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 275 818 suscriptores, ocupando la posición 336 en la categoría Tecnologías y Aplicaciones y el puesto 1 376 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 275 818 suscriptores.
Según los últimos datos del 08 noviembre, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -2 581, y en las últimas 24 horas de -147, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 7.93%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 6.43% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 21 878 visualizaciones. En el primer día suele acumular 17 732 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 341.
- 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 09 noviembre, 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.
275 818
Suscriptores
-14724 horas
-9337 días
-2 58130 días
Archivo de publicaciones
275 818
🎨 Colorization Transformer by Google
💻 Github: https://github.com/google-research/google-research/tree/master/coltran
📝 Paper: https://arxiv.org/abs/2102.04432v1
🌐 Pre-trained model: https://console.cloud.google.com/storage/browser/gresearch/coltran;tab=objects?pli=1&prefix=&forceOnObjectsSortingFiltering=false
@ai_machinelearning_big_data
275 818
Работаете в направлении Машинного обучения и хотите развиваться дальше?
Специально для вас девять практикующих экспертов приготовили онлайн-курс «Machine Learning. Advanced». Познакомиться с курсом можно будет уже 15 февраля на демо-занятии «Multi-armed bandits для оптимизации AB тестирования».
Вместе с Андреем Канашовым, Data Scientist в OMD OM GROUP, вы разберете один из самых простых, но эффективных вариантов применения обучения с подкреплением. Вы узнаете, как можно переформулировать задачу АБ тестирования в задачу байесовского вывода и получать результаты по тестам раньше, чем при классическом тестировании.
Используйте демо-занятие, чтобы освоить новые навыки, познакомиться с преподавателем и оценить сложность курса. Пройдите вступительный тест, чтобы зарегистрироваться на урок https://otus.pw/NLh4/
275 818
MeInGame: Create a Game Character Face from a Single Portrait
Github : https://github.com/FuxiCV/MeInGame
Paper: https://arxiv.org/abs/2102.02371v1
Demo: https://www.youtube.com/watch?v=597cvKOegfE&feature=youtu.be&ab_channel=EdwardLin
@ai_machinelearning_big_data
275 818
Грант до 1 000 000 рублей на разработку проекта в сфере машинного обучения
Технологии машинного обучения и искусственного интеллекта завоёвывают мир: каждый день появляются новые идеи и проекты. Как оторваться от конкурентов? Много экспериментировать, быстро работать и выпускать решения на рынок. Если у вас есть идея революционного продукта, но вы не знаете, какая платформа лучше справится с вашими задачами, обратите внимание на ML SPACE от SberCloud — единственный в мире сервис на базе суперкомпьютера Christofari c распределённым обучением на 1000+ GPU.
▫️В платформу интегрированы все популярные фреймворки и библиотеки для ML-разработки — просто берите и пользуйтесь.
▫️ Деплой моделей в три клика и запуск распределённых задач на кластер целиком позволяют сократить time to market: дни вместо недель, минуты вместо дней.
▫️ Платите по схеме Pay as you go — только за ресурсы, которыми пользуетесь.
Сейчас попробовать и оценить преимущества ML SPACE можно бесплатно. SberCloud предоставляет гранты до 1 000 000 рублей компаниям, создающим AI и ML продукты. По ссылке можно узнать больше о возможностях ML SPACE для бизнеса и оставить заявку. Количество грантов ограничено.
275 818
Only a Matter of Style: Age Transformation Using a Style-Based Regression Model
Github: https://github.com/yuval-alaluf/SAM
Paper: https://arxiv.org/abs/2102.02754v1
@ai_machinelearning_big_data
275 818
Knover allows researchers and developers efficient training/inference of large-scale dialogue generation models.
Github: https://github.com/PaddlePaddle/Knover
Paper: https://arxiv.org/abs/2102.02096v1
@ai_machinelearning_big_data
275 818
WeNet open source, production first and production ready end-to-end (E2E) speech recognition toolkit
Github: https://github.com/mobvoi/wenet
Paper: https://arxiv.org/abs/2102.01547v1
Tutorial: https://github.com/mobvoi/wenet/blob/main/docs/tutorial.md
@ai_machinelearning_big_data
275 818
Работаете в направлении Машинного обучения и хотите развиваться дальше?
Специально для вас девять практикующих экспертов приготовили онлайн-курс «Machine Learning. Advanced». Познакомиться с курсом можно будет уже 15 февраля на демо-занятии «Multi-armed bandits для оптимизации AB тестирования».
Вместе с Андреем Канашовым, Data Scientist в OMD OM GROUP, вы разберете один из самых простых, но эффективных вариантов применения обучения с подкреплением. Вы узнаете, как можно переформулировать задачу АБ тестирования в задачу байесовского вывода и получать результаты по тестам раньше, чем при классическом тестировании.
