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

Red:Machinelearning Rusia1 281 Tecnologías y Aplicaciones326...

📈 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 293 457 suscriptores, ocupando la posición 326 en la categoría Tecnologías y Aplicaciones y el puesto 1 281 en la región Rusia.

📊 Métricas de audiencia y dinámica

Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 293 457 suscriptores.

Según los últimos datos del 02 julio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -6 464, y en las últimas 24 horas de -249, conservando un alto alcance.

Estado de verificación: No verificado
Tasa de interacción (ER): El promedio de interacción de la audiencia es 7.49%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 5.71% de reacciones respecto al total de suscriptores.
Alcance de las publicaciones: Cada publicación recibe en promedio 21 989 visualizaciones. En el primer día suele acumular 16 765 visualizaciones.
Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 173.
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 03 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.

293 457

Suscriptores

-24924 horas

-1 5267 días

-6 46430 días

21 989

Visitas de la publicación

~ 16 76524 horas

~ 18 67648 horas

7.49%

Tasa de compromiso

~ 6

Mensajes por día

Ads index

beta

Archivo de publicaciones

293 457

📛PYTORCH CHATBOT TUTORIAL https://pytorch.org/tutorials/beginner/chatbot_tutorial.html Code: https://github.com/pytorch/tutorials/blob/master/beginner_source/chatbot_tutorial.py Code for deep learning researchers to learn PyTorch: https://github.com/yunjey/pytorch-tutorial @ai_machinelearning_big_data

293 457

Disentangling Latent Space for Unsupervised Semantic Face Editing Github: https://github.com/max-liu-112/STGAN-WO Paper: https://arxiv.org/abs/2011.02638 @ai_machinelearning_big_data

293 457

Fresh Review: Savl, ml based cryptocurrency app Features: - Buy, sell and exchange popular digital currencies (BTC, ETH, XRP, BCH, LTC and ERC-20) within one P2P platform - Secured access to the wallet: all personal info and chats are end-to-end encrypted - Lowest P2P fees and cheapest withdrawals, instant and free transactions within the ecosystem - Purchase digital assets directly with a debit/credit card - Get up-to-date information from the world of fintech and digital assets; develop a strategy for buying and selling based on the latest data - Pay for everyday goods and services with crypto - A Reposts feature that allows you to earn % of trade by simply sharing ads - Everything that professional needs in one place iOS app: https://apps.apple.com/us/app/savl/id1369912925 Android app: https://play.google.com/store/apps/details?id=com.savl Website: https://savl.com/ Facebook: https://www.facebook.com/savl.official/ Instagram: https://www.instagram.com/savl_official/ Telegram: https://t.me/savl_community

293 457

RecBole. A unified, comprehensive and efficient recommendation library https://recbole.io/ Github: https://github.com/RUCAIBox/RecBole Paper: https://arxiv.org/abs/2011.01731 Datasets: https://github.com/RUCAIBox/RecDatasets

293 457

CompressAI: a PyTorch library and evaluation platform for end-to-end compression research Github: https://github.com/InterDigitalInc/CompressAI Paper: https://arxiv.org/abs/2011.03029v1 @ai_machinelearning_big_data

293 457

Хотите освоить продвинутые приемы Машинного обучения? Начните получать новые знания уже 25 ноября с демо-занятия «Кластеризация временных рядов». Вместе с Дмитрием Сергеевым вы познакомитесь с интереснейшей задачей, которую можно прикрутить к временным рядам. Вы выясните, можно ли найти похожие друг на друга по динамике финансовые активы на бирже и заберёте с собой код, позволяющий сделать это с нуля. Демо-занятие входит в онлайн-курс «Machine Learning. Advanced». Программа рассчитана на специалистов с опытом в Data Science. ДЛя регистрации на занятие пройдите вступительный тест https://otus.pw/SQRN/

