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
Red:📈 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 277 021 suscriptores, ocupando la posición 334 en la categoría Tecnologías y Aplicaciones y el puesto 1 381 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 277 021 suscriptores.
Según los últimos datos del 29 octubre, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -1 666, y en las últimas 24 horas de -141, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 8.35%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 6.19% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 23 140 visualizaciones. En el primer día suele acumular 17 143 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 361.
- 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 30 octubre, 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.
277 021
Suscriptores
-14124 horas
-5937 días
-1 66630 días
Archivo de publicaciones
277 018
🖥 Self-conditioned Image Generation via Generating Representations
A new benchmark in class-unconditional image generation.
RCG - новый простой, но эффективный фреймворк для генерации изображений, который устанавливает новую планку для unconditional генераций (без учета класса генерации объекта).
RCG не зависит от аннотаций человека. Вместо этого он опирается на самоконтролируемое распределение, которое сопоставляется с распределением изображений с помощью предварительно обученного кодировщика.
Во время генерации RCG делает выборку из такого распределения представлений с помощью модели диффузии представлений (RDM) и использует генератор пикселей для создания пикселей изображения на основе выбранного представления.
Такая конструкцияприводит к созданию высококачественных изображений. Протестированная на
ImageNet 256
256, RCG достигает Frechet Inception Distance (FID) 3,31 и Inception Score (IS) 253,4.
Эти результаты не только значительно превосхоядт современное состояние генерации изображений без учета классов, но и конкурируют с ведущими методами генерации изображений с учетом классов, преодолевая давний разрыв в производительности между этими двумя задачами.
🖥 Github: https://github.com/LTH14/rcg
📚 Paper: https://arxiv.org/abs/2312.03701
🌟 Dataset: https://paperswithcode.com/dataset/imagenet
@ai_machinelearning_big_data277 018
⚡️8 free courses to master large language models:
8 бесплатных топ курсов по большим языковым моделям:
1. Университет LLM
Курс дает представление о том, как работают
LLM, их практическом применении, и направляет учащихся на использование LLM для создания и развертывания приложений.
https://docs.cohere.com/docs/llmu
2. huggingface NLP course
Этот курс дает исчерпывающие знания о тарнсформерах Hugging Face, датасетах, токенизаторах и инструменте Accelerate в области обработки естественного языка (NLP).
https://huggingface.co/learn/nlp-course/chapter1/1
3. DeepLearningAI
Коллекция бесплатных курсов, созданных в сотрудничестве со многими компаниями, такими как LangChain, OpenAI, Google, Weights & Biases, Microsoft и другими.
https://www.deeplearning.ai/short-courses/
4. Weights_biases course
Этот курс показывает, как создавать приложения на базе LLM, используя API, Langchain и W&B Prompts. Он рассказывает про разработку, экспериментирование и оценку приложений, ориентированных на LLM.
https://www.wandb.courses/courses/building-llm-powered-apps
5. Introduction to LLMs course by google cloud
Курс вводного уровня, в котором рассказывается о том, что такое LLM, о случаях их использования и о том, как повысить производительность LLM с помощью промпт-тюнинга.
https://www.cloudskillsboost.google/course_templates/539
6. Databricks курсы
Программа включает в себя два курса: "LLMs: Application through Production" и "LLMs: Foundation Models from the Ground Up".
https://www.databricks.com/blog/enroll-our-new-expert-led-large-language-models-llms-courses-edx
7. Курс "LangChain & Vector Databases in Production" от activeloopai, towards_AI и Intel
Серия из трех курсов познакомит слушателей со знаниями и навыками для обучения, тонкой настройки и интеграции LLM в продакшен.
https://learn.activeloop.ai/courses/langchain
8 ) LLM Bootcamp
Охватывает такие темы, как Prompt Engineering, LLMOps, UX для языковых пользовательских интерфейсов, дополненные языковые модели, быстрая разработка LLM-приложений, будущие тенденции в LLM, фундаментальные концепции и прохождение askFSDL.
https://fullstackdeeplearning.com/llm-bootcamp/
@ai_machinelearning_big_data277 018
🚀 Optimized inference with NVIDIA and Hugging Face
Optimum-NVIDIA теперь доступен на Hugging Face!
28-кратное ускорение вычислений и 1 200 токенов в секунду на платформе NVIDIA с помощью всего 1 строки кода.
Optimum-NVIDIA обеспечивает лучшую производительность вычислений на платформе NVIDIA.
