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 276 197 suscriptores, ocupando la posición 336 en la categoría Tecnologías y Aplicaciones y el puesto 1 374 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 276 197 suscriptores.
Según los últimos datos del 05 noviembre, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -2 229, y en las últimas 24 horas de -129, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 8.04%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 6.20% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 22 218 visualizaciones. En el primer día suele acumular 17 137 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 330.
- 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 06 noviembre, 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.
276 197
Suscriptores
-12924 horas
-8177 días
-2 22930 días
Archivo de publicaciones
276 160
🔹 Exploring a Fine-Grained Multiscale Method for Cross-Modal Remote Sensing Image Retrieval
Github: https://github.com/xiaoyuan1996/AMFMN
Paper: https://arxiv.org/abs/2204.09868v1
Dataset: https://paperswithcode.com/dataset/kitti
@ai_machinelearning_big_data
276 160
Мониторинги показывают, что GPU загружены, при этом видно, что они не потребляют электричества. Что делать? Хорошая статья с ответом на этот вопрос.
Будет полезно почитать, даже если вы занимаетесь обучением моделек на домашних GPU.
276 160
🚀 TorchSparse: Efficient Point Cloud Inference Engine
Github: https://github.com/mit-han-lab/torchsparse
Paper: https://arxiv.org/abs/2204.10319v1
Dataset: https://paperswithcode.com/dataset/nuscenes
Demo: https://paperswithcode.com/dataset/pipal-perceptual-iqa-dataset
@ai_machinelearning_big_data
276 160
Количество вакансий в Data Science выросло на 433% за 3 года. По прогнозам Frost & Sullivan, рынок продолжит расти на 35,9% в год ближайшие 10 лет 🔝
Освойте Data Science с нуля в лучшем техническом вузе страны — МФТИ. Среди профессоров и выпускников института 10 лауреатов Нобелевской премии.
Онлайн-магистратура «Науки о данных» поможет вам:
✅ Изучить математические дисциплины для Machine Learning
✅ Получить практическую базу написания кода
✅ Погрузиться в интересное направление: Artificial Intelligence, Big Data или Machine Learning
✅ Освоить актуальный стек технологий и инструментов
✅ Набраться опыта на кейсах от партнеров программы: Danone, «Девхаб», First Line Software и др.
Вы сможете сами выбрать 3 электива из 6. А вместо магистерской диссертации — принять участие в реальном проекте.
У вас будет то, чего не хватает выпускникам краткосрочных курсов. Это глубокое понимание алгоритмов и принципов анализа данных, умение мыслить абстрактными категориями и творческий подход к решению сложных задач.
Вам будут преподавать IT-руководители, ML-инженеры, специалисты по Data Engineering. Те, кто сами прошли путь от новичка — до позиции Lead. И вам помогут.
Вы получите крепкий фундамент, убедительное портфолио и диплом МФТИ государственного образца. Плюс карьерные консультации от опытных HR-менеджеров для успешного трудоустройства.
Возможна оплата обучения с помощью образовательного кредита с господдержкой.
Совсем скоро мы запускаем бесплатный подготовительный курс для абитуриентов.
Успейте к нам присоединиться: https://clc.to/vDsqFg
276 160
Ты начинающий IT-специалист, но уверен в своих знаниях и уже готов работать на позиции джуна? Газпромбанк совместно с журналом «КОД» Яндекс.Практикума подготовил 4 интерактивных теста для начинающих разработчиков 👨💻
С помощью них ты посмотришь на себя глазами рекрутера, потренируешься проходить собеседования и справляться с первыми трудностями на работе > https://vk.cc/ccNVNV
276 160
🛠 MANIQA: Multi-dimension Attention Network for No-Reference Image Quality Assessment
Github: https://github.com/iigroup/maniqa
Paper: https://arxiv.org/abs/2204.08958v1
Dataset: https://paperswithcode.com/dataset/kitti
Demo: https://paperswithcode.com/dataset/pipal-perceptual-iqa-dataset
@ai_machinelearning_big_data
276 160
🎯 Хардкорный тест по Machine Learning
🚀 Ответьте на 10 вопросов и проверьте, насколько вы готовы к обучению на углубленном курсе -
«Machine Learning Professional» от OTUS и его партнера — Сбера.
🔥 РЕЗУЛЬТАТ ПРОХОЖДЕНИЯ КУРСА
Сильное портфолио, которое позволит вам претендовать на Junior+ и Middle позиции Data Scientist.
Время прохождения теста ограниченно 20 минут
👉 ПРОЙТИ ТЕСТ
https://otus.pw/W6UA/
276 160
🌄 NAFSSR: Stereo Image Super-Resolution Using NAFNet
Github: https://github.com/megvii-research/NAFNet
Paper: https://arxiv.org/abs/2204.08714v1
Dataset: https://paperswithcode.com/dataset/kitti
Demo: https://colab.research.google.com/drive/1dkO5AyktmBoWwxBwoKFUurIDn0m4qDXT?usp=sharing
@ai_machinelearning_big_data
276 160
Бесплатный митап - «Инженер данных: Перспективы профессии и обучение в Яндекс Практикуме»
На митапе поговорим:
* Про тренды в развитии области дата-инженерии.
* Познакомимся с авторами курса, расскажем про их опыт в профессии и карьерный путь.
* Расскажем про подход Яндекс Практикума к обучению и трудоустройству.
