Машинное обучение RU
Open in Telegram
Все о машинном обучении админ - @workakkk @data_analysis_ml - анализ даннных @ai_machinelearning_big_data - Machine learning @itchannels_telegram -лучшие ит-каналы @pythonl - Python @pythonlbooks- python 📚 @datascienceiot - 📚 РКН: clck.ru/3FmrUw
Show more
Network:📈 Analytical overview of Telegram channel Машинное обучение RU
Channel Машинное обучение RU (@machinelearning_ru) in the Russian language segment is an active participant. Currently, the community unites 18 355 subscribers, ranking 7 119 in the Technologies & Applications category and 35 895 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 18 355 subscribers.
According to the latest data from 28 October, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by 159 over the last 30 days and by 7 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 8.89%. Within the first 24 hours after publication, content typically collects 4.82% reactions from the total number of subscribers.
- Post reach: On average, each post receives 1 631 views. Within the first day, a publication typically gains 885 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 11.
- Thematic interests: Content is focused on key topics such as github, llm, openai, параметр, архитектура.
📝 Description and content policy
The author describes the resource as a platform for expressing subjective opinions:
“Все о машинном обучении
админ - @workakkk
@data_analysis_ml - анализ даннных
@ai_machinelearning_big_data - Machine learning
@itchannels_telegram -лучшие ит-каналы
@pythonl - Python
@pythonlbooks- python 📚
@datascienceiot - 📚
РКН: clck.ru/...”
Thanks to the high frequency of updates (latest data received on 29 October, 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.
18 355
Subscribers
+724 hours
+237 days
+15930 days
Loading data
Similar Channels
![Data Science | Machinelearning [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1dVo3O%2F5217464346798572541%3Fty%3Dx&w=96&q=75){kind=small}
Tags Cloud
Incoming and Outgoing Mentions
---
---
---
---
---
---
Attracting Subscribers
October '26Oct '26
October '26
+262
in 2 channels
September '26
+129
in 1 channels
Get PRO
August '26
+193
in 7 channels
Get PRO
July '26
+142
in 2 channels
Get PRO
June '26
+100
in 6 channels
Get PRO
May '26
+96
in 2 channels
Get PRO
April '26
+186
in 3 channels
Get PRO
March '26
+415
in 4 channels
Get PRO
February '26
+213
in 2 channels
Get PRO
January '26
+155
in 1 channels
Get PRO
December '25
+109
in 1 channels
Get PRO
November '25
+273
in 3 channels
Get PRO
October '25
+170
in 1 channels
Get PRO
September '25
+244
in 5 channels
Get PRO
August '25
+222
in 6 channels
Get PRO
July '25
+422
in 50 channels
Get PRO
June '25
+243
in 6 channels
Get PRO
May '25
+104
in 2 channels
Get PRO
April '25
+153
in 1 channels
Get PRO
March '25
+132
in 7 channels
Get PRO
February '25
+211
in 5 channels
Get PRO
January '25
+379
in 8 channels
Get PRO
December '24
+397
in 6 channels
Get PRO
November '24
+336
in 3 channels
Get PRO
October '24
+613
in 10 channels
Get PRO
September '24
+523
in 5 channels
Get PRO
August '24
+509
in 2 channels
Get PRO
July '24
+524
in 3 channels
Get PRO
June '24
+573
in 8 channels
Get PRO
May '24
+788
in 36 channels
Get PRO
April '24
+732
in 45 channels
Get PRO
March '24
+788
in 27 channels
Get PRO
February '24
+1 150
in 3 channels
Get PRO
January '24
+1 351
in 42 channels
Get PRO
December '23
+645
in 41 channels
Get PRO
November '23
+195
in 2 channels
Get PRO
October '23
+695
in 2 channels
Get PRO
September '23
+710
in 0 channels
Get PRO
August '23
+618
in 0 channels
Get PRO
July '23
+790
in 0 channels
Get PRO
June '23
+1 130
in 0 channels
Get PRO
May '23
+561
in 0 channels
Get PRO
April '23
+167
in 0 channels
Get PRO
March '23
+690
in 0 channels
Get PRO
February '23
+230
in 0 channels
Get PRO
January '23
+116
in 0 channels
Get PRO
December '22
+76
in 0 channels
Get PRO
November '22
+110
in 0 channels
Get PRO
October '22
+280
in 0 channels
Get PRO
September '22
+380
in 0 channels
Get PRO
August '22
+211
in 0 channels
