¡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 293 687 suscriptores, ocupando la posición 327 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 293 687 suscriptores.
Según los últimos datos del 01 julio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -6 444, y en las últimas 24 horas de -235, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 7.55%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 5.55% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 22 202 visualizaciones. En el primer día suele acumular 16 311 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 172.
- 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 02 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.
293 687
Suscriptores
-23524 horas
-1 5517 días
-6 44430 días
Archivo de publicaciones
293 640
⚛ Highly accurate protein structure prediction with AlphaFold
https://deepmind.com/blog/article/putting-the-power-of-alphafold-into-the-worlds-hands
Github: https://github.com/deepmind/alphafold
Paper: https://doi.org/10.1038/s41586-021-03819-2
@ai_machinelearning_big_data293 640
В Академии больших данных MADE открыт набор на бесплатное обучение в области Data Science. Программа рассчитана на ИТ-специалистов с опытом 1-3 года работы, знаниями высшей математики, умением применять базовый алгоритмы, а также умением программировать на Python, С++ или Java.
Студенты могут выбрать одну из трех специальностей: Data Scientist, Machine Learning Engineer и Data Engineer. Все полученные теоретические знания закрепляются практикой, а в финале обучения – подготовка и защита выпускного проекта.
Прием заявок продлится до 31 июля включительно. Далее – вступительные испытания. Обучение полностью бесплатное.
Успейте подать заявку до дедлайна на сайте программы: https://vk.cc/c3XorM
293 640
📐 Googl's Measuring and Improving Model-Moderator Collaboration using Uncertainty Estimation
Providing high-quality implementations of standard and state-of-the-art methods on standard tasks.
Github: https://github.com/google/uncertainty-baselines
Paper: https://arxiv.org/abs/2107.04212v1
Dataset: https://www.tensorflow.org/datasets
@ai_machinelearning_big_data
293 640
↔️ Independent Encoder for Deep Hierarchical Unsupervised Image-to-Image Translation
Github: https://github.com/Elvinky/IEGAN
Paper: https://arxiv.org/abs/2107.02494
Datasets: https://github.com/Elvinky/IEGAN/tree/main/dataset
Image-to-Image Translation: https://paperswithcode.com/task/image-to-image-translation
@ai_machinelearning_big_data
293 640
🌐 Depth-supervised NeRF: Fewer Views and Faster Training for Free
Github: https://github.com/dunbar12138/DSNeRF
Paper: https://arxiv.org/abs/2107.02791v1
Project: https://www.cs.cmu.edu/~dsnerf/
Datasets: https://paperswithcode.com/dataset/3dmatch
@ai_machinelearning_big_data
293 640
20-21 июля в OTUS пройдет открытый интенсив для тех, кто хочет работать с большими данными. После двухдневного обучения вы сможете выводить модель в продакшн с помошью AWS:
- Узнаете, как использовать lambda и нюансы работы с IoT данными
- Научитесь выводить модель в продакшн без сложных настроек системы
Кроме того, интенсив — это возможность попробовать онлайн-курс «Промышленный ML на больших данных».
https://otus.pw/dh44/
293 640
🔝 Learning Hierarchical Graph Neural Networks for Image Clustering
Github: https://github.com/dmlc/dgl/tree/master/examples/pytorch/hilander
Paper: https://arxiv.org/abs/2107.01319
Datasets: https://drive.google.com/file/d/1KLa3uu9ndaCc7YjnSVRLHpcJVMSz868v/view
@ai_machinelearning_big_data
293 640
🚀 TensorFlow and PyTorch performance benchmarking in 2021
Habr: https://habr.com/ru/company/ru_mts/blog/565456/
Github: https://github.com/Chifffa/tf_vs_torch_benchmarking
@ai_machinelearning_big_data
293 640
🔎 Microsoft AutoML - Neural Architecture Search
New one-shot architecture search framework dedicated to vision transformer search
Github: https://github.com/microsoft/AutoML
Paper: https://arxiv.org/abs/2107.00651v1
Models: https://drive.google.com/drive/folders/1NLGAbBF9bA1IUAxKlk2VjgRXhr6RHvRW
Dataset: https://paperswithcode.com/dataset/cifar-10
@ai_machinelearning_big_data
293 640
🔺 Pyramid Vision Transformer
Image classification, object detection, and semantic segmentation tasks
Github: https://github.com/whai362/PVT
Paper: https://arxiv.org/abs/2106.13797v2
@ai_machinelearning_big_data
293 640
Cartoon-StyleGan2 🙃 : Fine-tuning StyleGAN2 for Cartoon Face Generation
Github: https://github.com/happy-jihye/Cartoon-StyleGan2
Paper: https://arxiv.org/abs/2106.12445
Colab: https://colab.research.google.com/github/happy-jihye/Cartoon-StyleGan2/blob/main/Cartoon_StyleGAN2.ipynb
@ai_machinelearning_big_data
293 640
Cartoon-StyleGan2 🙃 : Fine-tuning StyleGAN2 for Cartoon Face Generation
Github: https://github.com/happy-jihye/Cartoon-StyleGan2
Paper: https://arxiv.org/abs/2106.12445
Colab: https://colab.research.google.com/github/happy-jihye/Cartoon-StyleGan2/blob/main/Cartoon_StyleGAN2.ipynb
@ai_machinelearning_big_data
293 640
📘 D2L.ai: Interactive Deep Learning Book with Multi-Framework Code, Math, and Discussions
Github: https://github.com/d2l-ai/d2l-en
Book: https://d2l.ai/
Paper: https://arxiv.org/abs/2106.11342v1
@ai_machinelearning_big_data
293 640
Бесконечность не предел, машина ИИ будет работать все быстрее и лучше. Чтобы обуздать ее силу, вспахать и засеять цифровые поля нужны люди — AI продакт-менеджеры. Спрос на профессионалов Big Data PM, AI&ML PM, DS PM, DL PM (альтернативные названия специальности) растет стремительными темпами.