21 апреля 19:00
Зарегистрироваться
276 160
👁 An Extendable, Efficient and Effective Transformer-based Object Detector
Github: https://github.com/naver-ai/vidt
Paper: https://arxiv.org/abs/2204.07962v1
Dataset: https://paperswithcode.com/dataset/coco
@ai_machinelearning_big_data
276 160
Бесконечно можно смотреть на три вещи: как горит огонь, как течет вода и как начинается новая серия любимого сериала 😏
Хотя давайте будем честны: многие из нас уже не представляют себе онлайн-кинотеатры без функции пропуска заставки и титров. Сегодня подобная фича есть у IVI, Netflix, Кинопоиска, Hulu и других.
Появилась она и в онлайн-кинотеатре KION от МТС. Как работает новая функция с точки зрения разработчиков и как искусственный интеллект помогает размечать контент, в статье на Хабре рассказал Алексей Мельников, продакт в KION.
Прочитать можно здесь.
276 160
📲 Deep-significance: Easy and Better Significance Testing for Deep Neural Networks
Github: https://github.com/Kaleidophon/deep-significance
Paper: https://arxiv.org/abs/2204.06815v1
Examples: https://github.com/Kaleidophon/deep-significance#examples
@ai_machinelearning_big_data
276 160
🌟 Parametric Distributionally Robust Optimization
Github: https://github.com/pmichel31415/P-DRO
Paper: https://arxiv.org/abs/2204.06340v1
Datasett: https://paperswithcode.com/dataset/celeba
@ai_machinelearning_big_data
276 160
Яндекс открывает резидентскую программу по машинному обучению ML Residency.
Ее участники будут проводить исследования и эксперименты в ML, писать научные работы и посещать ведущие конференции.
Подать заявку могут как студенты и аспиранты вузов, так и опытные специалисты в профильных областях: математике, физике, компьютерных науках. Работа в проекте оплачивается.
Узнать подробнее можно здесь.
276 160
🔩 Glass Segmentation with RGB-Thermal Image Pairs
Github: https://github.com/dong-huo/rgb-t-glass-segmentation
Paper: https://arxiv.org/abs/2204.05453v2
Datasett: https://drive.google.com/file/d/1ysG04qGmnZv7UaybZUuyybaJYJLUkNHX/view?usp=sharing
@ai_machinelearning_big_data
276 160
У Тинькофф появилась стипендиальная программа для студентов технических специальностей!
В отборе могут участвовать студенты бакалавриата, специалитета и магистратуры (кроме выпускного курса) технических специальностей из всех городов и вузов. Стипендия выдается на один учебный год и составляет 25 000 ₽ в месяц. Кроме этого — доступ к лекциям и общение с менторами.
Есть два трека — «Академический» и «Индустриальный» — для успевающих в учебе призеров олимпиад или чемпионатов по программированию и хакатонов. Выбирайте подходящий для себя и подавайте заявку по ссылке!
276 160
✔️ Localization Distillation for Dense Object Detection
Github: https://github.com/HikariTJU/LD
Paper: https://arxiv.org/abs/2102.12252
Datasett: https://paperswithcode.com/dataset/dota
@ai_machinelearning_big_data
276 160
День открытых дверей «Как начать в аналитике и Data Science»
В сфере аналитики множество профессий и порой в них можно запутаться. Чем отличаются дата-инженер и дата-сайентист? Зачем команде нужен системный аналитик и какие задачи решает аналитик данных? Рынку требуется всё больше специалистов, и в ближайшем будущем спрос будет только расти.
5 апреля в 19:00 на дне открытых дверей «Как начать в аналитике и Data Science» в Нетологии расскажут, кто такие Data Scientist, продуктовый аналитик, игровой аналитик, Data-журналист, маркетолог-аналитик, инженер данных, системный аналитик, аналитик BI, — и где они нужны. Вы раз и навсегда разберётесь в профессиях сферы аналитики, их ежедневных задачах и поймёте, какие должности вам наиболее близки.
Ждём всех, кому интересна работа с данными!
Записаться → https://netolo.gy/h9p
276 160
✏️ Sat2lod2: A Software For Automated Lod-2 Modeling From Satellite-Derived Orthophoto And Digital Surface Model
The proposed method starts building detection results through a deep learning-based detector and vectorizes individual segments into polygons using a “three-step” polygon extraction method
Github: https://github.com/jingkang50/openood
Paper: https://arxiv.org/abs/2204.05306v1
Dataset: https://entuedu-my.sharepoint.com/:f:/g/personal/jingkang001_e_ntu_edu_sg/Eso7IDKUKQ9AoY7hm9IU2gIBMWNnWGCYPwClpH0TASRLmg?e=iEYhXO
More tutorials: https://github.com/Jingkang50/OpenOOD/wiki/Get-Started
@ai_machinelearning_big_data
276 160
Сетевые диски в Selectel с поддержкой бэкапов по расписанию
Организовать хранение данных на облачных серверах в Selectel — быстро и безопасно! Подключите к сетевым дискам бэкапы по расписанию, чтобы регулярно делать резервные копии, а в случае ошибки или сбоя не потерять нужные вам данные.
Цены:
⚈ Сетевой диск — от 7,28 ₽ за 1 Гб,
⚈ Услуга по резервному копированию — 3,7 ₽ за 1 Гб бэкапов в месяц. Вы можете сделать расчет под нужный объем и количество копий.
Ссылка: https://slc.tl/0D2hm
