¡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 294 258 suscriptores, ocupando la posición 332 en la categoría Tecnologías y Aplicaciones y el puesto 1 275 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 294 258 suscriptores.
Según los últimos datos del 29 junio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -6 445, y en las últimas 24 horas de -277, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 7.73%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 5.47% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 22 736 visualizaciones. En el primer día suele acumular 16 089 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 175.
- 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 30 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.
294 258
Suscriptores
-27724 horas
-1 6347 días
-6 44530 días
Archivo de publicaciones
294 277
🌐 Как наладить технологии автоматического перевода в своём проекте?
В статье на Хабре Андрей Соколов из команды прикладных исследований ВКонтакте подробно и доступным языком рассказал о том, как они сделали свой переводчик для постов и сообщений в мессенджере. Материал будет полезен для тех, кто тоже хочет попробовать использовать и развернуть переводы у себя в проекте.
Для чтения статьи не потребуется специальный уровень знаний: в ней нет излишних технических подробностей. При этом в ней вы найдёте ссылки на полезные ресурсы и выдержки из интересных источников.
ai_machinelearning_big_data
294 277
Какими навыками должен обладать IT-архитектор — специалист, отвечающий за проектирование функциональных частей продукта? Расскажет Владимир Григорьев, Архитектор стрима «Розничный Миддл», на ближайшей лекции Digital Лектория Газпромбанка.
Когда: 2 марта, 18:00 (по МСК)
О чем: об истории и причинах появления специальности ИТ-архитектора, разных видах специалистов и требованиях к ним, рабочих задачах и организации работы, а также роли ИТ-архитекторов в Газпромбанке.
Присоединяйся к лекции, чтобы узнать больше о профессии IT-архитектора. Регистрация открыта: https://www.gpbspace.ru/digital-lectory-hall-form/
294 277
📡 Learning Visual Representations via Language-Guided Sampling
New approach deviates from image-text contrastive learning by relying on pre-trained language models to guide the learning rather than minimize a cross-modal similarity.
Новый альтернативный подход к визуальному обучению: с использованием языкового сходства для выборки семантически схожих пар изображений.
🖥 Github: https://github.com/mbanani/lgssl
⭐️Paper: https://arxiv.org/abs/2302.12248v1
⏩Pre-trained Checkpoints: https://www.dropbox.com/sh/me6nyiewlux1yh8/AAAPrD2G0_q_ZwExsVOS_jHQa?dl=0
💻 Dataset : https://paperswithcode.com/dataset/redcaps
ai_machinelearning_big_data
294 277
Video Localized Narratives
Video Localized Narratives, a new form of multimodal video annotations connecting vision and language.
Новая модель от Google позволяет генерировать аннотации к видео, фиксируя даже сложные события.
Авторы уже аннотировали 20 тыс. видео из датасетов OVIS, UVO и Oops, в общей сложности 1,7 млн. слов.
🖥 Github: https://github.com/google/video-localized-narratives
⭐️Paper: https://arxiv.org/abs/2302.11217v1
⏩ Project: https://www.youtube.com/watch?v=0ORZvDDbDjA
💻 Dataset : https://paperswithcode.com/dataset/video-localized-narratives
ai_machinelearning_big_data
294 277
🔥 Загляните вглубь алгоритма k Nearest Neighbours и попробуйте его на практике! 1 марта в 18:00 мск пройдет вебинар в рамках онлайн-курса «Machine Learning. Professional» в OTUS.
Тема урока: «Мы похожи на свое окружение: алгоритм k Nearest Neighbours для задачи классификации» — https://otus.pw/wyLh/
✅ На занятии мы поговорим о задаче классификации, крайне востребованном классе задач в области ML сегодня. Мы изучим алгоритм kNN для ее решения, а затем применим его на практике.
В результате урока мы:
- Познакомимся с популярным алгоритмом машинного обучения kNN
- Узнаем, как устроен алгоритм kNN
- Освоим принципы решения задачи классификации с помощью kNN
⚠️ Урок будет полезен IT-специалистам, которые хотят освоить продвинутые методы ML и перейти в Data Science. Продолжить обучение на курсе возможно в рассрочку.
👉 Пройдите вступительный тест для участия в вебинаре
https://otus.pw/wyLh/
294 277
💨 3D Object Tracking
Multi-modality tracker that fuses information from visual appearance and geometry to estimate object poses.
Список алгоритмов по отслеживанию 3D-объектов.
