Machine learning Interview
Open in Telegram
ИИ, Rust, вайбкодинг, Data Science, Deep Learning и делюсь тем, что интересно и полезно! Вопросы - @workakkk РКН: clck.ru/3FmwRz
Show more
Network:📈 Analytical overview of Telegram channel Machine learning Interview
Channel Machine learning Interview (@machinelearning_interview) in the Russian language segment is an active participant. Currently, the community unites 30 246 subscribers, ranking 4 323 in the Technologies & Applications category and 21 358 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 30 246 subscribers.
According to the latest data from 01 September, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by 105 over the last 30 days and by 24 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 12.15%. Within the first 24 hours after publication, content typically collects 7.32% reactions from the total number of subscribers.
- Post reach: On average, each post receives 3 675 views. Within the first day, a publication typically gains 2 214 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 31.
- Thematic interests: Content is focused on key topics such as claude, llm, контекст, hermes, nvidia.
📝 Description and content policy
The author describes the resource as a platform for expressing subjective opinions:
“ИИ, Rust, вайбкодинг, Data Science, Deep Learning и делюсь тем, что интересно и полезно!
Вопросы - @workakkk
РКН: clck.ru/3FmwRz”
Thanks to the high frequency of updates (latest data received on 02 September, 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.
30 246
Subscribers
+2424 hours
+497 days
+10530 days
Posts Archive
Стартовал набор в Академию Аналитиков Авито.
Это бесплатный образовательный онлайн-курс с практикой в реальном бигтехе.
Традиционно в Академии два направления: аналитик данных и DS-инженер.
Выбери, что ближе тебе, познакомься с требованиями к поступлению, программой и преподавателями на странице Академии. И спеши подать заявку!
⭐️ Сравниваем DBSCAN и OPTICS
Поговорим сегодня о 2 популярных алгоритмах кластеризации — DBSCAN и OPTICS, посмотрим их особенности и сравним
Поехали!
https://habr.com/ru/articles/818889/
@machinelearning_ru
+4
⚡️ Простое объяснение сложных концепций AI и ML на пальцах
Держите подборку полезных анимаций от Tom Yeh
Профессор очень просто объясняет такие понятия как MoE, умножение матриц, работу MLP в PyTorch, прямое/обратное распространение, работу GAN, устройство векторной БД и много всего ещё
▶️ Анимации с объяснением
@machinelearning_interview
🔥 На Хабре выбрали победителей конкурса «Технотекст» в номинации ML
Ими стали:
— Виктор Юрченко из Яндекса со статьей о том, как нейросети помогают беспилотным автомобилям планировать своё движение
— Игорь Котенков из Open Data Science с научно-популярной статьей-разбором работы ChatGPT
— Мурат Апишев со статьей о методах позиционного кодирования в Transformer
@machinelearning_interview
+4
🌟 Интерпретируемое машинное обучение — открытая книга от Christoph Molnar
Здесь можно найти ответы на многие вопросы по ML.
Вот некоторые из разделов:
— интерпретация нейросети
— дерево решений
— регрессия: линейная/логистическая
Большой упор сделан на подробное объяснение, поэтому детально разбираются такие кейсы:
— анализ комментариев на предмет спама
— построение модели регрессии по данным аренды велосипедов
— классификация причин возникновения рака
📎 Книга
@machinelearning_interview
+2
⚡️ Отличная open-source книга по прогнозированию временных рядов
В этой открытой книге от Rob Hyndman и George Athanasopoulos собрана масса полезных вещей по прогнозированию временных рядов.
Все примеры приводятся на языке R, но объясняются очень подробно, так что даже тру-питонисту всё будет кристально понятно
📎 Книга
@machinelearning_interview
✨ Яндекс представил языковую модель YandexGPT 3 Lite
Это облегченная и более усовершенствованная модель, в которой докрутили качество и скорость ответов. Она будет полезна разным бизнесам в решении рутинных задач в режиме реального времени. Плюс получается наиболее выгодной по соотношению цена/качество (также есть бесплатный демо-режим, чтобы попробовать).