#LLM E https://huggingface.co/blog/optimum-nvidia
🖥 Github
@ai_machinelearning_big_data
277 018
✅ Fine-tuning Stable Diffusion
В этом руководстве подробно показано, как произвести файнтюнинг модели Stable Diffusion на собсвенном датасете из пар {
изображение, подпись}.
https://keras.io/examples/generative/finetune_stable_diffusion/
@ai_machinelearning_big_data277 018
🔍 Yandex Cloud открывает доступ к YandexGPT API в режиме превью для всех пользователей и запускает программу грантов
YandexGPT API может решать задачи разного уровня сложности: от поиска ответов на вопросы в режиме реального времени до аналитики аудиозаписей.
Сервис теперь доступен всем пользователям и тарифицируется, но при этом компании могут попробовать технологию бесплатно в рамках программы Yandex Cloud Boost AI. А также получить консультации архитекторов по работе с нейросетью, скидку на дальнейшее использование технологии и гранты в размере 1 млн рублей на использование YandexGPT API.
Кроме того, эксперты собрали библиотеку наиболее популярных сценариев использования нейросети. Так, например, компания Ralph Ringer уже использует решение Smart-Reply.AI со встроенным YandexGPT API для автоматизации ответов на отзывы и вопросы клиентов на маркетплейсах.
💬 Подробнее о запуске YandexGPT читайте по ссылке.
277 018
🥇 TokenCompose, a text-to-image latent diffusion model trained with fine-grained grounding objectives
TokenCompose, модель латентной диффузии текста в изображение, которая достигает высокого фотореализма.
🖥 Code: https://github.com/mlpc-ucsd/TokenCompose
🏆 Website: https://mlpc-ucsd.github.io/TokenCompose/
📚 Paper: https://huggingface.co/papers/2312.03626
@ai_machinelearning_big_data277 018
Первый очный ИТ-митап Сбера в Калининграде!
Приглашаем разработчиков и Data people, чтобы поговорить про новейшие разработки банка в области больших языковых моделей и обсудить, зачем нужен GigaChat.
Когда: 16 декабря, 11:00 – 17:00
Где: г. Калининград, ул. Гюго 1, отель Holiday Inn, зал ГОФМАН
Спикеры и темы:
1. Сысоев Дмитрий — исполнительный директор по исследованию данных — вместе с вами решит NLP-задачку и покажет, кто справится лучше: вы или GigaChat.
2. Ефремов Владислав — Development Team Lead — расскажет о платформе аналитики коммуникаций банка с клиентами Voice360 и покажет кейсы применения GigaChat для аналитики коммуникаций.
3. Марченков Антон — исполнительный директор по исследованию данных в Департаменте данных и рекомендательных систем Сбера — поделится тем, как Сбер использует современные генеративные модели и как это помогает соответствовать ожиданиям рынка.
4. Резвых Алексей — Team Lead Data Scientist — и Кулин Никита — Data Scientist —применят большие языковые модели для автоматического извлечения знаний из диалогов.
5. Дмитрий Бугайченко — управляющий директор в Департаменте данных и рекомендательных систем Сбера — расскажет о том, как искусственный интеллект работает на службе компаний-партнёров Сбера.
Помимо новых знаний, вас ждут One Day Solo Hackathon и много призов. Скорее регистрируйтесь по ссылке
277 018
💡DemoFusion: High-resolution generation
DemoFusion: Паплайн для генерации с высоким разрешением с использованием только
SDXL и графического процессора RTX 3090!
Код доступен в 🧨diffusers в качестве пайплайна!
#DemoFusion
🖥 Попробовать: https://github.com/huggingface/diffusers/blob/main/examples/community/pipeline_demofusion_sdxl.py
🥩 Страница проекта: https://ruoyidu.github.io/demofusion/demofusion.html
@ai_machinelearning_big_data277 018
Скажите что-то на карьерном
Тинькофф в поиске крутых ИТ-спецов. С компании — профессиональный рост, интересные финтех-задачи, решение бытовых забот и работа там, где вы живете. С вас — выбрать вакансию и откликнуться тут
АО «Тинькофф Банк», ИНН 7710140679
277 018
⚡️⚡️⚡️ Introducing Gemini: largest and most capable AI model by Google.
Google представил Gemini — новое семейство мультимодальных моделей.
Это самая большая и самая способная модель искусственного интеллекта.