293 457

🙆‍♂️ Gesticulator: A framework for semantically-aware speech-driven gesture generation. https://svito-zar.github.io/gesticulator/ Code: https://github.com/Svito-zar/gesticulator Paper: https://arxiv.org/abs/2001.09326 Video: https://www.youtube.com/watch?v=VQ8he6jjW08&feature=youtu.be @ai_machinelearning_big_data

293 457

End-to-end Animal Image Matting Github: https://github.com/JizhiziLi/animal-matting Paper: https://arxiv.org/abs/2010.16188v1 Test dataset: https://github.com/JizhiziLi/animal-matting/tree/master/demo/ @ai_machinelearning_big_data

293 457

Приглашаем бизнес-аналитиков и экспертов в DS принять участие в онлайн-конференции Loginom days 2020. Мероприятие будет включать в себя пять тематических дней: 1 день: Возможности платформы Loginom Как мы выбирали ориентиры при проектировании low-code платформы, основываясь на современных DS/ML-трендах. Как создавали State of the art систему автоматизированного тестирования Loginom, и многое другое. 2 день: Прогнозная аналитика Практикующие специалисты предиктивной аналитики расскажут о своем опыте построения прогнозов для принятия целого ряда тактических и стратегических решений. 3 день: Качество данных Очистка и обогащение больших данных в реальной жизни на примере «живых» проектов. 4 день: Self-made analysis. Что такое big data Self-made analysis, какова ее польза для бизнеса, чего не стоит от нее ожидать, как с помощью low-code платформы БЫСТРО решать задачи без привлечения ИТ-департамента. 5 день: Презентация проектов Loginom Хакатон. Студенты-финалисты Loginom Хакатон 2020 презентуют собственные проекты решения задач Data Science в секциях “Логистика”, “Клиентская аналитика” и “Оригинальный проект” На онлайн-площадке мероприятия можно: Задавать вопросы спикерам Планировать встречи с экспертами Общаться со всеми участниками Участие бесплатное. Регистрируйтесь, будет интересно!

293 457

Why nonlinear activation functions improve ML performance – with TensorFlow example. https://www.machinecurve.com/index.php/2020/10/29/why-nonlinear-activation-functions-improve-ml-performance-with-tensorflow-example/ @ai_machinelearning_big_data

293 457

🧠 Distilling Prioritized Paths For One-Shot Neural Architecture Search Github: https://github.com/microsoft/cream Paper: https://arxiv.org/abs/2010.15821v1 Models-Google Drive: https://drive.google.com/drive/folders/1NLGAbBF9bA1IUAxKlk2VjgRXhr6RHvRW @ai_machinelearning_big_data

293 457

Understanding of OpenSeq2Seq. https://www.geeksforgeeks.org/understanding-of-openseq2seq/ Machine Translation: https://nvidia.github.io/OpenSeq2Seq/html/machine-translation.html Speech Recognition: https://nvidia.github.io/OpenSeq2Seq/html/speech-recognition.html

293 457

Образовательная экосистема GeekBrains приглашает на работу людей, которые накопили экспертизу и ценные знания в сфере IT и готовы ими делиться. Сейчас GeekBrain набирает преподавателей, авторов и ревьюеров в разработке, программировании, тестировании и информационной безопасности, которые помогут студентам осваивать новые профессии и делать первые шаги на пути к успешной карьере в IT. Задачи: - Авторов — создавать собственные программы обучения для студентов - Преподавателей — вести занятия по тем темам, в которых они эксперты - Ревьюеров — проверять домашки и давать фидбек по практическим работам и проектам студентов При приёме не важен ваш опыт в обучении других, но важен бэкграунд работы в конкретной IT-сфере: он должен быть не менее двух лет. Вы сможете совмещать эту нагрузку с основной работой, а также получите доступ ко всем курсам и базе знаний GeekBrains! Станьте частью команды GeekBrains → https://geekbrains.ru/link/4phjRC Хочу в команду GeekBrains