🖥 Github: https://github.com/dlr-rm/3dobjecttracking
⭐️Paper: https://arxiv.org/abs/2302.11458v1
⏩ Video: https://www.youtube.com/watch?v=0ORZvDDbDjA
💻 Dataset : https://paperswithcode.com/dataset/ycb-video
ai_machinelearning_big_data
294 277
27 марта NewProLab запускает 12-й обновленный поток интенсивной онлайн-программы Data Engineer для быстрого старта в дата-инжиниринге и погружения в новые практики и инструменты
📌Кому подойдет программа:
дата-инженеры, аналитики данных, бэкенд-разработчики, техлиды и менеджеры
📌Длительность 8 недель (27 марта – 26 мая):
- 20 занятий с преподавателями в зуме
- 6 лабораторных работ - задач с реальными данными
- общий чат с участниками и поддержка координатора
📌Что дает программа:
1) научитесь решать типичные задачи DE и сможете работать дата-инженером
2) структурируете ваши знания и познакомитесь с новыми инструментами
3) поработаете с облачным кластером для решения лаб с реальными данными
4) видеозаписи и другие материалы программы останутся у вас навсегда
📌Лабы, которые предстоит выполнить:
1) Подготовка инфраструктуры
2) Batch-обработка
3) Потоковая обработка данных
4) Data-сервис
5) Сервис персонализации
6) Хранилище для BI-дашборда
📌Преподаватели – практики из ведущих компаний России и мира, рассказывают о сложном простым языком и ответят на все ваши вопросы
Оставляйте заявки по ссылке: https://clck.ru/33cDTa
📌По промокоду birthday23 вы получите скидку 23% при покупке программы
294 277
🔍 A meta-dataset for few-shot image classification
Meta Album is a meta-dataset created for few-shot learning, meta-learning, continual learning and so on.
Meta-datase — это набор метаданных, созданный , состоящий из 40 датасетов разбитых на 10 уникальных категорий. Это постоянно пополняемый набор метаданных.
⭐️ Meta-dataset: https://meta-album.github.io/
🖥 Github: https://github.com/ihsaan-ullah/meta-album
⭐️Paper: https://arxiv.org/abs/2302.08909v1
ai_machinelearning_big_data
294 277
Работать там, где живешь, а не жить там, где работаешь?
Да, и мы в Тинькофф поддерживаем такой формат работы. Поэтому открыли свои центры разработки не только в Москве, но и еще в 24 городах России, Беларуси, Армении и Казахстана.
Для нашей команды эти распределенные IT-хабы — возможность выбирать комфортный город для работы. Не переезжать в столицу, чтобы делать флагманские продукты, а создавать их там, где удобно. Или не оставаться на одном месте, а свободно перемещаться между офисами — встречаться и работать с коллегами по всей стране!
Посмотреть открытые вакансии в наши центры разработки и оставить резюме можно на этой странице: https://l.tinkoff.ru/tcr-2023-tinkoff
294 277
Ежегодная серия соревнований по машинному обучению Data Fusion Contest 2023 открыта!
Вас ждут две задачи в уникальном турнирном соревновании от команд ВТБ и ODS.AI:
🗡 В задаче Атака участники будут создавать атаки на нейросеть, обученную на транзакционных данных.
🛡 В задаче Защита — наоборот, учиться защищать свои модели от заранее оговоренного вида атак.
🏆 Призеров определит турнир — лучшие команды обеих задач столкнутся друг с другом за призовой фонд в 2,000,000 рублей!
💪 Участников также ждет много мерча, онлайн митапы с воркшопами, и возможность фундаментально прокачаться в новых DS/ML методах.
Подробности и регистрация — на сайте.
294 277
Совместная магистерская программа «Науки о данных» Университета науки и технологий МИСИС и СберОбразования позволит освоить востребованную профессию Data Scientist начинающим специалистам, интересующимся Big Data, а также тем, кто уже имеет опыт работы с данными, но хочет углубить свои знания в этой сфере 🧑💻
Обучение будет проходить в онлайн-формате, что позволит совмещать учебу и работу. Вы получите все преимущества очной формы обучения – диплом государственного образца, общежитие, проездной и др.Образовательный процесс будет отслеживать команда методистов, преподавателей и тьюторов с опытом организации обучения в Data Science более 3 лет.
Эксперты из крупнейших IT-компаний России поделятся с вами наработанным опытом – вы получите нужные знания и навыки в программировании, математике, машинном и «глубоком» обучении. А в третьем семестре сможете выбрать трек для более узкой специализации – Artificial Intelligence Developer, Big Data Engineer, Machine Learning Developer.
Подробнее о программе 📌
294 277
🌐 Как организовать работу над ML-экспериментами с помощью MLflow
MLOps — набор практик и инструментов, которые помогают стандартизировать и повысить эффективность процессов работы с машинным обучением. Эксперты VK Cloud и Karpov.Courses выпустили на Хабре полезную статью, где показали последовательность действий по выстраиванию MLOps-подхода в облаке с помощью JupyterHub и MLflow. Подробнее тут.
ai_machinelearning_big_data
294 277
27 февраля на TeamLead Conf 2023 пройдет "Яндекс-трек: R&D и культура компании". Для тимлидов, руководителей и СТО!
В этом треке мы поговорим о том, как в IT-компаниях с разной корпоративной культурой устроены R&D-департаменты, в которых рождаются, тестируются и запускаются технологические решения. Какова роль инженеров и менеджеров в компаниях с разной культурой? Как построены процессы генерации и приоритизации идей и инноваций?
Приходите послушать!
👉Программа Яндекс-трека: https://teamleadconf.ru/moscow/2023/yatrack?utm_source=tg&utm_medium=track&utm_campaign=ai_machinelearning_big_data