Созданная на основе мультимодальных технологий, она способна понимать и работать с текстом, кодом, аудио, изображениями и видео и достигает самой высокой производительности во многих задачах.
Это единственный ИИ, который справился с экзаменами из 57 категорий разных уровней лучше, чем человек.
🧵 https://blog.google/technology/ai/google-gemini-ai/
@ai_machinelearning_big_data
277 018
+2🦾 Помогать углубляться в ML будет новая площадка яндексовского ШАДа
Школа анализа данных, откуда выходят сильные дата-сайентисты и ML-щики, открыла пространство в Петербурге. Будет интересно всем, кто занимается ИИ: на площадке впервые в истории ШАДа начнут проводить открытые мероприятия. В планах — лектории и интенсивы по ИИ от топовых преподавателей Школы и экспертов Яндекса, соревнования по ML и алгоритмам, хакатоны по разработке. А ещё — коллаборации со студентами Школы: будет возможность работать над учебными проектами, направленными на внедрение технологий ИИ в бизнес и прикладную науку.
@ai_machinelearning_big_data
277 018
🔥🔥🔥 LaVie: High-Quality Video Generation with Cascaded Latent Diffusion Models
Vchitect новые модели с открытым исходным кодом для генерации видео.
📽️LaVie (Text2Video Model)
- Code: https://github.com/Vchitect/LaVie
- https://huggingface.co/spaces/Vchitect/LaVie
📽️SEINE (Image2Video Model)
- Code: https://github.com/Vchitect/SEINE
- https://huggingface.co/spaces/Vchitect/SEINE
@ai_machinelearning_big_data
277 018
🪄 MagicAnimate: Temporally Consistent Human Image Animation using Diffusion Model
Высокоточная временно-согласованная анимация изображений человека с использованием диффузионной модели.
🖥 Github: https://github.com/magic-research/magic-animate
🔥HF: https://huggingface.co/spaces/zcxu-eric/magicanimate
📚 Paper: arxiv.org/abs/2311.16498
🌟 Colab: https://colab.research.google.com/github/camenduru/MagicAnimate-colab/blob/main/MagicAnimate_colab.ipynb
🥩 Page: https://showlab.github.io/magicanimate/
@ai_machinelearning_big_data
277 018
🦾 StyleTTS 2: Towards Human-Level Text-to-Speech through Style Diffusion and Adversarial Training with Large Speech Language Models
Новая модель
StyleTTS 2 для преобразования текста в речь (TTS), которая использует диффузию стилей и состязательное обучение с большими моделями языка речи (SLM) для достижения синтеза речь на человеческом уровне.
StyleTTS 2 отличается от своих предшественников тем, что моделирует стили как скрытую случайную переменную с помощью диффузионных моделей для генерации наиболее подходящего стиля для текста, без эталонных примеров.
В данной работе впервые достигнут синтез TTS на человеческом уровне как на одноязычных, так и на многоязычных наборах данных.
🖥 Github: https://github.com/yl4579/StyleTTS2
🔥Colab: https://colab.research.google.com/github/yl4579/StyleTTS2/blob/main/
⚡️ Demo: https://huggingface.co/spaces/styletts2/styletts2
📚 Paper: https://arxiv.org/abs/2306.07691
🌟 Demo: https://seamless.metademolab.com/expressive
🥩 Page: styletts2.github.io277 018
🔥 Seamless: Multilingual Expressive and Streaming Speech Translation
Модели Seamless получили обновления и доступны для использования.
Новая веха в исследованиях в области бесшовной коммуникации и пеервода - семейство моделей перевода на основе искусственного интеллекта, которые сохраняют выразительность и обеспечивают потоковый перевод практически в режиме реального времени.
🔥Hugging face demo: https://huggingface.co/collections/facebook/seamless-communication-6568d486ef451c6ba62c7724
⚡️ BLog: https://ai.meta.com/blog/seamless-communication/
📚 Paper: https://scontent.fbkk5-5.fna.fbcdn.net
🌟 Demo: https://seamless.metademolab.com/expressive
🖥 Github: https://github.com/facebookresearch/seamless_communication
@ai_machinelearning_big_data
277 018
🪞 Visual Anagrams: Generating Multi-View Optical Illusions with Diffusion Models
Это самая крутая работа диффузии, за последнее время! Она генерирует визуальные анаграммы - тип оптической иллюзии, когда изображение выглядит как одно, но при трансформации меняет вид.
