¡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 294 113 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 294 113 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.
294 113
Suscriptores
-16624 horas
-1 5837 días
-6 43230 días
Archivo de publicaciones
294 065
Repost from AI Deal Watch
С 2018 по 2019 г. количество вакансий специалистов по машинному обучению выросло в 1,3 раза. В 2022 году возрастает спрос на специалистов Middle и Senior ML Engineer.
Чтобы выйти из ситуации нехватки кадров и обеспечить себе команды профессионалов, крупные компании открывают свои школы и сотрудничают с университетами. Предпочтение уходит талантам, которые уже адаптированы под бизнес-задачи компаний.
Так, в Университете ИТМО была запущена уникальная магистратура «Инженерия машинного обучения» с участием компании «Татнефть»:
▪️работа на больших данных компании и развитие до Middle уровня
▪️спонсирование проживания на базе современного кампуса в г.Альметьевск
▪️спонсирование онлайн-обучения в ИТМО - лидирующем вузе страны по компьютерным наукам
До 6 августа можно оставить заявку на сайте проекта!
294 065
💬 Expanding Language-Image Pretrained Models for General Video Recognition by Microsoft.
Video-specific prompting scheme, which leverages video content information for generating discriminative textual prompts.
Github: https://github.com/microsoft/VideoX/tree/master/X-CLIP
Paper: https://arxiv.org/abs/2208.02816v1
Dataset: https://paperswithcode.com/dataset/ucf101
@ai_machinelearning_big_data
294 065
🔥 CLIFF: Carrying Location Information in Full Frames into Human Pose and Shape Estimation
Github: https://github.com/huawei-noah/noah-research/tree/master/CLIFF
Paper: https://arxiv.org/abs/2208.00571v1
Pretrained checkpoints : https://drive.google.com/drive/folders/1EmSZwaDULhT9m1VvH7YOpCXwBWgYrgwP
Dataset: https://paperswithcode.com/dataset/human3-6m
@ai_machinelearning_big_data
294 065
+1👨 Deep Deformable 3D Caricature with Learned Shape Control (DD3C)
Github: https://github.com/ycjungsubhuman/deepdeformable3dcaricatures
Paper: https://arxiv.org/abs/2207.14593v1
Project: https://ycjungsubhuman.github.io/DeepDeformable3DCaricatures
Dataset: https://paperswithcode.com/dataset/facewarehouse
Video: https://youtu.be/WLMPEaK6E4M
@ai_machinelearning_big_data
294 065
Всем привет!
Продолжается набор на бесплатное обучение в Академии больших данных MADE.
Мы полностью обновили программу. Теперь за один год вы сможете получить базовые знания и опыт в области больших данных. Основной упор сделан на практическую часть — во время обучения вы дважды пройдете полный цикл реализации DS- и ML- продуктов.
Регистрация открыта до 6 августа: https://vk.cc/ceWl31
294 065
+3🔥📐 Rewriting Geometric Rules of a GAN
Method which allows edit a GAN model to synthesize many unseen objects with the desired shape
Github: https://github.com/peterwang512/ganwarping
Paper: https://arxiv.org/abs/2207.14288v1
Project: https://peterwang512.github.io/GANWarping/
Dataset: https://paperswithcode.com/dataset/ffhq
Video: https://www.youtube.com/watch?v=2m7_rbsO6Hk
@ai_machinelearning_big_data
294 065
🔘 ALBench: A Framework for Evaluating Active Learning in Object Detection
An active learning benchmark framework named as ALBench for evaluating active learning in object detection.
Github: https://github.com/industryessentials/ymir
Paper: https://arxiv.org/abs/2207.13339v1
Projects: https://github.com/IndustryEssentials/ymir/projects
Dataset: https://paperswithcode.com/dataset/coco
@ai_machinelearning_big_data
294 065
11 августа состоится Alfa Data Science MeetUp в стиле кибер-футуризма📟
Если вы в Москве 👉 регистрируйтесь на сайте и приезжайте в офис Альфа-Банка по адресу: проспект Андропова 18, корп. 6 или подключайтесь к онлайн трансляции!
