¡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
293 259
Abstraction and Reasoning Corpus
Paper: https://arxiv.org/abs/1911.01547
ARC: https://github.com/fchollet/ARC
293 259
The Visual Task Adaptation Benchmark
http://ai.googleblog.com/2019/11/the-visual-task-adaptation-benchmark.html
293 259
A minimalist neural machine translation toolkit based on PyTorch that is specifically designed for novices.
https://arxiv.org/abs/1907.12484
https://github.com/joeynmt/joeynmt
293 259
A Gentle Introduction to Monte Carlo Sampling for Probability
https://machinelearningmastery.com/monte-carlo-sampling-for-probability/
293 259
Hamiltonian Neural Networks
https://eng.uber.com/research/hamiltonian-neural-networks/
paper: https://arxiv.org/pdf/1906.01563.pdf
code: https://github.com/greydanus/hamiltonian-nn
293 259
Visual Wake Words with TensorFlow Lite Micro
https://medium.com/tensorflow/visual-wake-words-with-tensorflow-lite-micro-8578e59ea6f9
dataset: https://github.com/tensorflow/models/blob/master/research/slim/datasets/build_visualwakewords_data.py
tutorial: https://github.com/tensorflow/tensorflow/blob/master/tensorflow/lite/experimental/micro/examples/person_detection/training_a_model.md
293 259
Хочешь освоить профессию будущего и быть востребованным специалистом? Изучи Data Science бесплатно!
Ссылка для регистрации: 🔜 https://clc.to/TFA4GQ
💻 Познакомься с Python и Machine Learning с нуля.
💡 Создай самостоятельный проект, который можно положить в портфолио.
📈 Оцени качество написанной модели вместе с экспертом.
🎁 Авторы трёх лучших проектов получат грант на 30 000 рублей для обучения в Skillbox!
293 259
Хочешь освоить профессию будущего и быть востребованным специалистом? Изучи Data Science бесплатно!
Ссылка для регистрации: 🔜 https://clc.to/TFA4GQ
💻 Познакомься с Python и Machine Learning с нуля.
💡 Создай самостоятельный проект, который можно положить в портфолио.
📈 Оцени качество написанной модели вместе с экспертом.
🎁 Авторы трёх лучших проектов получат грант на 30 000 рублей для обучения в Skillbox!
293 259
A Gentle Introduction to Expectation-Maximization (EM Algorithm)
https://machinelearningmastery.com/expectation-maximization-em-algorithm/
293 259
Hugging Face: State-of-the-Art Natural Language Processing in ten lines of TensorFlow 2.0
https://medium.com/tensorflow/using-tensorflow-2-for-state-of-the-art-natural-language-processing-102445cda54a
code: https://github.com/huggingface/transformers
293 259
Using Self-Supervised Learning Can Improve Model Robustness and Uncertainty
https://arxiv.org/abs/1906.12340v2
Self-Supervised Learning for OOD Detection (NeurIPS 2019)
https://github.com/hendrycks/ss-ood
Download the one class ImageNet test set here:
https://drive.google.com/file/d/13xzVuQMEhSnBRZr-YaaO08coLU2dxAUq/view
293 259
Introducing the Schema-Guided Dialogue Dataset for Conversational Assistants
http://ai.googleblog.com/2019/10/introducing-schema-guided-dialogue.html
Schema-Guided Dialogue State Tracking
https://github.com/google-research-datasets/dstc8-schema-guided-dialogue
article : https://arxiv.org/pdf/1909.05855.pdf
293 259
Deep Learning Drizzle
code: https://github.com/kmario23/deep-learning-drizzle
https://deep-learning-drizzle.github.io
293 259
🔥Заканчивается набор на Базовый и Продвинутый курсы по математике для Data Science. Пройдите вступительный тест и займите последние места со скидкой: https://otus.pw/pVpr/
📌Базовый курс математики
Для поступления на курс достаточно знать математику на школьном уровне.
Вы освоите основные разделы математики, необходимые для успешной работы в Data Science: математический анализ, линейную алгебру, теорию вероятности и статистику.
После курса будете готовы к изучению машинного обучения либо к апгрейду в своей профессии.
📌Продвинутый курс математики
Для поступления на курс нужно знать высшую математику на уровне 1-2 курса университета.
Курс позволит поднять уровень по математике для решения задач в области машинного обучения любой сложности.
Теория будет дополнена решением реальных кейсов: решение задачи регрессии, АБ-тестирование, работа над рекомендательной системой, использование метод опорных векторов и т. д.
Делиться своей экспертизой будет преподаватель курса Пётр Лукьянченко (преподаватель ВШЭ по высшей математике с опытом более 10 лет, работал в Lamoda на должности Team Lead Analytics) и другие.
☝🏻Курсы подходят для аналитиков, разработчиков и всех, кто хочет развиваться в сфере Data Science: https://otus.pw/pVpr/
293 259
Open-sourcing SlowFast, competition-leading video recognition through dual frame-rate analysis
https://ai.facebook.com/blog/slowfast-video-recognition-through-dual-frame-rate-analysis/
github: https://github.com/facebookresearch/SlowFast
paper: https://arxiv.org/abs/1812.03982
293 259
Meta-World: A Benchmark and Evaluation for Multi-Task and Meta Reinforcement Learning
https://meta-world.github.io/
article: https://arxiv.org/abs/1910.10897v1
github: https://github.com/rlworkgroup/metaworld
293 259
Teacher algorithms for curriculum learning of Deep RL in continuously parameterized environments
https://github.com/flowersteam/teachDeepRL
293 259
Build and deploy TensorFlow.js models with the power of AutoML
https://medium.com/tensorflow/build-and-deploy-tensorflow-js-models-with-the-power-of-automl-1985b8985083
Edge TensorFlow.js tutorial
https://cloud.google.com/vision/automl/docs/tensorflow-js-tutorial
AutoML Edge API
https://www.npmjs.com/package/@tensorflow/tfjs-automl
293 259
Идет набор в новую группу профессионального онлайн-курса «Нейронные сети на Python».
📌Знакомьтесь с полностью обновленной программой, сдавайте вступительное тестирование и присоединяйтесь к слушателям https://otus.pw/9tSv/
Что даст вам этот курс:
- Научитесь работать с нейронными сетями с использованием фреймворков PyTorch, Tensorflow, Keras;
- Изучите теорию и практику по таким важным направлениям Deep Learning как Computer Vision, NLP, обучение с подкреплением;
И многое другое.
Делиться своей экспертизой с вами будут преподаватели, профессионалы своего дела и разработчики-практики:
📌Артур Кадурин – признанный эксперт в области науки о больших данных, CEO Insilico Taiwan и Chief AI Officer Insilico Medicine.
📌Дмитрий Музалевский, Lead Data Scientist в Koerber Digital, 7+ лет опыта в области анализа данных и машинного обучения. Опыт работы и проектов в различных индустриях: телеком, онлайн-ритейл, банковская сфера, финтех и медтех.
📌Михаил Степанов, Jet Infosystems, занимается проектами по агрегации отзывов, по анализу и оптимизации производства крупных промышленных компаний. В data science пришел из промышленного программирования на Python.
Приходите за подробностями, сдавайте вступительный тест и присоединяйтесь к курсу: https://otus.pw/9tSv/