Get PRO
July '22
+231
in 0 channels
Get PRO
June '22
+269
in 0 channels
Get PRO
May '22
+491
in 0 channels
Get PRO
April '22
+754
in 0 channels
Get PRO
March '22
+634
in 0 channels
Get PRO
February '22
+137
in 0 channels
Get PRO
January '22
+302
in 0 channels
Get PRO
December '21
+450
in 0 channels
Get PRO
November '21
+969
in 0 channels
Get PRO
October '21
+115
in 0 channels
Get PRO
September '21
+117
in 0 channels
Get PRO
August '21
+251
in 0 channels
Get PRO
July '21
+366
in 0 channels
Get PRO
June '21
+887
in 0 channels
Get PRO
May '21
+1 235
in 0 channels
Get PRO
April '21
+717
in 0 channels
Get PRO
March '21
+117
in 0 channels
Get PRO
February '21
+345
in 0 channels
Get PRO
January '21
+569
in 0 channels
Get PRO
December '20
+423
in 0 channels
| Date | Subscriber Growth | Mentions | Channels | |
| 28 October | +8 | |||
| 27 October | +6 | |||
| 26 October | +7 | |||
| 25 October | +5 | |||
| 24 October | +10 | |||
| 23 October | +6 | |||
| 22 October | +11 | |||
| 21 October | +101 | |||
| 20 October | +4 | |||
| 19 October | +11 | |||
| 18 October | +12 | |||
| 17 October | +26 | |||
| 16 October | 0 | |||
| 15 October | +1 | |||
| 14 October | +4 | |||
| 13 October | +4 | |||
| 12 October | +14 | |||
| 11 October | +2 | |||
| 10 October | +5 | |||
| 09 October | +3 | |||
| 08 October | +4 | |||
| 07 October | +2 | |||
| 06 October | +1 | |||
| 05 October | +5 | |||
| 04 October | +5 | |||
| 03 October | +2 | |||
| 02 October | +1 | |||
| 01 October | +2 |
Channel Posts
Repost from Machinelearning
📌 EPFL показала имплантируемый чип, который следит за связью между участками мозга
Лаборатория нейротехнологий Федеральной политехнической школы Лозанны под руководством Махсы Шоаран сделала LogSync, имплантируемый чип размером примерно 4 на 2 мм, который целиком держит на себе машинное обучение.
Он записывает активность мозга, считает силу ритмов и согласованность сигналов между его областями, по этим признакам различает состояния внимания и эмоционального возбуждения и сам выдаёт команду на стимуляцию, когда распознал нужное состояние.
Весь этот путь, от анализа связей между областями до классификации, укладывается в один кристалл и меньше 200 микроватт.
Добились этого переводом вычислений в логарифмический вид, который упрощает нужные операции, причём алгоритмы и схему разрабатывали сразу с оглядкой на ограничения имплантата.
Такой чип нужен для глубокой стимуляции мозга при психиатрических расстройствах.
Большинство приборов работает по заранее заданным настройкам, без обратной связи, а те, что подстраиваются, обычно опираются на сигнал одного участка. Шоаран исходит из того, что психиатрические расстройства связаны скорее со сбоями в связности между областями мозга, поэтому классификатор смотрит именно на их согласованность.Проверка чипа прошла успешно на двух материалах - на записях мозга людей из прежних психиатрических экспериментов и на крысах в Университете Миннесоты.
В людей чип пока не вживляли, поэтому реальной точности распознавания и задержки EPFL не приводит.Модельную часть лаборатория развивает отдельно. На ICML 2026 Шоаран представил RECTOR, способ самообучения на записях ЭЭГ и внутричерепной ЭЭГ, где модель учится на замаскированных фрагментах сразу по трём осям - областям мозга, каналам и времени. В работе заявляют лучшие результаты в распознавании эмоций и вовлечённости, а также устойчивость к потере отдельных каналов, но конкретных цифр в аннотации нет. @ai_machinelearning_big_data #news #ai #ml
| 2 |  Как сравнивать распределения, когда случайный объект – целая функция, а не набор чисел?
Этому посвящена работа Франка Нильсена и Ха Куанг Миня о геометрической дивергенции Йенсена–Шеннона для гауссовских мер в гильбертовом пространстве.
В привычном случае гауссовское распределение описывает случайные векторы. В бесконечномерном пространстве аналогичный подход позволяет рассматривать случайные функции.
Авторы исследуют геометрическую версию дивергенции Йенсена–Шеннона: она использует геометрическое среднее вероятностных мер для оценки их различия.
