle.ru/nGAq6
Дата-сайентисты, за вами — будущее.
Если вам просто интересно послушать самых узнаваемых Data Scientists в РФ — смотрите онлайн-конференцию “Data Science. От моделей к продуктам” 12 декабря в 12:00 по ссылке - https://link.alfabattle.ru/ioDiU
275 721
A Photogrammetry-based Framework to Facilitate Image-based Modeling and Automatic Camera Tracking
Github: https://github.com/SBCV/Blender-Addon-Photogrammetry-Importer
Paper: https://arxiv.org/abs/2012.01044v1
@ai_machinelearning_big_data
275 721
Using AutoML for Time Series Forecasting
http://ai.googleblog.com/2020/12/using-automl-for-time-series-forecasting.html
@tensorflowblog
275 721
Learning to Summarize from Human Feedback
Github: https://github.com/openai/summarize-from-feedback
Dataset: https://openaipublic.blob.core.windows.net/summarize-from-feedback/website/index.html#/
Paper: https://proceedings.neurips.cc//paper/2020/file/1f89885d556929e98d3ef9b86448f951-Paper.pdf
@ai_machinelearning_big_data
275 721
Deep & Cross Network (DCN).
https://www.tensorflow.org/recommenders/examples/dcn
Code: https://github.com/tensorflow/recommenders/blob/main/docs/examples/dcn.ipynb
TensorFlow Recommenders: Scalable retrieval and feature interaction modelling: https://blog.tensorflow.org/2020/11/tensorflow-recommenders-scalable-retrieval-feature-interaction-modelling.html
Paper: https://arxiv.org/pdf/2008.13535.pdf
@ai_machinelearning_big_data
275 721
All Machine Learning Algorithms with Python
https://thecleverprogrammer.com/2020/11/27/machine-learning-algorithms-with-python/
@ai_machinelearning_big_data
275 721
PyTorch Static Quantization.
https://leimao.github.io/blog/PyTorch-Static-Quantization/
Code: https://github.com/leimao/PyTorch-Static-Quantization
Quantization for Neural Networks: https://leimao.github.io/article/Neural-Networks-Quantization/
@ai_machinelearning_big_data
275 721
Sparse R-CNN: End-to-End Object Detection with Learnable Proposals
Github: https://github.com/PeizeSun/SparseR-CNN
Paper: https://arxiv.org/abs/2011.12450
@ai_machinelearning_big_data
275 721
Junior Objects is a new book recently written by Yegor Bugayenko, the author of Elegant Objects — a very provocative and very popular book about object-oriented programming. The book is not only for junior programmers. It covers the entire domain of software development, from choosing the right laptop to designing your architecture in UML. Everything you need to know in order to boost your career from a beginner to a senior engineer with six-figure salary. Join Yegor's telegram channel to learn more: @yegor256news
275 721
TFX Estimator Component Tutorial | TensorFlow
https://www.tensorflow.org/tfx/tutorials/tfx/components
@ai_machinelearning_big_data
275 721
Essential Math for Data Science: Integrals And Area Under The Curve
https://hadrienj.github.io/posts/Essential-Math-Integrals/
@ai_machinelearning_big_data
275 721
Object Detection Using Mask R-CNN with TensorFlow 2.0 and Keras.
https://blog.paperspace.com/mask-r-cnn-tensorflow-2-0-keras/
Mask_RCNN project: https://github.com/matterport/Mask_RCNN
@ai_machinelearning_big_data