Метод работает с любыми ортогональными матрицами преобразования, которые, к счастью, включают вращение и перестановку (пазлы).
Интуитивно понятно, что метод сначала инвертирует шум от нескольких преобразований изображения (с разными текстовыми промптами), а затем усредняет их.
После диффузии усредненного шума, результирующее изображение превращается в анаграмму, соответствующую тексту в разных ракурсах.
При этом требуется совсем немного вычислений, используется предварительно обученная стабильная диффузия.
Простая, элегантная техника для непрофессионалов, позволяющая создавать интересные произведения искусства!
🖥 Code: https://github.com/dangeng/visual_anagrams
🌟 Colab: https://colab.research.google.com/drive/1hCvJR5GsQrhH1ceDjdbzLG8y6m2UdJ6l?usp=sharing
🔥 Project: https://dangeng.github.io/visual_anagrams/
📚 Paper: https://arxiv.org/abs/2311.17919
@ai_machinelearning_big_data
277 018
Приглашаем на главное BI-событие декабря — Yandex DataLens Festival!
В этом году будет ещё интереснее! Вас ждут 2 недели полезного контента от экспертов:
⭐️ Yandex Cloud. Как построить аналитику в облаке
⭐️ MAXIMUM Education. Как переезд с Power BI расширил число пользователей аналитики
⭐️ Ренессанс Страхование. Как построить систему знаний и обучения BI
⭐️ CARCADE. Как организовать работу 1000 пользователей BI в финсекторе
⭐️ YCLIENTS. Как анализировать работу команды разработки
⭐️ Reveal the Data aka Роман Бунин. Сколько живёт дашборд и как увеличить время его жизни
Помимо этого, ведущие разработчики DataLens и YTsaurus поделятся рецептами, как готовить опенсорс, а именно:
🛠 как развернуть у себя
🛠 как кастомизировать UI
🛠 как настроить базовую аутентификацию
🛠 как интегрировать с YTsaurus
Будет много нетворкинга — разберём вопросы на Q&A-сессии и пообщаемся вживую на афтерпати. Ну и какой фестиваль без конкурсов и сюрпризов 🎁
Участие бесплатное, нужно только ➡️ зарегистрироваться
277 018
⭐️ LEDITS++: Limitless Image Editing using Text-to-Image Models
LEDITS++ модель, которая выводит редактирование изображений текcтом на новый уровень.
LEDITS++:
- быстрый 🚀
- универсальный 🎨
- привязывает изменения к соответствующим областям 🎑
- не зависит от архитектуры ⚙️
🖥 Code: https://huggingface.co/spaces/editing-images/leditsplusplus/tree/main
🔥 Project: https://leditsplusplus-project.static.hf.space/index.html
🦾 Demo: https://huggingface.co/spaces/editing-images/leditsplusplus
📚 Paper: https://arxiv.org/abs/2311.16711
@ai_machinelearning_big_data
277 018
Нейросетевой мир уже победил, большой брат следит за вами
ChatGPT и MidJourney сделали нейросети популярными и известными. Но на деле ИИ начали активно использовать для слежки за людьми еще в 2000-x годах. Вы ведь слышали про машинное зрение?
Нейросети внимательно смотрят, как мы работаем, что покупаем в магазине по акции и где паркуем авто. Они анализируют, подсчитывают и каталогизируют нас и все, что мы производим.
Мы с командой начали осваивать машинное зрение еще в далекие досанкционные. И теперь знаем, как бизнесу грамотно применить нейросети в рознице и сократить затраты на персонал и рутинные операции.
Давайте будем знакомы. Мы Destech — системный интегратор. Поставляем оборудование и ПО, связываем технические системы между собой и устанавливаем на объекты — от Шереметьево и до колледжей РЖД.
Собираем в одно комьюнити всех, у кого душа болит за российский айти. Делимся кейсами, закидываем интересные мероприятия для технарей, болтаем о нейросетях. Подписывайтесь
Реклама. ООО “Проектные технологии” ИНН 7718654563 erid: 2SDnjcknxCp
277 018
🔥Building and Evaluating Advanced RAG Applications
Вышел новый бесплатный курс от deeplearning.ai по сложным техникам
RAG (Retrieval Augmented Generation).🦾
В этом курсе преподаются продвинутые техники работы с LLM, которые помогут вам генерировать хорошие и релевантные ответы и.
deeplearning.ai/short-courses/building-evaluating-advanced-rag/
@ai_machinelearning_big_data