Два основных результата:
- Явная формула для гауссовских мер, эквивалентных одной фиксированной мере. Она обобщает конечномерный случай.
- Регуляризованная версия, определённая для любой пары гауссовских мер. Для эквивалентных мер при стремлении параметра регуляризации к нулю она восстанавливает исходную дивергенцию.
Это теоретическая работа на пересечении теории вероятностей, информации и машинного обучения. По сообщению Нильсена, журнальная версия опубликована в IEEE Transactions on Information Theory.
Препринт – 44 страницы:
https://arxiv.org/abs/2506.10494 | 756 |
| 3 |  No text... | 1 035 |
| 4 |  Atria Dawn вышла с открытыми весами и контекстом 512K – модель для исследовательских и инженерных ИИ-агентов.
Разработка Shanghai AI Laboratory построена на GLM-5.2 MoE с 744 млрд параметров. Контекст увеличен вдвое относительно Preview.
Модель рассчитана на многошаговую работу с инструментами:
- Исследования: поиск и систематизация источников, подготовка исполняемых планов экспериментов.
- Разработка: создание программ, интерактивных приложений, визуализаций и ML-систем.
- Документы: подготовка отчётов и презентаций из данных и требований.
- Безопасность: проверка уязвимостей, исправления и повторное тестирование в разрешённых средах.
В сравнении, опубликованном командой, Atria Dawn опережает участвующие модели на AutomationBench, CyberGym, SkillsBench и WideSearch. Например, на AutomationBench она набирает 54,7, а на CyberGym – 86,8.
Доступны полные и FP8-веса, самостоятельное развёртывание через SGLang и vLLM. Код и веса распространяются под MIT.
Модель принимает только текст.
https://huggingface.co/internlm/Atria-Dawn | 1 166 |
| 5 |  ИИ-агент умеет отвечать на другом языке. Но сможет ли он на нём работать?
Команда Qwen представила BabelArena – бенчмарк для проверки агентов на 23 языках и задачах из 13 предметных областей.
Переводят не только запрос пользователя, но и инструкции, описания инструментов и содержимое рабочей среды. Это позволяет сравнивать выполнение одинаковых задач на разных языках.
Выводы исследования:
- Единого лидера нет: разные модели сильнее в разных группах задач.
- На языках с небольшим объёмом обучающих данных чаще возникают ошибки вызова инструментов и последовательности действий.
- Объём входных токенов может быть примерно вдвое выше, чем на английском, без сопоставимого роста числа шагов.
- В задачах со структурированным выводом агенты чаще сбиваются с выбранного языка, преимущественно переходя на английский.
Многоязычный чат ещё не означает многоязычного агента. Для рабочего продукта нужно проверять весь сценарий: понимание задачи, выбор инструментов, выполнение действий и язык результата.
https://arxiv.org/abs/2609.23490
https://github.com/QwenLM/BabelArena | 1 233 |
| 6 |  No text... | 2 830 |
| 7 |  От первого мотора до робота, который учится по демонстрациям: открытая дорожная карта по робототехнике на русском.
Robotics Roadmap 2026 предлагает план на 24 недели при занятиях по 2–3 часа в день. Обучение начинается с электроники и постепенно переходит к управлению и машинному обучению.
Внутри шесть модулей:
- Электроника, Python и Git - базовые схемы и инструменты.
- Arduino и ESP32 — моторы, датчики, линейный робот и балансир.
- CAD и 3D-печать — сборка робота-манипулятора.
- ROS 2 — симуляция, построение карты и автономная навигация.
- Управление и компьютерное зрение — регуляторы, кинематика, работа с камерой.
- LeRobot — сбор демонстраций и обучение робота.
Есть схемы подключения, примеры кода, списки компонентов, справочник по отладке и 30 идей проектов.
Начать можно без покупки железа — в симуляторах. Дальше предлагается оформлять проекты в портфолио: видео, схема, код и разбор того, что сломалось и как удалось исправить.
Полезная отправная точка для программиста, который хочет заставить свой код двигаться в физическом мире.
https://github.com/justxor/robotics-roadmap-2026/ | 1 570 |
| 8 |  Алгоритм знает, где вы будете 7-го ноября 😎
RecSys-митап в Москве для тех, кто уже строит рекомендательные системы и хочет делать это еще лучше.
В программе — доклады от топовых экспертов Сбера с разбором кейсов, свежих подходов и неочевидных решений.