В статье команда рассказала про такие важные этапы обучения модели, как Alignment и RL.
https://habr.com/ru/companies/yandex/articles/817391/
@machinelearning_interview
+3
⚡️ Большая подборка вопросов по разным аспектам ML: по алгоритмам, по линейной алгебре и матанализу, по статистике, поведенческие вопросы и не только
Здесь освещается собеседование в ML с разных сторон, приведена масса всевозможных вопросов (не только технических), которые могут задать
📎 Вопросы
@machinelearning_interview
+2
🌟 Отличный репозиторий для полного погружения в Machine Learning
Здесь и теория Machine Learning, и пошаговое объяснение в Jupyter Notebook'ах с реальными кейсами
Вот некоторые из затрагиваемых тем:
— предобработка данных с sklearn
— работа с текстом: векторизация и т.д.
— работа с изображениями
— обучение с учителем и без
Также в репозитории есть модули, в которых более детально рассматриваются отдельные блоки — GenAI, продвинутая статистика и работа с данными и ещё несколько других тем
🖥 GitHub
@machinelearning_interview
+4
🌟 Вопросы и ответы по Deep Learning для подготовки к собеседованию
Вот некоторые из вопросов:
— Опиши архитектуру типичной свёрточной нейронной сети (CNN)
— Почему сигмоиду не рекомендуется использовать в качестве функции активации в скрытом слое нейронной сети?
— Расскажи про исчезающий градиент в RNN
— Для чего нужна пакетная нормализация?
▶️ Вопросы и ответы
@machinelearning_interview
Как работает обучение с подкреплением: классические алгоритмы SARSA и Q-learning
Почему 2 этих инструмента лежат в основе всех современных алгоритмов?
Расскажет опытный эксперт на открытом уроке от OTUS, где вы:
- познакомитесь с базовыми алгоритмами RL и поймете, чем оно отличается от остальных;
- узнаете о трех парадигмах ML и разберетесь с основными понятиями;
- определите, чем марковский процесс принятия решений отличается от случайного поиска.
Спикер Игорь Стурейко — PhD Physical and Mathematical Sciences, опытный руководитель команд. Встречаемся 28 мая в 20:00 мск в рамках курса «Reinforcement Learning». Все участники вебинара получат спец. цену на обучение!
Регистрируйтесь: https://otus.pw/nDKd/
Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ", ИНН: 9705100963
+4
⚡️ 42 вопроса и ответа по ML для подготовки к собеседованию
Вот некоторые из этих вопросов:
— Как работает сверточная нейронная сеть (CNN)?
— Опиши разницу между обучением с подкреплением на основе модели и без модели
— Расскажи про механизм внимания в Deep Learning
— Можешь вкратце объяснить концепцию байесовской оптимизации?
— Что представляет собой концепция состязательного обучения в глубоком обучении?
▶️ Вопросы и ответы
@machinelearning_interview
+3
🔥 Подборка полезных шпаргалок по алгоритмам Machine Learning и не только
Здесь собраны полезные схемы и шпаргалки, например, классификация алгоритмов ML, или как выбрать модель ML, исходя из задачи
🖥 GitHub
@machinelearning_interview
Блокчейн TON ищет талантливых разработчиков!
Стартует масштабный хакатон “The Open League Hackathon” с призовым пулом $2,000,000 от команды блокчейна TON.
В поддержку хакатона все Web3-энтузиасты приглашаются на трёхдневные оффлайн встречи для нетворкинга в 13 городах мира:
📍Прага, Берлин, Киев, Варшава, Тбилиси, Белград, Сеул, Тайбэй (Тайвань), Гуруграм (Индия), Гонг-Конг, Минск, Москва и Санкт-Петербург.
