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
📈 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 30 569 subscribers, ranking 4 345 in the Technologies & Applications category and 20 939 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 30 569 subscribers.
According to the latest data from 02 November, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by 240 over the last 30 days and by -10 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 10.93%. Within the first 24 hours after publication, content typically collects 6.81% reactions from the total number of subscribers.
- Post reach: On average, each post receives 3 340 views. Within the first day, a publication typically gains 2 083 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 19.
- 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 03 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.
30 569
Subscribers
-1024 hours
+87 days
+24030 days
Posts Archive
🌟 Xorbits — масштабируемый Python фреймворк для задач ML и DS, ориентированный на скорость
Xorbits позволяет, к примеру, легко использовать данные для обучения генеративных моделей а также разворачивать обученные модели в своей инфраструктуре.
Xorbits может использовать несколько ядер/GPU, может работать на 1 машине или масштабироваться до тысяч машин для поддержки обработки терабайтов данных.
Xorbits предоставляет набор полезных библиотек для анализа данных и ML.
🖥 GitHub
🟡 Доки
@machinelearning_interview
🔥Осваиваем алгоритмы обучения с подкреплением и получаем ценные навыки в ML!
⚡29 августа в 20:00 мск. приглашаем на открытый урок "Основные алгоритмы обучения с подкреплением SARSA и Q-learning", где мы разберём:
- обучение с подкреплением и его отличия от других подходов ML;
- функцию ценности состояния и ценности действия-состояния, их связь и как они помогают агенту учиться;
- уравнение Беллмана;
- метод SARSA;- метод Q-learning.
На практической части мы на Python, «с нуля», без использования каких-либо фреймворков, реализуем два алгоритма обучения с подкреплением и убедимся, что наш агент успешно обучается.
👉Регистрация https://otus.pw/q3nn/?erid=LjN8JyJVr
Встречаемся в преддверии старта курса «Reinforcement Learning» в OTUS. Все участники вебинара получат специальную цену на обучение!
+2
🌟 Упражнения в использовании R для ML
Держите несколько практических заданий по ML и их решение на R.
Вот некоторые из заданий:
— кластеризация и классификация
— работа с текстом
— определение выбросов в датасете
— проведение статистических тестов
🟡 ML exercises
@machinelearning_interview
+2
🌟 Инструмент для ускорения обучения LLM YaFSDP
Алгоритм YaFSDP позволяет существенно ускорить процесс обучения больших языковых моделей. Руководитель группы претрейна YandexGPT рассказал, как команда работала над созданием библиотеки, были ли референсы и сложности в процессе.
📎 Ссылка
@machinelearning_interview
Repost from Machinelearning
+2
⚡️ Mistral-NeMo-Minitron-8B-Base: Базовая Minitron 8B от Nvidia
NVIDIA и Mistral AI представили модель Mistral-NeMo-Minitron 8B, одну из наиболее точных открытых моделей в своем классе для генерации текста.
Mistral-NeMo-Minitron-8B-Base получена в результате обрезки (pruning) и дистилляции Mistral-NeMo 12B. В процессе создания была урезана размерность эмбеддинга и промежуточная размерность MLP (с 14336 до 11520).
Комбинация применяемых методов позволила оставить количество attention heads и слоев неизменным.
После обрезки было продолжено обучение с дистилляцией, используя корпус данных от Nemotron-4 15B размером 380 миллиардов токенов для получения окончательной модели, что примерно в 40 раз меньше, чем необходимо для тренировки модели такой же плотности с нуля.
Корпус обучения (набор данных) по структуре точно такой же, как в недавно представленной другой модели, собранной по такой же методике обрезки и дистилляции.
Дата актуальности корпуса обучения - июнь 2023 года.
При создании Mistral-NeMo-Minitron 8B использованы техники Grouped-Query Attention (GQA) и Rotary Position Embeddings (RoPE).
Архитектурные характеристики:
🟢total params - 8B;
🟢active non-embedding params - 7.3B;
🟢embedding size - 4096;
🟢attention heads - 32;
🟢MLP intermediate dimension - 11520;
🟢number of layers - 40;
🟢input context - 8000.
Поддержка Mistral-NeMo-Minitron-8B-Base в Hugging Face Transformers будет реализована в ближайшем обновлении.
Для инференса модели выполните рекомендованные разработчиками инструкции или запустите модель в NeMo v.24.05
Есть неофициальные квантованные (imatrix) GGUF - версии модели в 8 разрядностях, от 1-bit (2. 12 Gb) до 16-bit (16.08 Gb).