После официальной части — нетворкинг. Время в узком кругу профессионалов и сообщества Зеленый RecSys.
Участие бесплатное, но количество мест ограничено.
Москва. Суббота. 7 ноября. RecSys!
➡️ регистрируйтесь | 1 602 |
| 9 | 5 GitHub-репозиториев для дообучения ИИ-моделей под свои задачи
Научить модель соблюдать нужный формат, отвечать в вашем стиле или выполнять специализированные инструкции — для этого пригодятся:
1. LLaMA-Factory - удобный старт
Дообучение языковых и мультимодальных моделей через веб-интерфейс или CLI. Поддерживает полное обучение, LoRA и QLoRA.
https://github.com/hiyouga/LlamaFactory
2. Unsloth - когда ограничена видеопамять
Оптимизирует обучение поддерживаемых моделей, снижая расход памяти и ускоряя вычисления. Есть готовые ноутбуки для первых экспериментов.
https://github.com/unslothai/unsloth
3. Axolotl - обучение через конфиги
Позволяет описать модель, датасет и параметры обучения в YAML. Подходит для воспроизводимых экспериментов и запуска на нескольких GPU.
https://github.com/axolotl-ai-cloud/axolotl
4. PEFT - обучать небольшую часть параметров
Библиотека Hugging Face для LoRA и других экономных методов адаптации. Помогает уменьшить требования к памяти и размер сохраняемых адаптеров.
https://github.com/huggingface/peft
5. TRL - обучение на примерах, предпочтениях и наградах
Инструменты для SFT, DPO и обучения с подкреплением. Пригодится, когда нужно улучшать ответы по выбранным критериям качества.
https://github.com/huggingface/trl
Эти инструменты можно комбинировать: например, использовать TRL для процесса обучения, а PEFT — для LoRA-адаптации. | 1 579 |
| 10 |  Spark-X2.6-4B - открытая модель на 4 млрд параметров с контекстом до 1 млн токенов для локальных ИИ-агентов.
В тестах команды средний результат составил 63,3 балла против 52,1 у Spark-X2.5-4B и 49,1 у Qwen3.5-9B. Это сравнение на выбранном разработчиками наборе задач.
Что внутри:
- Три режима рассуждений: none, low и high — можно выбирать баланс между качеством ответа, скоростью и затратами.
- Форматы для локального запуска: FP8, INT8, INT4 и GGUF.
- Две версии: Instruct для диалогов и агентных задач, Base — для дальнейшего обучения.
- Поддержка популярных инструментов: Transformers, SGLang, vLLM, llama.cpp, Ollama, MLX и LM Studio.
Модель рассчитана на работу с кодом, инструментами и многошаговыми задачами. Для использования полного контекста в 1 млн токенов потребуется достаточно памяти.
https://github.com/XHToken/Spark-X2.6 | 1 467 |
| 11 |  Разделять стоит задачи, а не код
Когда одна рекомендательная система решает разные задачи, не обязательно создавать для каждой отдельный сервис или дублировать код. В AI VK для этого используют стримы — отдельные пайплайны со своими настройками, собранные из общих компонентов подбора кандидатов, фильтрации и вычисления признаков.
Так можно развивать разные механики независимо, не дублируя код и вычисления. В статье на Хабре — как устроены стримы, почему они ускоряют разработку и как растят метрики. | 1 363 |
| 12 |  ✔️ DeepSeek и Huawei вместе делают следующее поколение ускорителей Ascend
Инженеры Huawei работают прямо в офисе DeepSeek, а заняты команды оптимизацией интерконекта и распределением вычислительных графов на уровне железа.
Раньше DeepSeek от обучения модели на Ascend отказалась из-за нестабильности и сырого ПО, теперь же компания открыла код низкоуровневого компилятора TileLang под Ascend, а вместе с ним библиотеки матричных операций и коммуникаций для MoE-архитектур.
Первое масштабное обучение на Ascend 950DT должно начаться до конца года, а на следующее поколение Ascend 960DT, которое ждут в начале 2027 года, Huawei гарантировала DeepSeek приоритетные поставки.
theinformation.com
✔️ Exa презентовала поисковый движок 3.0
Третья версия получила обновлённую модель эмбеддингов и технологию Dynamic Highlights, которая отбирает токены сразу по всей выборке результатов. Так отсекается дублирование фактов, а объём передаваемого в контекст модели текста падает на 95% против загрузки страниц целиком.