Темы и спикеры:
🖲 Развитие клиентской базы: моделирование LTV и прогноз будущих доходов
- Сергей Королёв, Middle Data Scientist Альфа-Банк
🖲 Uplift-моделирование в ценообразовании кредитных продуктов
- Максим Коматовский, Junior Data Scientist Альфа-Банк
🖲 Совершенный код расчёт
- Максим Cтаценко, Team Lead/Senior DWH Developer в Яндекс
🖲 Применение подхода reject/inference в нейросетевом кредитном скоринге
- Алексей Фирстов, Senior Data Scientist Альфа-Банк
Мероприятие пройдет в необычном формате. У вас будет время вспомнить «Бегущего по лезвию» или «Cyberpunk 2077», вдохновиться, поучаствовать в конкурсе и получить призы за креативность 🕶
Регистрируйтесь на сайте, приходите в гости, будет интересно!
294 065
🦠 Learning Protein Representations via Complete 3D Graph Networks
DIG: Dive into Graphs is a turnkey library for graph deep learning research.
Github: https://github.com/divelab/DIG
Paper: https://arxiv.org/abs/2207.12600v1
Tutorials: https://diveintographs.readthedocs.io/en/latest/tutorials/graphdf.html
Documentation: https://diveintographs.readthedocs.io/
Benchmarks: https://github.com/divelab/DIG/tree/dig-stable/benchmarks
Dataset: https://paperswithcode.com/dataset/atom3d
@ai_machinelearning_big_data
294 065
⚡️Рассказываем про альтернативу зарубежным облакам для ML-разработки⚡️
Лавры высокотехнологичной компании манят всех. Но разговоры о BigData, AI и ML становятся тише, когда на стол ложится смета на обновление инфраструктуры.
✅Платформа ML Space станет отличным местом для первых шагов в ML-разработке для компаний с любым уровнем погружения в AI, и вот почему:
1️⃣Полный цикл работ: от импорта данных и обучения модели до эксплуатации готового AI-сервиса.
2️⃣ Для обучения моделей доступны CPU и GPU-ресурсы, что ускоряет сроки разработки и приближает момент получения выгоды от AI на несколько месяцев.
3️⃣ Оплата pay-as-you-go исключает капитальные затраты и позволяет масштабировать ресурсы.
4️⃣ Платформа аттестована по УЗ-1, входит в Единый реестр российского ПО, имеет лицензии ФСТЭК и ФСБ, так что проблем с безопасностью не будет.
🔥Ну, и главный плюс — для знакомства вложений не требуется, достаточно зарегистрироваться как юрлицо и получить грант от 5 до 180 тысяч рублей.
📍Протестировать
294 065
⚡️Рассказываем про альтернативу зарубежным облакам для ML-разработки⚡️
Лавры высокотехнологичной компании манят всех. Но разговоры о BigData, AI и ML становятся тише, когда на стол ложится смета на обновление инфраструктуры.
✅Платформа ML Space станет отличным местом для первых шагов в ML-разработке для компаний с любым уровнем погружения в AI, и вот почему:
1️⃣Полный цикл работ: от импорта данных и обучения модели до эксплуатации готового AI-сервиса.
2️⃣ Для обучения моделей доступны CPU и GPU-ресурсы, что ускоряет сроки разработки и приближает момент получения выгоды от AI на несколько месяцев.
3️⃣ Оплата pay-as-you-go исключает капитальные затраты и позволяет масштабировать ресурсы.
4️⃣ Платформа аттестована по УЗ-1, входит в Единый реестр российского ПО, имеет лицензии ФСТЭК и ФСБ, так что проблем с безопасностью не будет.
🔥Ну, и главный плюс — для знакомства вложений не требуется, достаточно зарегистрироваться как юрлицо и получить грант от 5 до 180 тысяч рублей.
📍Протестировать
294 065
🦾 Learning Visual Representation from Modality-Shared Contrastive Language-Image Pre-training
Github: https://github.com/hxyou/msclip
Paper: https://arxiv.org/abs/2207.12661v1
Dataset: https://paperswithcode.com/dataset/sst
@ai_machinelearning_big_data
294 065
Cтартовал первый контест для разработчиков от Brand Analytics.