📌Лицензирование : NVIDIA Open Model License.
🟡Страница проекта
🟡Модель
🟡Набор GGUF
🟡Arxiv
🟡Demo
@ai_machinelearning_big_data
#AI #NVIDIA #LLM #ML #Minitron
🌟 Создание технологии эмоционального синтеза в Алисе
Читаем статью о том, как виртуального ассистента Яндекса Алису научили понимать и выражать голосом различные эмоции. Также Алиса может постепенно менять оттенки эмоций в рамках одного диалога с пользователем. Технология доступна в новой колонке Станции Лайт 2. Разработчики рассказали, как создавали подходящую для новых возможностей модель синтеза речи.
🟡 Хабр
@machinelearning_interview
🤗 Hugging Face выпустили пошаговый гайд по созданию и обучению своей личной робо-руки.
Компания Hugging Face опубликовала подробную инструкцию по созданию и обучению роботизированной руки.
В ней подробно рассказывается, где приобрести необходимые компоненты, как настроить нейронную сеть, а также приведены лекции, иллюстрирующие процесс сборки.
Крутой бесплатный курс - рекомендуем)
@machinelearning_interview
+3
📌MoE-модель с технологией MLA
Компания DeepSeek создала модель, которая состоит из 236 миллиардов параметров. При этом на каждый токен активно используется 27 миллиардов. NLP-специалисты разобрали статью с подробным описанием модели DeepSeek-V2.
🟡Ссылка на пост
@machinelearning_interview
Встречаемся 14 сентября на Practical ML Conf в Москве и
онлайн!
Machine learning, проверенный практикой*
* Сгенерировано YandexGPT
Главная конференция Яндекса по ML для экспертов: качественные технические доклады от ключевых инженеров, максимум пользы и знаний о практическом применении.
Ключевые темы конференции:
CV / NLP / Speech / RecSys / MLOps / Data science
В числе спикеров:
– Степан Комков — Яндекс Поиск, старший разработчик службы синтеза речи;
– Дмитрий Антипов — Сбер, АБТ, тимлид разработки;
– Виктор Плошихин — Yandex Cloud, руководитель ML-лаборатории в Yandex Platform Engineering.
Во вдохновляющем футуристичном пространстве «Суперметалл» мы поговорим о кейсах, которые не найти в научных статьях, ведь когда они появятся — вы уже не сможете оказаться в числе визионеров.
Ждём вас, чтобы заглянуть в будущее вместе — офлайн и онлайн.
Реклама. ООО "Яндекс", ИНН 7736207543
+2
🖥 Продвинутый Python с уклоном в DS и ML
Держите отличный учебник/туториал по продвинутым темам Python.
Здесь освещается большое количество разных тем, вот некоторые:
— ООП: классы, магические методы, атрибуты
— декораторы
— загрузка и предобработка датасета
— кросс-валидация
— построение разных графиков
🟡 Advanced Python
@machinelearning_interview
🔥 Прикладная независимая конференция по data science
Организаторы HighLoad++ делают первую офлайн конференцию AiConf 2024. И это не просто конференция, а площадка для обмена опытом, общения и профессионального роста для Data Scientist, ML инженеров.
➡️ Среди тем конференции:
- Работа со звуком
- Компьютерное зрение и генерация изображений
- Обработка естественного языка
- Рекомендательные системы и поиск
- Умные механизмы
- Дискуссии на тему "ML будущего"
- Оптимизация использования железа
➡️ На AiConf 2024 вас ждут:
-Более 700 участников
- Доклады от Эмели Драль, Олега Бартунова, Алексея Голомедова
- Свежие доклады от лидеров рынка Ozon, Яндекса, Huawei, а также из реального сектора
- Рассказы о кейсах и технологиях, которые можно сразу применить в своих проектах. Всё свежее, из первых рук
— Неформальное общение на afterparty
❗️Кстати, ребята в своем телеграм-канале (https://t.me/UseDataConfChannel) делают розыгрыш офлайн-билета, приглашаем поучаствовать.
До встречи на AiConf 2024!
+2
🌟 Machine Learning в продакшене — открытая книга
Здесь описывается много чисто практических вещей, с которыми сталкивается ML-специлист, внедряющий модель в продакшен.