Собственный индекс компании на 100 млрд страниц пополнился структурированными данными, в базу добавили 1,27 млрд товарных позиций с ценами, каталоги организаций и сводки биржевых котировок, авиарейсов и спортивных событий в реальном времени.
Через REST API доступны два режима, упрощённое ранжирование Exa Lite стоит 4 доллара за тысячу обращений, полноценный Exa Auto обойдётся в 7 долларов за тысячу вызовов.
exa.ai
✔️ Inception выпустила диффузионную языковую модель Mercury 3
Скорость генерации у новой версии подтверждена на уровне 1068 токенов в секунду, параметров стало больше в 40 с лишним раз против первой Mercury, а контекстное окно выросло до 1 млн токенов. Этим американская лаборатория подтверждает, что законы масштабирования работают и для диффузионной генерации текста.
На бенчмарках Mercury 3 держится на уровне GPT-6 Luna и Claude Haiku 5.5, инференс идёт в 4–8 раз быстрее авторегрессионных моделей того же размера. Модель рассчитана на автономных браузерных агентов, голосовых ассистентов, поиск в реальном времени и поддержку.
Доступ открыт через платформу Inception, OpenRouter, Baseten и Vercel, базовая цена составляет 20 центов за миллион входных токенов и 70 центов за миллион выходных, кеширование контекста снижает её на 90%. В честь релиза действует скидка 50%.
inceptionlabs.ai
✔️ Cloudflare представила модель извлечения типизированных данных
Модель Clairic появилась в режиме превью на Workers AI и работает без генерации токенов, за один параллельный проход. Она принимает текст или до четырёх изображений и возвращает строковые значения с точными смещениями символов, считает простые вещи вроде суммы и разницы дат, а также строит вероятностные диапазоны с 80-процентным покрытием.
Ответ приходит строго типизированным, со значением или оценкой уверенности. Целевые задачи – структурировать неразмеченные данные, то есть разбирать счета и квитанции и прогнозировать временные ряды.
Плата за выходные токены не взимается, превью доступно через REST API в Workers AI, веса Cloudflare обещает опубликовать позже.
cloudflare.com
✔️ Unitree анонсировала платформу для постановки шоу роботов
Система UniUni собирает подготовку показательных выступлений и сценических перформансов групп роботов в одном окне: редактор хореографии с отдельной дорожкой на каждого робота и библиотекой движений, карта сцены облаком точек с лидара, где компания обещает сантиметровую точность, и экран наблюдения с зарядом, температурой и аварийной остановкой каждой машины.
Отдельная функция, названная ИИ-хореографией, принимает команды текстом и корректирует формации и маршруты роботов через генеративную постановку движений.
Несмотря на отсылки к концепции роя, архитектура UniUni остается централизованной и нацелена исключительно на индустрию развлечений, а не на автономное взаимодействие роботов в производственных задачах.
Unitree в X
@ai_machinelearning_big_data
#news #ai #ml | 874 |
| 13 |  Агент поддержки дал неверный ответ о возврате. Где возникла ошибка — в базе знаний или при генерации моделью? Чтобы разобраться, нужно увидеть весь путь запроса и связать действия агента.
27 октября в 18:00 на открытом уроке курса по ИИ-агентам развернёте Langfuse локально и разберёте наблюдаемость на примере агента на YandexGPT. Вы подключите сбор данных: отследите обращения к модели, поиск и задержки. Найдёте проблемный запуск по трассировке и добавите автооценку ответа.
Разберёте установку Langfuse через Docker Compose и подключение Python-приложения. Узнаете, как собирать трассировки, ответы и метаданные для восстановления хода задачи.
Подойдет ML-инженерам, ИИ-разработчикам и MLOps-командам, которым важно быстро искать ошибки и держать данные на своей инфраструктуре.
Проведёт урок Николай Осипов.
Зарегистрироваться: https://otus.pw/9OeA/?erid=2W5zFHLveiD
Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963. | 892 |
| 14 | MemT-1.0-Nano — открытая ИИ-модель со встроенной долговременной памятью.
Она записывает информацию из диалога во внутреннее состояние и использует её в следующих ответах — без повторной загрузки всей переписки в контекст. Память можно сохранить и восстановить в новой сессии.
— Основа — Qwen3.6-35B-A3B.
— 36 млрд параметров, из них 3 млрд активных.
— При истории в 128 тысяч токенов состояние памяти занимает примерно в 66 раз меньше места, чем полный KV-кэш, по данным разработчиков.
