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 279 Tecnologías y Aplicaciones331...

📈 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 294 753 suscriptores, ocupando la posición 331 en la categoría Tecnologías y Aplicaciones y el puesto 1 279 en la región Rusia.

📊 Métricas de audiencia y dinámica

Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 294 753 suscriptores.

Según los últimos datos del 27 junio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -6 411, y en las últimas 24 horas de -195, conservando un alto alcance.

Estado de verificación: No verificado
Tasa de interacción (ER): El promedio de interacción de la audiencia es 7.72%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 5.41% de reacciones respecto al total de suscriptores.
Alcance de las publicaciones: Cada publicación recibe en promedio 22 754 visualizaciones. En el primer día suele acumular 15 946 visualizaciones.
Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 179.
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 28 junio, 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.

294 753

Suscriptores

-19524 horas

-1 5847 días

-6 41130 días

22 754

Visitas de la publicación

~ 15 94624 horas

~ 17 78748 horas

7.72%

Tasa de compromiso

~ 6

Mensajes por día

Ads index

beta

Archivo de publicaciones

294 708

🚀 Gold-YOLO: Efficient Object Detector via Gather-and-Distribute Mechanism Gold-YOLO, which boosts the multi-scale feature fusion capabilities and achieves an ideal balance between latency and accuracy across all model scales. Модель Gold-YOLO-N достигает выдающегося результата в обнаружении объектов и превосходит предыдущую модель SOTA YOLOv6-3.0-N с аналогичным FPS. 🖥 Github: https://github.com/huawei-noah/Efficient-Computing/tree/master/Detection/Gold-YOLO 📕 Paper: https://arxiv.org/abs/2309.11331v2 ⏩ Dataset: https://paperswithcode.com/dataset/coco ai_machinelearning_big_data?boost - boost to see premium content

294 708

Click If you want see ML stories КЛикните, если вы хотите увидеть истории ML от нашего канала https://t.me/ai_machinelearning_big_data?boost

294 708

🏆 LongLoRA: Efficient Fine-tuning of Long-Context Large Language Models 13B and 70B 32k models with the supervised fine-tuning, which is feasible for long context LongLoRA - эффективный подход к файнтюнингу, позволяющий расширить размер контекста предварительно обученных больших языковых моделей (БЯМ) при ограниченных вычислительных затратах. 🖥 Github: https://github.com/dvlab-research/longlora 📕 Paper: https://arxiv.org/abs/2309.12307v1 ⭐️ Demo: https://b3cfcf9e79ff42df5f.gradio.live/ ⏩ Dataset: https://paperswithcode.com/dataset/pg-19 ai_machinelearning_big_data

294 708

Примите участие в AI Challenge - международном конкурсе по искусственному интеллекту для молодежи от Сбера Это отличная возможность для школьников и выпускников до 18 лет получить знания и навыки в области искусственного интеллекта, а также приобрести друзей со всего мира. Участники будут соревноваться в пяти направлениях: от медицины до креативных индустрий. Отбор пройдет в 4 этапа: регистрация, командная работа, финальный этап с защитой перед экспертами и награждение. Призовой фонд разделят победители в каждом направлении. Зарегистрироваться можно прямо сейчас на сайте конкурса.

294 708

🚀Break-A-Scene: Extracting Multiple Concepts from a Single Image Given method can learn a distinct token for each concept, and use natural language guidance to re-synthesize the individual concepts or combinations of them in various contexts Новый Фреймворк от Google для декомпозиции сцен из изображений . 🖥 Github: https://github.com/google/break-a-scene 📕 Paper: https://arxiv.org/abs/2305.16311 ⏩ Project: https://omriavrahami.com/break-a-scene/ 📌 Video: https://www.youtube.com/watch?v=-9EA-BhizgM ai_machinelearning_big_data

294 708

🔥 Мы в Yandex for Developers запускаем четыре новых канала для разработчиков Теперь Yandex for — это целая семья телеграм-каналов по разным направлениям: фронтенд, бэкенд, мобильная разработка и ML. В каждом из них мы будем рассказывать всё о жизни определённого комьюнити инженеров внутри Яндекса — начиная с анонсов всех стековых мероприятий и заканчивая техническими подборками от разработчиков, интервью с инженерами и полезной информацией по найму. А в этом большом телеграм-канале мы продолжим рассказывать про главные события Яндекса для разработчиков, уже не боясь немножечко поднадоесть вам. Давайте обсуждать технологии, знакомиться и развивать сообщество инженеров: ➡️ Yandex for Mobile ➡️ Yandex for Frontend ➡️ Yandex for Backend ➡️ Yandex for ML В общем, переходите на наши каналы — всё самое интересное только начинается! Подписывайтесь 👉 @Yandex4Developers Реклама. ООО "Яндекс". erid: 2VtzqvyJJuX