⚡️ Призовой фонд - 500 тысяч рублей.
Задача участников - написать приложение, которое выявляет сбои в работе российских публичных сервисов на основе анализа сообщений из соцмедиа.
Для разработки решения предоставляются датасеты публичного потока данных соцмедиа, гарантированно включающие информацию о сбоях в работе сервисов.
Ограничений на используемые языки программирования, инструментарии и библиотеки — нет.
Срок подачи решений до 17 августа 2022 г. 20:00 MSK.
Следите за новостями контеста в официальном Telegram-канале.
И присоединяйтесь на devchamp.ru.
294 065
🔥 Practical Course Deep Learning
A 🚀free course from fast.ai learn how to apply deep learning and machine learning to practical problems.
Course
Git
@ai_machinelearning_big_data
294 065
⚡️ Последние дни набора на продвинутый онлайн-курс «Machine Learning Advanced»
Редкая возможность для тех, кто занимается машинным обучением!
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.
Время прохождения теста ограничено 20 минут
👉 Пройдете вступительный тест — сможете занять место в группе по спец.цене
https://otus.pw/Ssrw/
294 065
☀️ MAPIE - Model Agnostic Prediction Interval Estimator
MAPIE allows you to easily estimate prediction intervals (or prediction sets) using your favourite scikit-learn-compatible model for single-output regression or multi-class classification settings.
Github: https://github.com/scikit-learn-contrib/mapie
Paper: https://arxiv.org/abs/2207.12274v1
Docs: https://mapie.readthedocs.io/en/latest/
@ai_machinelearning_big_data
294 065
Курс «Английский для IT-профессий» от Яндекс Практикума
Для тех, кто хочет изменить свою профессиональную жизнь и работать в международной команде.
Обучение построено не вокруг абстрактной теории, а вокруг рабочих ситуаций и полезных для карьеры навыков:
✋Стендапы. Подготовитесь обсуждать задачи, задавать вопросы и просить о помощи.
👨💻 Работа с заказчиками. Научитесь презентовать решения, говорить про баги и фичи.
📣 Митапы. Сможете понимать на слух доклады и выступать сами.
😎 Собеседования. Научитесь рассказывать про свой опыт, понимать вопросы и тактично переспрашивать.
👯 Неформальное общение с коллегами. Сможете рассказать о своих интересах, опыте, планах на будущее.
💻 Код-ревью. Сможете описать сделанное, дать обратную связь, тактично отстоять своё мнение.
Запишитесь на бесплатную консультацию. Определим ваш уровень языка, расскажем про обучение и ответим на все вопросы
294 065
👱♂️ Multiface: A Dataset for Neural Face Rendering
Github: https://github.com/facebookresearch/multiface
Paper: https://arxiv.org/abs/2207.11243v1
Dataset: https://paperswithcode.com/dataset/facewarehouse
@ArtificialIntelligencedl
294 065
Есть опыт в машинном обучении, но хотите двигаться ещё дальше?
Специально для вас Валерий Бабушкин, Head of Data Science в Blockchainꓸcom, вместе с командой опытных специалистов из Яндекса, AliExpress и X5 Retail Group подготовил продвинутый курс, который поможет глубже копнуть в машинное обучение и разобраться со всеми этапами работы ML-инженера: от сбора и разметки данных до деплоя собственных приложений.
К концу обучения вы создадите пять ML-сервисов, каждый из которых будет решать важную и востребованную бизнесом задачу.
Переходите по ссылке и записывайтесь на курс до 1 августа — по промокоду MLBD дарим скидку 10%. Ждём вас!
294 065
🌟 SimAM: A Simple, Parameter-Free Attention Module for Convolutional Neural Networks
Simple but very effective attention module for Convolutional Neural Networks (ConvNets).
Github: https://github.com/ZjjConan/SimAM
Paper: http://proceedings.mlr.press/v139/yang21o.html
Dataset: https://paperswithcode.com/dataset/cifar-10
Google Drive: https://drive.google.com/drive/folders/1rRT0UCPeRLPdTCJvv43hvAnGnS49nIWn?usp=sharing
@ai_machinelearning_big_data
