¡Ya disponible! Investigación de Telegram 2025 — los principales insights del año 
Machinelearning
Ir al canal en 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
Mostrar más📈 Análisis del canal de Telegram Machinelearning
El canal Machinelearning (@ai_machinelearning_big_data) en el segmento lingüístico de Ruso es un actor destacado. Actualmente la comunidad reúne a 293 943 suscriptores, ocupando la posición 330 en la categoría Tecnologías y Aplicaciones y el puesto 1 277 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 293 943 suscriptores.
Según los últimos datos del 30 junio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -6 432, y en las últimas 24 horas de -166, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 7.71%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 5.50% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 22 682 visualizaciones. En el primer día suele acumular 16 178 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 176.
- Intereses temáticos: El contenido se centra en temas clave como openai, claude, api, gemini, контекст.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“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”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 01 julio, 2026), el canal mantiene la vigencia y un amplio alcance. La analítica demuestra que la audiencia interactúa activamente con el contenido, lo que lo convierte en un punto de referencia dentro de la categoría Tecnologías y Aplicaciones.
293 943
Suscriptores
-16624 horas
-1 5837 días
-6 43230 días
Archivo de publicaciones
293 943
🔥 Weekend Offer для ML- и RecSys-разработчиков
RecSys ВКонтакте – это талантливые люди, которые сегодня придумывают идею — а завтра она уже в проде, полезные рекомендации для всех и небездушные технологии. Вместе с Командой VK Клипов и VK Видео вы будете разрабатывать рекомендательные системы для двух крупнейших российских видеосервисов, а с Core ML – заниматься умным ранжированием ленты и подбором интересных публикаций для пользователей, рекомендациями друзей, ранжированием комментариев.
Первая встреча: 20 июня — 1 июля.
Детальное знакомство: суббота, 2 июля.
Финальное собеседование: воскресенье, 3 июля.
Ссылка на регистрацию: https://vk.cc/ceq94C
293 943
♦️ Color engineering for special images
How to improve color encoding of unnatural images.
Article
Dataset
@ai_machinelearning_big_data
293 943
⚡️ Тест для продвинутого уровня по Machine Learning
Ответьте на 10 вопросов и проверьте, насколько вы готовы к обучению на углубленном курсе - «Machine Learning. Advanced» от OTUS и его партнера — Сбера.
📌 РЕЗУЛЬТАТ ПРОХОЖДЕНИЯ КУРСА:
Вы освоите продвинутые приемы машинного обучения, которые позволят вам уверенно себя чувствовать на ведущих Middle/ Senior позициях и справляться даже с нестандартными задачами.
💻 Двухдневный интенсив — Рекомендовать или не рекомендовать, пуcть решает ML!, 11 июля в 18:00
https://otus.pw/K5Tm/
Время прохождения теста ограниченно 20 минут
👉 ПРОЙТИ ТЕСТ
https://otus.pw/Pgmq/
293 943
📡 NU-Wave — Official PyTorch Implementation
Github: https://github.com/mindslab-ai/nuwave
Paper: https://arxiv.org/abs/2206.08545v1
Dataset: https://datashare.ed.ac.uk/handle/10283/3443
@ai_machinelearning_big_data
293 943
🔊 SoundSpaces 2.0: A Simulation Platform for Visual-Acoustic Learning
We introduce SoundSpaces 2.0, a platform for on-the-fly geometry-based audio rendering for 3D environments.
Github: https://github.com/facebookresearch/sound-spaces
Paper: https://arxiv.org/abs/2206.08312v1
Dataset: https://paperswithcode.com/dataset/librispeech
@ai_machinelearning_big_data
293 943
"Стань дата-инженером с Яндекс Практикумом
Сервис онлайн-обучения цифровым профессиям Яндекс Практикум запускает программу обучения по специальности «Инженер данных». Курс предназначен для студентов с как минимум базовым знанием SQL и Python — перед стартом необходимо пройти тест.
Авторы и преподаватели – практикующие эксперты ведущих российских IT-компаний.
Длительность — 6,5 месяцев.
