¡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 293 457 suscriptores, ocupando la posición 326 en la categoría Tecnologías y Aplicaciones y el puesto 1 281 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 293 457 suscriptores.
Según los últimos datos del 02 julio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -6 464, y en las últimas 24 horas de -249, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 7.49%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 5.71% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 21 989 visualizaciones. En el primer día suele acumular 16 765 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 173.
- 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 03 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.
293 457
Suscriptores
-24924 horas
-1 5267 días
-6 46430 días
Archivo de publicaciones
293 431
Up Great technology contest READ//ABLE stimulates the development of new approaches to machine learning. It gives great opportunities for NLP developers. Join us for the next AI breakthrough!
Task: to develop an AI product capable of successfully identifying semantic and factual errors in academic essays at the specialist level within the limited time.
Prize: 100 million rubles for each language: Russian or English
Dataset: https://bit.ly/34279IC
A set of text essay files in Russian and English is a usable tool for specialists in the field. The dataset will be replenished.
Info and terms of participation: https://bit.ly/3kGdTBZ
293 431
Understanding the Role of Individual Units in a Deep Neural Network
Examine two types of networks that contain interpretable units: networks trained to classify images of scenes, and networks trained to synthesize images of scenes.
https://dissect.csail.mit.edu/
Github: https://github.com/davidbau/dissect
Website: https://www.pnas.org/content/early/2020/08/31/1907375117
Paper: https://arxiv.org/pdf/2009.05041.pdf
293 431
Согласно исследованию Академии больших данных MADE и портала HH.ru, специалисты по анализу данных — одни из самых востребованных на рынке. В 2019 году вакансий в области анализа данных стало больше в 9,6 раза, чем в 2015 году. Спрос на дата-сайентистов постоянно растет, как и их зарплаты (в среднем — 140 000 рублей).
В SkillFactory стартует обновленный курс-тренажёр «Data Science». Python, машинное обучение, нейросети и deep learning, основы Big Data и Data engineering — всё это вы освоите на практических задачах и хакатона. А если что-то будет непонятно — менторы всегда на связи.
К концу обучения у вас будет готовое портфолио, а лучшие студенты будут трудоустроены.
🚀Запишитесь на курс со скидкой 30%: https://clc.am/ihHAyQ
293 431
TorchKGE: Knowledge Graph Embedding in Python and PyTorch
https://torchkge.readthedocs.io/en/latest/
Github: https://github.com/torchkge-team/torchkge
Paper: https://arxiv.org/abs/2009.02963v1
@ai_machinelearning_big_data
293 431
HyperOpt for Automated Machine Learning With Scikit-Learn
https://machinelearningmastery.com/hyperopt-for-automated-machine-learning-with-scikit-learn/
293 431
🧙♂️ How to Create a Cartoonizer with TensorFlow Lite
https://blog.tensorflow.org/2020/09/how-to-create-cartoonizer-with-tf-lite.html
Code: https://github.com/margaretmz/cartoonizer-with-tflite
E2E TFLite Tutorials: https://github.com/ml-gde/e2e-tflite-tutorials
@ai_machinelearning_big_data
293 431
KILT: a Benchmark for Knowledge Intensive Language Tasks
All tasks in KILT are grounded in the same snapshot of Wikipedia, reducing engineering turnaround through the re-use of components, as well as accelerating research into task-agnostic memory architectures.
Github: https://github.com/facebookresearch/KILT
Paper: https://arxiv.org/abs/2009.02252
@ai_machinelearning_big_data
293 431
The Little W-Net that Could
State-of-the-Art Retinal Vessel Segmentation with Minimalistic Models.
Github: https://github.com/agaldran/lwnet
Paper: https://arxiv.org/abs/2009.01907v1
293 431
С каждым годом количество данных, генерируемых компаниями, растёт всё больше и больше. Но как управлять всеми этими данными, как их эффективно использовать? На этот вопрос сможет ответить Data Scientist, и за это компании готовы платить от 150 000 рублей и больше — ежемесячно!
⠀
Хочешь стать таким же? Онлайн-университет Skillbox может помочь пройти дорогу с нуля до специалиста, ещё и с доступной рассрочкой.
⠀
Тебе предстоит пройти этот путь вместе с опытными специалистами и научиться использовать язык программирования Python, работать с источниками данных CSV, XML и XLSX, познакомиться с анализом данных. Также освоишь машинное обучение, что даст знания в области нейронных сетей. Если нет опыта в программировании, это не помеха, всему обучат и всё расскажут с нуля.
⠀
После прохождения курса тебе помогут составить выгодное резюме и поспособствуют трудоустройству.