Это подход к созданию ассистентов и агентов, которые используют прошлый опыт без постоянного раздувания контекста. Но в задачах на точное извлечение деталей из длинной истории лучшие системы с текстовой памятью пока впереди.
https://huggingface.co/MemTensor/MemT-1.0-Nano | 1 624 |
| 15 |  No text... | 1 740 |
| 16 |  🌡 Попросил Claude написать монитор температуры. Тот обнаружил, что Mac майнит крипту
Пользователь Reddit рассказал, что поручил Claude Code сделать приложение для мониторинга температуры Mac.
При проверке показаний датчиков агент заметил подозрительно высокие значения и посмотрел, что загружает процессор. Нашёл `xmrig` с нагрузкой около 1175% CPU, то есть примерно на 12 ядер.
Пользователь утверждает, что майнер работал без его ведома. По его словам, Claude помог удалить почти всё, один файл пришлось убрать вручную из-за ограничений доступа. После этого владелец дополнительно проверил компьютер через Malwarebytes.
https://www.reddit.com/r/claude/comments/1x9bb83/claude_caught_a_cryptominer_on_my_mac_whilst/
@linuxkalii | 1 756 |
| 17 |  25 лучших бесплатных ресурсов для изучения ИИ в 2026 году
Курсы Стэнфорда и MIT, книги, YouTube-каналы и открытые репозитории для изучения ИИ с нуля до LLM и агентов. Подборка по этапам и готовый маршрут обучения.
https://uproger.com/25-resursov-dlya-izucheniya-ii-2026/ | 1 930 |
| 18 |  DeepSeek обновила V4.1-Flash и открыла поисковый API
DeepSeek-V4.1-Flash-1017: рост на Terminal-Bench с 31,2 до 42,3, открытые веса под MIT и Search/Fetch API по $0,75 за 1000 вызовов.
17 октября DeepSeek выпустила DeepSeek-V4.1-Flash-1017, минорное обновление модели V4.1-Flash. Компания называет релиз улучшением по Парето: новая версия лучше проходит бенчмарки, быстрее закрывает задачи и пишет более короткие ответы, поэтому выигрыш получается и по качеству, и по стоимости. Модель уже работает на сайте, в приложении и через API, а веса выложены в открытый доступ под лицензией MIT.
https://uproger.com/deepseek-v4-1-flash-1017/ | 1 870 |
| 19 |  🔥 Хочешь быстрее расти в IT? Хватит учиться в одиночку
Окружение решает больше, чем кажется.
Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре.
AI: t.me/ai_machinelearning_big_data
Python: t.me/pythonl
Linux: t.me/linuxacademiya
Хакинг: t.me/linuxkalii
DevOps: t.me/DevOPSitsec
Docker: https://t.me/+90Z5TAyfuNU5YmRi
Golang: t.me/Golang_google
Rust: t.me/rust_code
C++: t.me/cpluspluc
C#: t.me/csharp_ci
Java: t.me/javatg
JavaScript: t.me/javascriptv
React: t.me/react_tg
Frontend: t.me/front
PHP: t.me/phpshka
Android: t.me/android_its
Мобильная разработка: t.me/mobdevelop
Базы данных: t.me/sqlhub
Data Science: t.me/data_analysis_ml
Big Data: t.me/bigdatai
Математика: t.me/data_math
Физика: t.me/fizmat
Kubernetes: t.me/kubernetc
GameDev: https://t.me/gamedev
Haskell: t.me/haskell_tg
Собеседования и карьера:
DS собеседования: t.me/machinelearning_interview
Python собеседования: t.me/python_job_interview
Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy
Папка Frontend: https://t.me/addlist/mzMMG3RPZhY2M2Iy
Полезное сверху:
ИТ-мемы: t.me/memes_prog
Английский для программистов: t.me/english_forprogrammers
ИИ и технологии: t.me/vistehno
954 ГБ open-source курсов: https://t.me/+rKBQEMccAA01MTcy
ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy
Max Ai: https://max.ru/ai_machinelearning_big_data
Max python: https://max.ru/pythonl
ТЕХНО: https://max.ru/vistehno
Max Go: https://max.ru/Golang_google
Max Linux: https://max.ru/linuxkalii
Devops: https://max.ru/DevOPSitsec
C#: https://max.ru/csharp_ci
C++: https://max.ru/cpluspluc
SQL: https://max.ru/sqlhub
Java: https://max.ru/javatg
Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд. | 1 568 |
| 20 |  No text... | 1 701 |