294 708

😠 GPTFUZZER : Red Teaming Large Language Models with Auto-Generated Jailbreak Prompts Fuzzer maintains over 90% attack success rate against ChatGPT and Llama-2 models. Новый фреймворк для фаззинга , созданный на основе фреймворка AFL. Вместо ручного проектирования fuzzer автоматизирует генерацию шаблонов джейлбрейка для LLM. 🖥 Github: https://github.com/sherdencooper/gptfuzz 📕 Paper: https://arxiv.org/abs/2309.10253v1 ⏩ Dataset: https://sites.google.com/view/llm-jailbreak-study ai_machinelearning_big_data

294 708

❗️ Как стать высокооплачиваемым специалистом в ML? 👉 Совершенствуй мастерство ML в сообществе единомышленников на открытом уроке 26 сентября в 20:00 мск — «Алгоритм PCA как один из популярных Unsupervised алгоритмов ML» 🔹 Зачастую нам приходится проецировать многомерные данные на плоскость либо в пространство меньшей размерности. На открытом уроке вы узнаете, что из себя представляет задача снижения размерности 📌 Результаты урока: Вы изучите основные техники снижения размерности и изучите метод PCA 👉 РЕГИСТРАЦИЯ https://otus.pw/2w31/ Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963. erid: LjN8KLmha

294 708

📊 PAMS: Platform for Artificial Market Simulations Artificial market simulation is a multi-agent simulation and run virtual markets on your computer. Имитация искусственных рынков - это многоагентное моделирование и запуск виртуальных рынков на вашем компьютере. На искусственных рынках существуют виртуальные рынки и виртуальные агенты, имитирующие реальных трейдеров. С помощью искусственного моделирования рынков мы можем анализировать механизмы того, что происходит на реальных рынках. $ pip install pams 🖥 Github: https://github.com/masanorihirano/pams 📕 Paper: https://arxiv.org/abs/2309.10729v1 ⏩ Docs: https://pams.hirano.dev/ ai_machinelearning_big_data

294 708

dall-e-3 is here ! https://openai.com/dall-e-3

294 708

Открылась регистрация на международный чемпионат по программированию Yandex Cup с призовым фондом в 7,8 млн рублей Участники могут выбрать среди шести направлений: аналитика, фронтенд- и бэкенд-разработка, мобильная разработка, машинное обучение и «Алгоритм», посвящённый спортивному программированию — последний пройдёт не только на русском, но и английском языке. Задания Yandex Cup составляют сотрудники Яндекса на основе тех задач, с которыми сталкиваются в повседневной работе. При этом чемпионат посетит большое количество опытных разработчиков, а участвовать могут разработчики разного уровня — участвовать могут как студенты, так и сеньоры. ai_machinelearning_big_data

294 708

Правила и стратегии для обеспечения точных и надежных данных X5 Tech проводит Data Quality Meetup На митапе 27 сентября расскажут о том, как измеряется качество данных, для чего нужен этот показатель, почему специализированный инструмент Ataccama ONE недостаточно специализирован для нужд компании и как его дорабатывают. 🔹 В онлайн формате выступят спикеры X5 Tech: ведущие менеджеры по качеству данных Наталья Цой и Анастасия Щедрякова, а также Лилия Скляр, руководитель направления и по совместительству модератор события. 🔔 Старт в 18:00 Регистрация и подробности тут Участие бесплатное Реклама. ООО "Корпоративный центр ИКС 5", ИНН 7728632689 , erid: LjN8KSdBV

294 708

⛓️🛠️ ChainForge: A Visual Toolkit for Prompt Engineering and LLM Hypothesis Testing Среда визуального программирования с открытым исходным кодом для создания промптов, проведения экспериментов и оперативной оценки LLM. pip install chainforge 🖥 Github: https://github.com/ianarawjo/ChainForge ⭐️ Project: https://chainforge.ai 📕 Paper: https://arxiv.org/abs/2309.09128v1 ai_machinelearning_big_data

294 708

Команда VK Cloud недавно запустила новый канал о работе с данными — Данные на стероидах. В нем ребята публикуют подборки интересного контента по темам Data science, ML и Big Data. Например, рассказывают, про планирование и жизненный цикл ML-проектов, из-за чего происходят и как избежать утечек при работе с ML, или как создавать футуристичные графики с помощью Python. Помимо прочего, в канале много полезной информации о работе с данными, архитектуре дата-решений и новостей российского и международного Data-сообщества. 👉🏻 Подписывайтесь на канал Данные на стероидах, будет интересно!