Первые встречи начнутся уже 24 мая. Ищи свой город и регистрируйся здесь 👈 тык
Что вас ждет:
— 3 дня нетворка, лекций, конкурсов и работы над собственными проектами с поддержкой представителей TON Foundation и команд экосистемы TON
— Призовые $5.000 для трех лучших проектов на каждом оффлайн ивенте + много мерча и других бонусов
Не упусти возможность представить свое приложение 900 миллионам активных пользователей Telegram вместе с TON.
Регистрируйся — https://society.ton.org/activities/open-league
💻 Kafka БАЗА по Теории и Практике.
https://www.youtube.com/watch?v=W7ZCXcxQxV8
@machinelearning_interview
ТГУ и Skillfactory открывают набор на онлайн-магистратуру "Компьютерное зрение и нейронные сети"!
На этой программе вы:
• Освоите Computer Vision: от классических методов до трехмерных моделей
• Выберите специализацию — AR, генеративный дизайн или робототехнику Решите актуальные бизнес-задачи для вашего портфолио, а диплом ТГУ подтвердит ваши навыки
• Получите доступ к мощному суперкомпьютеру CYBERIA от ТГУ для обучения нейросетей.
Обучение проходит онлайн, сохраняя при этом все преимущества очного формата. Технический "бэкграунд" необязателен. Главное - наличие любого высшего образования. Студенческие льготы и отсрочка от армии сохраняются.
Оставьте заявку прямо сейчас и получите доступ к бесплатным подготовительным курсам и мероприятиям от ТГУ! Количество мест ограничено. Ссылка: https://go.skillfactory.ru/9bSV8g
Реклама. ООО «Скилфэктори».
erid: LjN8KCWfX
ТГУ и Skillfactory открывают набор на онлайн-магистратуру "Компьютерное зрение и нейронные сети"!
На этой программе вы:
• Освоите Computer Vision: от классических методов до трехмерных моделей
• Выберите специализацию — AR, генеративный дизайн или робототехнику Решите актуальные бизнес-задачи для вашего портфолио, а диплом ТГУ подтвердит ваши навыки
• Получите доступ к мощному суперкомпьютеру CYBERIA от ТГУ для обучения нейросетей.
Обучение проходит онлайн, сохраняя при этом все преимущества очного формата. Технический "бэкграунд" необязателен. Главное - наличие любого высшего образования. Студенческие льготы и отсрочка от армии сохраняются.
Оставьте заявку прямо сейчас и получите доступ к бесплатным подготовительным курсам и мероприятиям от ТГУ! Количество мест ограничено. Ссылка: https://go.skillfactory.ru/9bSV8g
Реклама. ООО «Скилфэктори».
erid: LjN8KCWfX
+2
🌟 Чек-лист Machine Learning
Здесь собраны все основные темы Machine Learning;
этот чек-лист поможет вспомнить, какие темы ещё остались неизученными.
На прикреплённых сообщениях только часть тем, их гораздо больше
📎 Чек-лист
@machinelearning_interview
Онлайн-день AvitoTech на Data Fest | 26 мая с 13:00 до 18:00
В программе:
• Общение с рекрутерами и лидами Авито в Spatial Chat;
• Участие в ML System Design Game с Михаилом Каменщиковым, руководителем команды рекомендаций в Авито.
Воркшоп поможет получить опыт работы над крупными проектами и подготовиться к собеседованиям, а также развивать свои идеи в интерактивном формате. Регистрация на онлайн и офлайн-активности по ссылкам.
И помните, 1 июня ожидается большой офлайн-день в московском офисе Авито. Подробности программы здесь.
+5
🦙 Llama3-from-scratch
Очень подробный гайд по созданию LLaMa-3 с нуля!
Крутой репозиторий, в котором реализована llama 3 с нуля - умножение матриц с помощью multiple heads, позиционное кодирование (способ кодирования позиции слова внутри эмбеддинга), реализация механизма внимания и все остальное, здесь тщательно описано и объяснено.
Отличный репо для обучения, 3 к звезд за сутки⭐️
▪Github
@machinelearning_interview
