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 292 076 suscriptores, ocupando la posición 327 en la categoría Tecnologías y Aplicaciones y el puesto 1 296 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 292 076 suscriptores.
Según los últimos datos del 10 julio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -6 123, y en las últimas 24 horas de -119, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 7.19%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 5.53% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 21 001 visualizaciones. En el primer día suele acumular 16 166 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 157.
- 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 11 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.
292 076
Suscriptores
-11924 horas
-1 1997 días
-6 12330 días
Archivo de publicaciones
292 054
В Китае искусственный интеллект создал спецэффекты для клипа
Искусственный интеллект создал спецэффекты для клипа китайской поп-певицы. Об этом сообщает Еngadget.
"Специалисты компании Intel использовали искусственный интеллект для создания спецэффектов в клипе китайской поп-звезды Chris Lee на песню "Дождливый день, но мы вместе", - говорится в сообщении.
Данный клип стал первым где была применена подобная технология. Нейросеть смогла нарисовать эффекты серебристых капель на лице исполнительницы и сияние звезд. Также интеллект научился следить за лицом певицы, что позволило снимать клип без специального костюма с отслеживающими датчиками.
В Intel не исключают, что создание спецэффектов может стать одним из основных направлений разработки в ближайшее время.
Как сообщал NewsOne ранее, поп-певица Тарин Саутерн записала свой новый альбом в паре с искусственным интеллектом.
Источник: newsone.ua
292 054
Опыт успешной подготовки к прохождению собеседования на позицию специалиста по машинному обучению в LinkedIn, Salesforce Einstein, Google, Airbnb и Facebook https://medium.com/@XiaohanZeng/i-interviewed-at-five-top-companies-in-silicon-valley-in-five-days-and-luckily-got-five-job-offers-25178cf74e0f #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
292 054
Ученые обучили искусственный интеллект различать голоса в толпе
азработанные технологии с внедренным искусственным интеллектом ученые обучили распознавать голос определенного человека в речевом потоке толпы. Технологию, которую применили инженеры из Mitsubishi Electric, презентовали впервые на уникальной выставке «Comined Exhibition of Advanced Technologies» в Японии.
Для создания разработки специалисты использовали технику машинного обучения под названием «глубокое аггрегирование». Каждый индивид наделен уникальным «образцом голоса», поэтому технология способна распознавать особенности конкретного человека. После идентификации система производит распределение отдельных черт каждого из говорящих по категориям. В результате этого становится возможным отличить друг от друга конкретные голоса.
В эксперименте приняли участие 100 людей, которые говорили на английском языке. Эксперты отметили, что система распределяла голоса по группам даже в случае, если определенный человек говорил на японском языке. В один микрофон могут говорить два собеседника, при этом технология сможет отличить речь конкретного индивида с точностью до 90 %. Если подключить еще одного человека, то способность системы снижается на 10 %.
Источник: http://oane.ws #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
292 054
Transformer — новая архитектура нейросетей для работы с последовательностями
Необходимое предисловие: я решил попробовать современный формат несения света в массы и пробую стримить на YouTube про deep learning.
https://habrahabr.ru/post/341240/
292 054
Machine Learning Algorithms: Which One to Choose for Your Problem
#AI #MachineLearning #DeepLearning #ML #DL #tech
https://dzone.com/articles/machine-learning-algorithms-which-one-to-choose-fo …
292 054
Кейс по оценке кредитного риска при помощи алгоритмов машинного обучения => https://goo.gl/as65JQ
292 054
Этические и социальные проблемы развития искусственного интеллекта => https://goo.gl/bFHYkr
#искусственныйинтеллект #машинноеобучение #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
292 054
Прототип Adobe на базе искусственного интеллекта позволяет изменять содержание фото и видео
Успехи в искусственном интеллекте облегчают, как никогда, редактирование и управление фотографиями и изображениями. Компания Adobe продолжает разрабатывать новые, все более убедительные демонстрации этой технологии. Как заметил FastCo.Design, компания недавно продемонстрировала некоторые прототипы AI на своей ежегодной конференции MAX. Все они разрабатываются подразделением Sensei, занимающимся машинным обучением.
Последний из показанных инструментов, называемый Scene Stitch, представляет собой, в основном, расширенную версию Content Aware Fill, применяемый Adobe для удаления ненужных элементов из изображений. Но Content Aware Fill изменяет части изображения за счет других областей на этом же фото, а Scene Stitch использует вместо этого библиотеку фотографий Adobe. Он анализирует изображение, которое пользователь пытается редактировать, находит похожие сцены в фотобанке и дает возможность путем подмены изменить содержание части фотографии.
Adobe сообщает, что ведется работа над тем, чтобы сделать этот инструмент семантически осведомленным, поэтому он не только распознает состав изображения, но и контент, то есть то, что на нем изображено. Это, например, позволяет заменить одного человека большим количеством людей, деревья одного вида - деревьями другого вида. #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
292 054
Интервью с гендиректором компании Cognitive Technologies Андреем Черногоровым про внедрение методов машинного обучения в закупки. https://goo.gl/M14wqp
#hyperleeformachinelearning #hyperlee #machinelearning #машинноеобучение #интервью #закупки #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
292 054
Наверняка вы уже слышали, что прогамма AlphaGo обыграла сильнейшего игрока по игре Go в трёх матчах. Не прошло и года, как AlphaGo проиграла. Сто матчей из ста.
Встречайте нового победителя — AlphaGo Zero.
Новость не была бы такой интересной (ничего удивительного, что новая версия обыграла старую), если бы не одно но — новая версия была создана с нуля, и она (в отличие от AlphaGo)... не обучалась на партиях игроков–людей, а просто играла сама с собой. Сначала она делала бессмысленные случайные ходы, но уже через три дня, сыграв почти 5 млн партий, сумела обыграть предыдущего чемпиона с разгромным счётом.
Вдумайтесь — новая программа была получена путём выбрасывания из неё наших человеческих знаний об игре. В связи с чем она смогла освободиться от лишних ограничений и изобрела свои собственные превосходящие стратегии. То есть человеческое знание для обучения роботов не только бесполезно, но и вредно.
По правде сказать, в новой программе сделано ещё несколько изменений, и в частности такое — она запоминает, как каждый конкретный ход повлиял на окончательный результат, и на основе этого корректирует ходы в новых партиях. Но тем не менее. #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