Приводится много примеров хороших практик, которые помогут строить масштабируемые и надёжные ML-системы
🟡 Machine Learning in Production
@machinelearning_interview
+3
📌Подборка полезных ресурсов для изучения ML и для подготовки к собеседованию
Здесь приводится много ссылок на ресурсы, которые объясняют основы Computer Science, матанализ и линейную алгебру, теорию вероятностей и статистику.
Плюс затрагиваются такие темы как:
— классическое ML
— байесовское ML
— Deep Learning
— NLP
— Reinforcement Learning
— применение ML, в частности в биологии и медицине
Почти все практические примеры связаны с Python и R
🟡 ML resources
@machinelearning_interview
🔥 Прикладная независимая конференция по data science
Организаторы HighLoad++ делают первую офлайн конференцию AiConf 2024. И это не просто конференция, а площадка для обмена опытом, общения и профессионального роста для Data Scientist, ML инженеров.
➡️ Среди тем конференции:
- Работа со звуком
- Компьютерное зрение и генерация изображений
- Обработка естественного языка
- Рекомендательные системы и поиск
- Умные механизмы
- Дискуссии на тему "ML будущего"
- Оптимизация использования железа
➡️ На AiConf 2024 вас ждут:
-Более 700 участников
- Доклады от Эмели Драль, Олега Бартунова, Алексея Голомедова
- Свежие доклады от лидеров рынка Ozon, Яндекса, Huawei, а также из реального сектора
- Рассказы о кейсах и технологиях, которые можно сразу применить в своих проектах. Всё свежее, из первых рук
— Неформальное общение на afterparty
❗️Кстати, ребята в своем телеграм-канале (https://t.me/UseDataConfChannel) делают розыгрыш офлайн-билета, приглашаем поучаствовать.
До встречи на AiConf 2024!
+2
📌Введение в Deep Learning
Здесь можно найти ответы на многие свои вопросы по ML и Deep Learning;
тут на примерах объясняются самые важные концепции: от построения своей нейросети и перечисления необходимых фреймворков до сравнения разных архитектур и настройки гиперпараметров
Можно использовать как один из материалов для подготовки к собеседованию
🟡 Introduction to Deep Learning
@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/84mG1Q
Реклама. ООО «Скилфэктори».
erid: LjN8KNEGR
⚡️ Подборка проектов по ML, на которых можно набить руку и прокачать скиллы
Среди эти проектов:
— раскрашивание чёрно-белых изображений с помощью CV
— реализация простого чат-бота
— распознавание пола и возраста
— прогнозирование временных рядов
Самое то, чтобы закрепить понимание ML-алгоритмов на практике
🖥 GitHub
@machinelearning_interview
Как сократить расходы на инференс LLM? Кейс компании “Актион”
22 августа, 16:00
Selectel проводет вебинар, на котором расскажет, как команда «Актион» сократила расходы на GPU на 60% и увеличила пропускную способность в 36 раз благодаря решению Compressa на инфраструктуре Selectel.
Вместе с коллегами из Compressa и «Актион» обсудим способы оптимизации open-source LLM-моделей на своем сервере и преимущества использования облака для инференса LLM. Сравним производительность LLM и стоимость токенов до и после оптимизации. Разберем кейс «Актион» и Compressa по обработке 100 000+ генераций в день всего на одной GPU-карте и узнаем, как удалось сократить расходы на инференс LLM.
Мероприятие бесплатное. Посмотреть программу вебинара и зарегистрироваться можно по ссылке: https://slc.tl/46nmn
Реклама АО «Селектел». ИНН: 7810962785
Erid: 2VtzqvSRMR6
+2
📌Deep Learning на практике
Очень полезный практический учебник/туториал по Deep Learning;
каждый раздел подробно объясняет, что происходит в конкретном Jupyter Notebook'е
Вот некоторые из затрагиваемых тем:
— NLP и работа с текстом
— классификация изображений
— распознавание (начиная с классического MNIST и до более сложных примеров)
🟡 Deep Learning на практике
🖥 Ноутбуки на GitHub
@machinelearning_interview
+2
⚡️ Крутейший сервис, который поможет понять, как устроены нейросети —
Нашёл отличную вещь, которая поможет разобраться в устройстве нейросетей — Interactive Tools.
Это библиотека интерактивных визуализаций, демонстрирующих, как работают такие нейросети, как ChatGPT, Midjourney и другие.
Например, Transformer Explainer наглядно объясняет, как ChatGPT выбирает следующее слово в тексте (подсказка: это как T9, но на максималках) и почему иногда выдаётся не самое вероятное слово.
📌 Interactive Tools
@machinelearning_interview
