¡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 293 260 suscriptores, ocupando la posición 326 en la categoría Tecnologías y Aplicaciones y el puesto 1 276 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 293 260 suscriptores.
Según los últimos datos del 04 julio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -6 366, y en las últimas 24 horas de -131, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 7.35%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 5.62% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 21 569 visualizaciones. En el primer día suele acumular 16 480 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 168.
- 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 05 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.
293 260
Suscriptores
-13124 horas
-1 4647 días
-6 36630 días
Archivo de publicaciones
293 289
A Gentle Introduction to the Bayes Optimal Classifier
https://machinelearningmastery.com/bayes-optimal-classifier/
https://svivek.com/teaching/machine-learning/lectures/slides/prob-learning/bayes-optimal-classifier.pdf
293 289
AR-Net: A simple autoregressive neural network for time series
https://ai.facebook.com/blog/ar-net-a-simple-autoregressive-neural-network-for-time-series/
full paper:
https://arxiv.org/abs/1911.12436
293 289
Check the Data Science channel where you can find a lot of articles, links and commentaries on them.
Join and learn hot topics of data science @opendatascience
293 289
📋 Introducing TensorBoard.dev: a new way to share your ML experiment results
https://blog.tensorflow.org/2019/12/introducing-tensorboarddev-new-way-to.html
article : https://arxiv.org/abs/1910.10683
example: https://tensorboard.dev/experiment/EvNO346lT0iYbmeaWmoNCQ/#scalars
293 289
nbdev: use Jupyter Notebooks for everything
https://www.fast.ai//2019/12/02/nbdev/
github: https://github.com/fastai/nbdev/
293 289
A Gentle Introduction to Model Selection for Machine Learning
https://machinelearningmastery.com/a-gentle-introduction-to-model-selection-for-machine-learning/
293 289
Introduction to Applied Linear Algebra – Vectors, Matrices, and Least Squares
https://web.stanford.edu/~boyd/vmls/
@ai_machinelearning_big_data
293 289
High-Throughput, Contact-Free Detection of Atrial Fibrillation From Video With Deep Learning
https://jamanetwork.com/journals/jamacardiology/fullarticle/2756246
293 289
Прими участие в бесплатном интенсиве по Data Science и освой Machine Learning с нуля.
Регистрируйся прямо сейчас: 👉 https://clc.to/wLZYUQ.
В результате ты:
✔️ познакомишься с основами программирования на Python;
✔️ научишься работать с библиотеками Matplotlib и Scikit-Learn;
✔️ узнаешь, как грамотно выгружать и визуализировать данные;
✔️ сможешь обучать модели;
✔️ создашь свой первый проект.
🎁 Все участники, которые дойдут до конца, получат премиум-доступ на месяц к приложению для изучения английского от партнёра EnglishDom!
293 289
Optimizing agent behavior over long time scales by transporting value
https://github.com/deepmind/deepmind-research/tree/master/tvt
https://github.com/deepmind/tvt
article: https://arxiv.org/abs/1810.06721
293 289
How to Use an Empirical Distribution Function in Python
https://machinelearningmastery.com/empirical-distribution-function-in-python/
293 289
Освойте самую востребованную технологию искусственного интеллекта!
Хотите в сжатые сроки получить практические навыки по программированию глубоких нейронных сетей? В SkillFactory в ноябре стартует курс онлайн-курс "Deep Learning и нейронные сети" https://clc.to/_dCORw (при поддержке NVIDIA Corporation).
Здесь вы: попробуете свои силы в создании нейронной сети для распознавания рукописных цифр, обучении рекурентной сети задачам прогнозирования временных рядов, разработке нейросетевого чат-бота, создании модели для идентификации лиц и др.
Курс основан на практике. Фокус и упор мы делаем не на математическом фундаменте, а именно на понимании задач и практическом применении решений.
Узнайте больше о возможностях: https://clc.to/_dCORw
293 289
Introducing LIGHT: A multiplayer text adventure game for dialogue research
https://ai.facebook.com/blog/introducing-light-a-multiplayer-text-adventure-game-for-dialogue-research/
Learning in Interactive Games with Humans and Text
https://parl.ai/projects/light/
ParlAI Quick-start
http://parl.ai.s3-website.us-east-2.amazonaws.com/docs/tutorial_quick.html
293 289
Identifying Exoplanets with Neural Networks
https://blog.tensorflow.org/2019/11/identifying-exoplanets-with-neural.html
code: https://github.com/aedattilo/models_K2/tree/master/research/astronet
paper: https://arxiv.org/pdf/1903.10507.pdf
293 289
Understanding the generalization of ‘lottery tickets’ in neural networks
https://ai.facebook.com/blog/understanding-the-generalization-of-lottery-tickets-in-neural-networks/
One ticket to win them all: generalizing lottery ticket initializations across datasets and optimizers
https://arxiv.org/pdf/1906.02773.pdf
https://arxiv.org/pdf/1906.02768.pdf
293 289
🔥 Fire and smoke detection with Keras and Deep Learning
https://www.pyimagesearch.com/2019/11/18/fire-and-smoke-detection-with-keras-and-deep-learning/
293 289
Continual Unsupervised Representation Learning
Paper: https://arxiv.org/abs/1910.14481
Code: https://github.com/deepmind/deepmind-research/tree/master/curl
293 289
Handtrack.js: tracking hand interactions in the browser using Tensorflow.js and 3 lines of code
https://blog.tensorflow.org/2019/11/handtrackjs-tracking-hand-interactions.html
github: https://github.com/victordibia/handtrack.js/
dataset: http://vision.soic.indiana.edu/projects/egohands/
293 289
3 Ways to Encode Categorical Variables for Deep Learning
https://machinelearningmastery.com/how-to-prepare-categorical-data-for-deep-learning-in-python/