293 457

Dealing with Imbalanced Data in Machine Learning https://www.kdnuggets.com/2020/10/imbalanced-data-machine-learning.html Code: https://github.com/mwitiderrick/imbalanced-data @ai_machinelearning_big_data

293 457

📡 Athena is an open-source implementation of end-to-end speech processing engine Github: https://github.com/athena-team/athena Paper: https://arxiv.org/abs/2010.13991v1 @ai_machinelearning_big_data

293 457

Настоящий Data Science начинается с математики! Все это были детские игры, если ты никогда не использовал матанализ при калибровке модели, не преобразовывал данные одним ходом с помощью линейной алгебры и выбирал распределение наугад. 🧮На онлайн-курсе «Math for Data Science» у тебя будет 4 месяца серьезной практики на реальных кейсах. Тебя ждет живое общение с экспертами из мира Data Science, которые помогут тебе победить страх перед математикой и набраться уверенности перед карьерным прыжком. Новые навыки откроют тебе доступ к крутым должностям с интересными задачами и зарплатой от 190 тыс. рублей. 👉🏻Выбери свой уровень подготовки — базовый или продвинутый, пройди вступительный тест и займи место по спец.цене: https://otus.pw/1tOt/

293 457

Gated Linear Networks Github: https://github.com/deepmind/deepmind-research/tree/master/gated_linear_networks Paper: https://arxiv.org/abs/2010.12268v1 The Potential of Gated Linear Networks: https://towardsdatascience.com/the-potential-of-gated-linear-networks-for-online-learning-70ca5ea073a @ai_machinelearning_big_data

293 457

TRANSFER LEARNING FOR COMPUTER VISION TUTORIAL WITH PYTORCH https://pytorch.org/tutorials/beginner/transfer_learning_tutorial.html Code: https://github.com/pytorch/tutorials/blob/master/beginner_source/transfer_learning_tutorial.py @ai_machinelearning_big_data

293 457

Hello all, We want to invite you to the Scale By the Bay conference! SBTB will bring together developers, data architects, engineers, and professionals from around the globe who stand at the forefront of technology to share best practices and discuss the future of programming. Hear from visionary keynote speakers Learn about the current state and future of programming languages, data engineering, and AI from Martin Odersky, Creator of Scala Matei Zakaria, Creator of Spark Anima Anandkumar, Leads AI in Nvidia Learn from the panels "Will AI Kill Programming" panel will feature the panelists included Bryan Cantrill, the co-founder, and CTO of Oxide Computer, rebuilding the data center as we know it. The questions range from how data science will evolve in contrast to software engineering to nocode. "Programming Languages in the Age of the Cloud" panel will explore how developers’ life changes with the ascent of the ubiquitously distributed systems — building and deploying for cloud APIs, with the IDEs often running cloud CI/CD alongside GitHub. Access technical sessions from beginner to advanced Сompanies like Google, AWS, Spotify, IBM, Twitter and many more are presenting. Learn from the best in the industry across 40+ talks, demo sessions, and more. Whether you're new to AI/ML/FP or a seasoned pro, there's something for everyone at SBTB. Connect with the global SBTB Community Our fantastic Spatial.Chat hallway track attracted top sponsors who will set up their virtual booth there. Welcome Twitter, Lightbend, TrueAccord, Netflix, Scalac, and Signify as our sponsors this year. Register now for Scale By the Bay 2020! We hope you will join us in November! Для русскоговорящей аудитории мы подготовили скидку - c промокодом SUPPORT цена билета всего 30$ вместо 100$!!!

293 457

FermiNet: Quantum Physics and Chemistry from First Principles https://deepmind.com/blog/article/FermiNet Github: https://github.com/deepmind/ferminet Paper: https://journals.aps.org/prresearch/abstract/10.1103/PhysRevResearch.2.033429 @ai_machinelearning_big_data