Курс на 75% состоит из практических занятий – по окончании программы в вашем портфолио будет не менее 10 проектов.
Вы научитесь:
- работать с технологиями Python, SQL, Metabase, Airflow, PostgreSQL, MongoDB, ClickHouse, Celery, Kafka, Hadoop, Apache Spark, Spark Streaming и Yandex.Cloud
- извлекать, очищать и сохранять данные
- создавать и поддерживать хранилища типов Data Warehouse и Data Lake
- работать со стриминговой обработкой данных и облаками
Претендовать на работу по новой специальности студенты курса смогут уже в ходе обучения – с поиском вакансии помогут специалисты карьерного центра Яндекс Практикум.
Запись на курс открыта, старт занятий для ближайшего потока студентов – 23 мая.
Стоимость курса:
95 000 рублей при разовой оплате, при оплате в рассрочку – 17 000 рублей в месяц.
По завершении программы студенты получат диплом о профессиональной переподготовке.
Запись на бесплатную вводную часть и подробности по ссылке.
293 943
✔️ Pythae: Unifying Generative Autoencoders in Python -- A Benchmarking Use Case
This library implements some of the most common (Variational) Autoencoder models.
Github: https://github.com/clementchadebec/benchmark_VAE
Paper: https://arxiv.org/abs/2206.08309v1
Dataset: https://paperswithcode.com/dataset/celeba
@ai_machinelearning_big_data
293 943
Метавселенные: хайп или наше будущее?
Тут понятно и доступно рассказывают про NFT, блокчейн, искусственный интеллект, метавселенные и кибернетику умных устройств.
293 943
🖊 StrengthNet
Implementation of "StrengthNet: Deep Learning-based Emotion Strength Assessment for Emotional Speech Synthesis"
Github: https://github.com/ttslr/strengthnet
Paper: https://arxiv.org/abs/2110.03156
MOSNet: https://github.com/lochenchou/MOSNet
Dataset: https://paperswithcode.com/dataset/waymo-open-dataset
@ai_machinelearning_big_data
293 943
Как повысить эффективность логистики с помощью неклассических тестов?
Ответ можно найти в последней статье Delivery Club на Хабре. В ней команда операционных аналитиков поделилась тонкостями эксперимента по внедрению switchback A/B-тестов. Вы узнаете об особенностях таких тестов, сути сетевого эффекта, об этапах запуска switchback A/B-эксперимента в логистике и его итогах.
Подробнее по ссылке.
293 943
🔖 DoWhy | An end-to-end library for causal inference
"DoWhy" is a Python library that aims to spark causal thinking and analysis.
Github: https://github.com/py-why/dowhy
Docs: https://py-why.github.io/dowhy/
Paper: https://arxiv.org/abs/2206.06821v1
Video: https://note.microsoft.com/MSR-Webinar-DoWhy-Library-Registration-On-Demand.html
@ai_machinelearning_big_data
293 943
Слышали о профессии аналитика данных, но сомневаетесь? Поможем понять, подходит ли вам специальность.
→ Бесплатный вебинар 17 июня в 19:00
О профессии расскажут эксперты:
◾️ Ирина Ефимова, руководитель продуктовых исследований направления анализа данных в Яндекс Практикуме
◾️ Артем Исакин, руководитель трудоустройства направления анализа данных в Яндекс Практикуме
◾️ Михаил Панфилов, Junior Data Engineer в Dostavista, выпускник Практикума
Вы узнаете:
— какие аналитики бывают и чем они занимаются;
— сложно ли сейчас аналитикам данных найти работу;
— нужен ли опыт в IT;
— есть ли работа в регионах.
— чего работодатели ждут от аналитиков и как этому учат в Практикуме;
— как стартовать в профессии, если плохо знаете математику или программирование;
А в финале вы ответите на 5 вопросов, чтобы узнать подойдет ли вам профессия.
→ Зарегистрироваться на вебинар
293 943
😲 LIVE- Towards Layer-wise Image Vectorization (CVPR 2022 Oral)
New method to progressively generate a SVG that fits the raster image in a layer-wise fashion.