294 708

🦙 LLaVA: Large Language and Vision Assistant LLaVA - новая комплексная мультимодальную модель, которая подробно объяснит любое изображение .

git clone https://github.com/haotian-liu/LLaVA.git
cd LLaVA

🖥 Github: https://github.com/haotian-liu/LLaVA 📕 Paper: https://arxiv.org/pdf/2309.09958v1.pdf ⭐️ Datasets: https://paperswithcode.com/dataset/mmlu ai_machinelearning_big_data

294 708

SmartDev 2023 — большая конференция про технологии от Сбера 21 сентября в кинотеатре «Октябрь» пройдет технологическая конференция SmartDev 2023, организованная Сбером. На одной площадке соберутся ведущие инженеры и разработчики из Сбера, VK, Яндекса, Kaspersky и других компаний, чтобы обменяться опытом создания лучших технологических решений в мире. Основные темы конференции: – Машинное обучение и искусственный интеллект – Архитектура программных решений – DevOps – Работа с большими данными – Безопасность приложений – Инновации и стратегии в разработке ПО Помимо этого впервые в России можно услышать выступление генерального директора Gitee, китайского аналога GitHub.Yong Xu. Также участники конференции смогут задать вопросы создателям нашумевших проектов от Сбера — сервиса GigaChat и нейросети Kandinsky. Конференция соберёт 1500 участников в офлайне и несколько тысяч зрителей в онлайне. Участие бесплатное, подробности и регистрация — на сайте конференции.

294 708

🚀Breathing New Life into 3D Assets with Generative Repainting Новая модель. которая переносит возможности генеративных моделей 2D-изображений, таких как Stable Diffusion, в 3D. Проект позволяет получить яркие генерации 3D-объектов в различных категориях форм. 🖥 Github: https://github.com/kongdai123/repainting_3d_assets ☑️ Demo: https://www.obukhov.ai/repainting_3d_assets 🖥 Colab: https://colab.research.google.com/drive/18mDpuYO5TuI6tSkQk9ls2rS9sciNpR-c?usp=sharing 📕 Paper: https://arxiv.org/abs/2309.08523v1 ⭐️ Datasets: https://paperswithcode.com/dataset/shapenet ai_machinelearning_big_data

294 708

🫦 HDTR: A Real-Time High-Definition Teeth Restoration Network for Arbitrary Talking Face Generation Methods Talking Face Generation - новый проект для реконструкции движений лица для достижения высокой естественности движений губ из аудио. 🖥 Github: https://github.com/yylgoodlucky/HDTR-Net 📕 Paper: https://arxiv.org/abs/2309.07495v1 ⭐️ Datasets: https://paperswithcode.com/dataset/lrs2 ai_machinelearning_big_data

294 708

🔥Free Certification Courses from Microsoft to try in 2023: Бесплатные сертификационные курсы от Microsoft, которые можно пройти в 2023 году. 1. Get started with Microsoft data analytics https://learn.microsoft.com/en-us/training/paths/data-analytics-microsoft 2. Prepare data for analysis with Power BI https://learn.microsoft.com/en-us/training/paths/prepare-data-power-bi 3. Model data with Power BI https://learn.microsoft.com/en-us/training/paths/model-data-power-bi 4. Build Power BI visuals and reports https://learn.microsoft.com/en-us/training/paths/build-power-bi-visuals-reports 5. Data analysis in Power BI https://coursya.com/product/microsoft-power-bi-data-analyst 6. Visualize data in Power BI https://coursya.com/product/build-power-bi-visuals-and-reports-training 7. Model data in Power BI https://coursya.com/product/power-bi-for-beginners-designing-a-data-model 8. Prepare data for analysis https://coursya.com/product/prepare-data-for-analysis-training 9. Get started with Microsoft data analytics https://coursya.com/product/get-started-with-microsoft-data-analytics-training 10. Microsoft Certified: Power BI Data Analyst Associate https://coursya.com/product/microsoft-certified-power-bi-data-analyst-associate-certifications ai_machinelearning_big_data

294 708

💥 MMICL: Empowering Vision-language Model with Multi-Modal In-Context Learning MMICL is a multimodal vision-language model with the ability to analyze and understand multiple images, as well as follow instructions. MMICL - это хорошо продуманная модель с датасетом, которая позволяет беспрепятственно интегрировать визуальный и текстовый контекст в чередующемся виде для разработки крупных мультимодальных моделей. 🖥 Github: https://github.com/haozhezhao/mic 📕 Paper: https://arxiv.org/abs/2309.07915v1 ⭐️ Datasets: https://paperswithcode.com/dataset/mmbench ai_machinelearning_big_data