Переходи по ссылке и регистрируйся, пока остались места со скидкой 40% ▶ https://clc.am/wNtJ9w
293 431
Auto-Sklearn for Automated Machine Learning in Python
https://machinelearningmastery.com/auto-sklearn-for-automated-machine-learning-in-python/
293 431
❓Какие задачи Deep Learning и Компьютерного зрения надо уметь решать, если вас интересует карьера в области нейросетей?
Приходите 8 сентября на вебинар, где Артур Кадурин расскажет о must have инструментах и представит онлайн-курсы «Deep Learning. Basic» и «Computer Vision»
Вы узнаете, чем курсы отличаются от конкурентов, как организована практика и как сэкономить на обучении. Также вы сможете задать свои вопросы эксперту о перспективах направления и ожиданиях работодателей.
👉🏻Регистрируйтесь на вебинар по ссылке: https://otus.pw/mLNh/
293 431
Awsome-domain-adaptation
This repo is a collection of AWESOME things about domain adaptation, including papers, code, etc. Feel free to star and fork.
Github: https://github.com/zhaoxin94/awesome-domain-adaptation
Paper: https://arxiv.org/abs/2009.00155v1
293 431
🃏 Estimate Probabilities Of Card Games
https://becominghuman.ai/estimate-probabilities-of-card-games-3ae50adb75c7
293 431
Top2Vec
Top2Vec is an algorithm for topic modeling and semantic search. It automatically detects topics present in text and generates jointly embedded topic, document and word vectors.
Github: https://github.com/ddangelov/Top2Vec
Paper: https://arxiv.org/abs/2008.09470v1
Doc2vec: https://radimrehurek.com/gensim/models/doc2vec.html
293 431
Introducing Opacus: A high-speed library for training PyTorch models with differential privacy
https://ai.facebook.com/blog/introducing-opacus-a-high-speed-library-for-training-pytorch-models-with-differential-privacy/
Github: https://github.com/pytorch/opacus
Differential Privacy Series Part 1 | DP-SGD Algorithm Explained: https://medium.com/pytorch/differential-privacy-series-part-1-dp-sgd-algorithm-explained-12512c3959a3
293 431
✅Уже сегодня в 19:00 (02 сентября)🗓 пройдёт Meetup, на котором мы не только приоткроем завесу тайны Диалоговых ассистентов, но и расскажем как предсказать извержение вулкана🌋, а так же затронем темы футбола⚽️ и рекомендательных систем:
📍Про какие недавние прорывы и нерешённые задачи в Диалоговых ассистентах расскажет, Дале Давид Сергеевич, фрилансер и NLP engineer?
📍Как Полунина Полина - Ex руководитель Data Science направлений HR, Финансы, Видеоаналитика в группе ”М.Видео-Эльдорадо“, преподаватель НИУ ВШЭ, победитель международных чемпионатов по анализу данных, предсказывает извержение вулкана на основе анализа сейсмических данных?
📍Что думает о дружбе датасайентистов и футболистов Мифтахов Сайдаш Мансурович - Data Scientist "Северсталь"?
📍Какие Offline модели рекомендаций для классифайда использует Василий Лексин, Head of Analytics (Recommendations) в "AVITO.RU"?
Ответы на все эти вопросы вы получите уже совсем скоро👇
📌Регистрация на Meetup на канале по ссылке👍
293 431
The Hessian Penalty — Official Implementation
It efficiently optimizes the Hessian of your neural network to be diagonal in an input, leading to disentanglement in that input.
https://www.wpeebles.com/hessian-penalty
Github: https://github.com/wpeebles/hessian_penalty
Paper: https://arxiv.org/abs/2008.10599
Video: https://www.youtube.com/watch?v=uZyIcTkSSXA&feature=youtu.be
@ai_machinelearning_big_data
293 431
Microsoft’s DoWhy is a Cool Framework for Causal Inference
https://www.kdnuggets.com/2020/08/microsoft-dowhy-framework-causal-inference.html
Github: https://github.com/microsoft/dowhy
@ai_machinelearning_big_data
293 431
👄 Wav2Lip: Accurately Lip-syncing Videos In The Wild
Lip-sync videos to any target speech with high accuracy. Try our interactive demo.
Github: https://github.com/Rudrabha/Wav2Lip
Paper: https://arxiv.org/abs/2008.10010
Interactive Demo: https://bhaasha.iiit.ac.in/lipsync/
Colab: https://colab.research.google.com/drive/1tZpDWXz49W6wDcTprANRGLo2D_EbD5J8?usp=sharing
@ai_machinelearning_big_data
293 431
Introducing TF-Coder, a tool that writes tricky TensorFlow expressions for you
https://blog.tensorflow.org/2020/08/introducing-tensorflow-coder-tool.html
Paper: https://arxiv.org/abs/2003.09040
Code: https://github.com/google-research/tensorflow-coder
Colab: https://colab.research.google.com/github/google-research/tensorflow-coder/blob/master/TF-Coder_Colab.ipynb