Github: https://github.com/picsart-ai-research/live-layerwise-image-vectorization
Project: https://ma-xu.github.io/LIVE/
Paper: https://arxiv.org/pdf/2206.04655v1.pdf
Colab: https://colab.research.google.com/drive/1s108WmqSVH9MILOjSAu29QyAEjExOWAP?usp=sharing
@ai_machinelearning_big_data
293 943
Can CNNs Be More Robust Than Transformers?
CNN architectures without any attention-like operations that is as robust as, or even more robust than, Transformers.
Github: https://github.com/ucsc-vlaa/robustcnn
Paper: https://arxiv.org/abs/2206.03452v1
Dataset: https://paperswithcode.com/dataset/imagenet-r
@ai_machinelearning_big_data
293 943
#Вакансия: Data Engineer (Middle)
📍 В классном офисе в Москве/гибрид;
📍200-350К руб., белая ЗП или ИП;
📍Большой датасет, интересные задачи, возможность влиять на продукт.
✅ОБЯЗАННОСТИ
• Проектировать, разрабатывать и поддерживать пайплайны для сбора и обработки данных;
• Обеспечивать SLA и качество данных;
• Готовить данные для моделей машинного обучения и участвовать в их продукционализации совместно с data science командой.
✅ТРЕБОВАНИЯ
• Хорошее знание технологий из стека: Python, SQL, Spark, Airflow;
• Опыт работы на проектах с большими данными, понимание принципов распределенной обработки данных;
• Опыт продуктовой разработки в технологических компаниях.
✅БУДЕТ ПЛЮСОМ:
• Опыт работы с облаками, особенно, с Яндекс.Облаком;
• Опыт разработки высоконагруженных бэкенд сервисов на Java, Scala или Python;
• Опыт работы с моделями машинного обучения в продакшене;
• Опыт работы с базами данных для аналитики, особенно, с ClickHouse.
Понравилась вакансия? Присылай CV @naikava293 943
🔥 EG3D: Efficient Geometry-aware 3D Generative Adversarial Networks by Nvidia
Expressive hybrid explicit-implicit network architecture that, together with other design choices, synthesizes not only high-resolution multi-view-consistent images in real time but also produces high-quality 3D geometry.
Github: https://github.com/NVlabs/eg3d
Project: https://nvlabs.github.io/eg3d/
Video: https://www.youtube.com/watch?v=cXxEwI7QbKg&feature=emb_logo&ab_channel=StanfordComputationalImagingLab
Paper: https://nvlabs.github.io/eg3d/media/eg3d.pdf
Documentation: https://ontomerger.readthedocs.io/
293 943
👁🗨 CVNets: A library for training computer vision networks
Improved model, MobileViTv2, is state-of-the-art on several mobile vision tasks, including ImageNet object classification and MS-COCO object detection.
Github: https://github.com/apple/ml-cvnets
Examples: https://github.com/apple/ml-cvnets/blob/main/docs/source/en/models
Paper: https://arxiv.org/abs/2206.02680v1
Dataset: https://paperswithcode.com/dataset/coco
@ai_machinelearning_big_data
293 943
Создайте свою первую нейросеть за 10 дней
Благодаря машинному обучению нам доступны чудеса вроде распознавания лиц, написания песен в стиле Курта Кобейна и картин в духе Рембрандта. Создать свою собственную нейросеть реально.
На бесплатном курсе Нетологии «Искусственный интеллект: создайте свою первую нейросеть» за 5 занятий вы узнаете, как устроены нейросети и в каких сферах они применяются, а также самостоятельно обучите до 4-х математических моделей, которые будут распознавать собак на фото, классифицировать изображения и определять эмоциональную окраску сообщения. Мир Data Science и искусственного интеллекта — доступнее, чем кажется.
Убедитесь в этом сами → https://netolo.gy/iwv
293 943
🔘 Squeezeformer: An Efficient Transformer for Automatic Speech Recognition
Github: https://github.com/kssteven418/squeezeformer
Paper: https://arxiv.org/abs/2206.00888v1
Dataset: https://paperswithcode.com/dataset/librispeech
@ai_machinelearning_big_data