Используйте демо-занятие, чтобы освоить новые навыки, познакомиться с преподавателем и оценить сложность курса. Пройдите вступительный тест, чтобы зарегистрироваться на урок https://otus.pw/Yxtjs/
275 818
👁 TRANSFER LEARNING FOR COMPUTER VISION TUTORIAL WITH PYTORCH
TUTORIAL: https://pytorch.org/tutorials/beginner/transfer_learning_tutorial.html
Github: https://github.com/pytorch/tutorials/blob/master/beginner_source/transfer_learning_tutorial.py
@ai_machinelearning_big_data
275 818
📣Начните осваивать математику для Data Science на практике уже 10 февраля на демо-уроке «Статистическая зависимость».
За 2 часа вместе с преподавателем Александром Горяиновым вы разберете разные виды зависимостей между количественными и номинальными признаками, научитесь не путать статистическую зависимость с причинно-следственной, узнаете о методах выявления статистических зависимостей.
⚡️Демо-урок входит в программу онлайн-курса «Math for Data Science». Для обучения достаточно школьных знаний математики. Чтобы зарегистрироваться на занятие, пройдите вступительный тест: https://otus.pw/65lS/
275 818
275 818
Вот и подошла к концу самая эпичная битва зимы! ⚔️
Финал чемпионата для дата-сайентистов Alfa Battle 2.0. - присоединяйтесь на утренний кофе с победителями и всеми причастными к громкому событию в it-индустрии 💥
Мы собрали для вас содержательный и яркий видеоподкаст:
✔️Победители раскроют свои секреты эффективного подхода к решению задач чемпионата
✔️Организаторы поделятся инсайтами “Как создавать задачи со звездочками”
✔️Жюри выберет лучшие открытые решения
✔️Раскроем карты “Как попасть на стажировку в компании Альфа-Групп”
📍 https://www.youtube.com/watch?v=A7ha6mRUnhc
275 818
Tokens-to-Token ViT: Training Vision Transformers from Scratch on ImageNet, arxiv
Github: https://github.com/yitu-opensource/T2T-ViT
Paper: https://arxiv.org/abs/2101.11986
ImageNet training: https://github.com/pytorch/examples/tree/master/imagenet
@ai_machinelearning_big_data
275 818
💻 Learning to Reason Over Tables from Less Data
Google research: https://ai.googleblog.com/2021/01/learning-to-reason-over-tables-from.html
Code: https://github.com/google-research/tapas
Colab: https://colab.research.google.com/github/google-research/tapas/blob/master/notebooks/tabfact_predictions.ipynb
Dataset: https://www.microsoft.com/en-us/download/details.aspx?id=54253
@ai_machinelearning_big_data
275 818
Bottleneck Transformer - Pytorch
Github: https://github.com/lucidrains/bottleneck-transformer-pytorch
Bottleneck Transformers : https://github.com/leaderj1001/BottleneckTransformers
Paper: https://arxiv.org/abs/2101.11605v1
@ai_machinelearning_big_data
275 818
🧍 TIN: Transferable Interactiveness Network
Github: https://github.com/DirtyHarryLYL/Transferable-Interactiveness-Network
HOI-Learning-List: https://github.com/DirtyHarryLYL/HOI-Learning-List
Paper: https://arxiv.org/abs/2101.10292v1
@ai_machinelearning_big_data
275 818
🐍 Machine Learning From Scratch In Python - Full Course With 12 Algorithms
Video: https://www.youtube.com/watch?v=rLOyrWV8gmA&ab_channel=PythonEngineer
Code: https://github.com/python-engineer/MLfromscratch/tree/master/mlfromscratch
@ai_machinelearning_big_data
275 818
🌳 Neural-Backed Decision Trees
Demo: https://research.alvinwan.com/neural-backed-decision-trees/
Github: https://github.com/alvinwan/neural-backed-decision-trees
Paper: https://arxiv.org/abs/2004.00221
Code: https://colab.research.google.com/github/alvinwan/neural-backed-decision-trees/blob/master/examples/load_pretrained_nbdts.ipynb
Dataset: https://pytorch.org/docs/stable/torchvision/datasets.html
@ai_machinelearning_big_data
275 818
Pixellib is a library for performing segmentation of objects in images and videos.
Github: https://github.com/ayoolaolafenwa/PixelLib
Paper: https://vixra.org/abs/2101.0122
Documentation: https://pixellib.readthedocs.io/en/latest/
Video: https://www.youtube.com/watch?v=hxczTe9U8jY&feature=emb_logo&ab_channel=AyoolaOlafenwa
@ai_machinelearning_big_data