Курс «AI Product Manager» — силовой агрегат продакта, решившегося овладеть мощью Al и вырасти до руководителя c-level executives. Никакой воды, только сконцентрированная теория, которую студенты оттачивают на практике. Опыт преподавателей-практиков и 4 кейса в портфолио на выходе.
Курс рассчитан на 10 часов в неделю — можно совмещать с основной работой и сразу применять полученные навыки. Преподаватели и менторы из ДомКлик, Mail.ru и Facebook помогут в трансформации вашей карьеры.
❗️Подробности и запись на курс по ссылке — https://clc.am/Qx8Z_Q
293 640
🔍 Advancing computer vision research with new Detectron2 Mask R-CNN baselines
Facebook Ai: https://ai.facebook.com/blog/advancing-computer-vision-research-with-new-detectron2-mask-r-cnn-baselines/
Code: https://github.com/facebookresearch/detectron2/blob/master/MODEL_ZOO.md#new-baselines-using-large-scale-jitter-and-longer-training-schedule
Tensorflow implementation: https://github.com/tensorflow/tpu/tree/master/models/official/detectiona
@ai_machinelearning_big_data
293 640
Знать высшую математику и уметь применять ее в Data Science — принципиально разные вещи.
Как выделять самое ценное в больших данных при помощи линейной алгебры? Как исследование функций многих переменных помогает находить оптимальные параметры модели? Как использовать теорему Байеса для бинарной классификации?
Все это и многое другое ты освоишь за 4 месяца на практике онлайн-курса «Math for Data Science» от OTUS. Тебя ждет максимально приближенная к реальным рабочим условиям среда и увлекательные разнообразные кейсы. В конце обучения ты соберешь портфолио решенных задач, которое усилит резюме и позволит грамотно работать с моделями машинного обучения.
Пройди вступительный тест и получи доступ к профессиональному Slack-сообществу с выпускниками и преподавателями 👉 https://otus.pw/jzIh/
293 640
⬇️ Pysentimiento: A Python toolkit for Sentiment Analysis and Social NLP tasks
Github: https://github.com/pysentimiento/pysentimiento
Paper: https://arxiv.org/abs/2106.09462
English model: https://huggingface.co/finiteautomata/bertweet-base-sentiment-analysis
@ai_machinelearning_big_data
293 640
Facebook's Reverse engineering generative models from a single deepfake image
Github: https://github.com/vishal3477/Reverse_Engineering_GMs
Paper: https://arxiv.org/abs/2106.07873
Facebook's blog: https://ai.facebook.com/blog/reverse-engineering-generative-model-from-a-single-deepfake-image/
Dataset: https://drive.google.com/drive/folders/1ZKQ3t7_Hip9DO6uwljZL4rYAn5viSRhu?usp=sharing
@ai_machinelearning_big_data
293 640
Завершается третий набор студентов магистерской программы Ozon Masters.
Ozon Masters - это 2-х летняя бесплатная магистерская программа обучения в области анализа данных. Курсы читает одна из сильнейших команд преподавателей в России.
Основные профили подготовки:
- Data Scientist
- Аналитик данных
- Специалист по математическому моделированию
Программа подойдет:
- Студентам старших курсов и выпускникам ВУЗов с сильной подготовкой по математике или компьютерным наукам, которые хотят начать карьеру в области Data Science или бизнес-аналитике.
- Профессиональным аналитикам и датасаентистам, которые хотят систематизировать свои знания или освоить новые инструменты.
Есть возможность как очного, так и заочного обучения.
Занятия проходят онлайн по вечерам (с 18 до 21) в будни.
Если вы хотите попробовать себя в Data Science и в будущем стать частью большой команды аналитиков и датасаентистов Ozon, подавайте заявку до 29 июня и пройдите первый этап отбора: https://ozon.ru/t/FYR7W
293 640
🧩 A Bayesian Analysis of Lego Prices in Python with PyMC3
https://austinrochford.com/posts/2021-06-10-lego-pymc3.html
Lego Price Analysis: https://austinrochford.com/posts/2021-06-03-vader-meditation.html
@ai_machinelearning_big_data
