¡Ya disponible! Investigación de Telegram 2025 — los principales insights del año 
Data Science | Machinelearning [ru]
Ir al canal en Telegram
Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM. Личный блог автора - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD
Mostrar más📈 Análisis del canal de Telegram Data Science | Machinelearning [ru]
El canal Data Science | Machinelearning [ru] (@devsp) en el segmento lingüístico de Ruso es un actor destacado. Actualmente la comunidad reúne a 20 019 suscriptores, ocupando la posición 6 722 en la categoría Tecnologías y Aplicaciones y el puesto 33 728 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 20 019 suscriptores.
Según los últimos datos del 19 junio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -73, y en las últimas 24 horas de -9, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 8.09%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 3.89% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 1 619 visualizaciones. En el primer día suele acumular 779 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 8.
- Intereses temáticos: El contenido se centra en temas clave como llm, nvidia, контекст, openai, архитектура.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM.
Личный блог автора - @just_genych
По вопросам рекламы или разработки - @g_abashkin
РКН: https://vk.cc/cJPGXD”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 20 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.
20 019
Suscriptores
-924 horas
-557 días
-7330 días
Archivo de publicaciones
🖥 Самые интересные статьи за последние дни:
• Как мы обучали нейросеть распознавать юридические документы
• Топ-7 высокооплачиваемых профессий в сфере ИИ
• Создание искусственного датасета для обучения модели с использованием Paddle OCR
🗣Яндекс анонсировал Practical ML Conf, которая пройдет 14 сентября и будет доступна для просмотра онлайн
Это мероприятие, на котором Яндекс ежегодно анонсирует свои крупные запуски и делится опытом.
Все подробности и регистрация тут
@Devsp — Подписаться
МТС Web Services запустила два новых кластера виртуальной инфраструктуры с графическими ускорителями, тем самым увеличив собственные GPU-мощности для обучения искусственного интеллекта на 40%. До конца года эта цифра увеличится еще в 3-4 раза.
Запуск новых сегментов позволит большему числу предприятий упростить и ускорить обучение и инференс собственных AI- и ML-моделей, за счет размещения их в облаке MWS. Инфраструктура подойдет для работы с любыми AI-моделями во всех отраслях экономики. А получить доступ к ней можно из любой точки страны.
Также до конца года на базе GPU-инфраструктуры будут развернуты: платформа для разработки, обучения и развертывания ML-моделей, уже готовые модели ИИ для разных индустрий и направлений, доступные по API и AI-сервисы по модели SaaS.
@Devsp — Подписаться
🗣Dolphin: длинный контекст как новая модальность для энергоэффективных языковых моделей на устройстве
Подход решает проблемы значительного потребления энергии и задержек, присущие моделям на устройстве.
Dolphin использует компактный декодер параметров 0,5B для извлечения обширной контекстной информации во встраивание памяти, существенно сокращая длину входных данных для первичной модели декодера параметров 7B.
Этот инновационный метод позволяет обрабатывать существенно более длинные контексты без типичных вычислительных затрат, связанных с расширенными последовательностями входных данных.
Эмпирические оценки демонстрируют 10-кратное улучшение энергоэффективности и 5-кратное сокращение задержек по сравнению с обычными методами обработки полноразмерного контекста без потери качества ответа.
🤗 Hugging Face
💾 Arxiv
📂 PDF
@Devsp — Подписаться
Как тренировать нейросети быстрее, ускорить машинное обучение и визуализацию данных?
Серверы с GPU ускоряют вычисления, проведение ML-экспериментов и анализа больших данных, а еще легко справляются с классификацией изображений и распознаванием речи. Необязательно иметь собственный сервер, можно арендовать GPU в облаке в Selectel.
В 2024 году облако Selectel вошло в топ-3 лучших российских провайдеров рейтинга GPU Cloud, по версии CNews.
Преимущества аренды облачного сервера с GPU в Selectel:
- Гибкие конфигурации. Возможность выбрать сервер как готовой, так и произвольной конфигурации с нужной видеокартой. Мгновенное масштабирование под растущие нагрузки.
- Большой выбор карт в наличии : А2, А30, A100, A2000, A5000, Tesla T4, GTX1080 и RTX 2080.
- Оплата за фактически использованные ресурсы от 29 ₽/час
- Безопасность хранения и обработки данных. Облачные серверы соответствуют 152-ФЗ (УЗ-1), есть сертификаты PCI DSS, а также ISO 27001, 27017, 27018 и другие
Арендуйте серверы с GPU с почасовой оплатой: https://slc.tl/dscnh
Реклама АО «Селектел». ИНН: 7810962785 Erid: 2VtzqvqmQ7X
🔥K-Sort Arena: Efficient and Reliable Benchmarking for Generative Models via K-wise Human Preferences
Эффективная и надежная платформа, основанная на ключевом понимании: изображения и видео обладают более высокой интуитивностью восприятия, чем тексты, что позволяет быстро оценивать несколько образцов одновременно.
K-Sort Arena использует сравнения K-wise, позволяя моделям K участвовать в соревнованиях «все против всех», которые дают гораздо более богатую информацию, чем парные сравнения. Для повышения надежности системы мы используем вероятностное моделирование и байесовские методы обновления.
Благодаря своей высокой эффективности K-Sort Arena может непрерывно включать новые модели и обновлять таблицу лидеров с минимальным количеством голосов.
🤗 Hugging Face
💾 Arxiv
📂 PDF
@Devsp — Подписаться
⛅️Встречаем OmniCast — технологию, которая повысит точность прогноза температуры с помощью пользовательских метеостанций
В этой статье мы расскажем о том, как при помощи фильтра Калмана и комбинации двунаправленной и однонаправленной LSTM-нейросетей нам удалось улучшить качество прогноза температуры.
Читать...
🤗CustomCrafter: индивидуальная генерация видео с сохранением движения и возможностей концептуальной композиции
Новую структуру, которая сохраняет способность модели генерировать движение и концептуальные комбинированные способности без дополнительного видео и тонкой настройки для восстановления.
Для сохранения концептуальной комбинированной способности мы разрабатываем модуль plug-and-play для обновления нескольких параметров в VDM, улучшая способность модели захватывать детали внешнего вида и способность концептуальных комбинирований для новых субъектов.
Используя подключаемость наших модулей обучения объекта, мы уменьшаем влияние этого модуля на генерацию движения на ранней стадии шумоподавления, сохраняя возможность генерировать движение VDM.
На более поздней стадии шумоподавления мы восстанавливаем этот модуль, чтобы восстановить детали внешнего вида указанного объекта, тем самым обеспечивая точность внешнего вида объекта.
🤗 Hugging Face
💾 Arxiv
📂 PDF
@Devsp — Подписаться
🖥 Самые интересные статьи за последние дни:
• MLSecOps: почему, зачем и кому это нужно?
• Практический кейс реализации AutoML в банке
• ML в маркетинге: как модели делают банк более чутким к негативу
👀Sapiens: Foundation for Human Vision Models
Семейство моделей для четырех основных задач, связанных с зрением человека: оценка позы в 2D, сегментация частей тела, оценка глубины и прогнозирование нормалей поверхности.
Модели изначально поддерживают вывод высокого разрешения 1K и чрезвычайно легко адаптируются для отдельных задач путем простой тонкой настройки моделей, предварительно обученных на более чем 300 миллионах изображений человека в дикой природе.
Простая конструкция модели также обеспечивает масштабируемость — производительность модели для разных задач улучшается по мере того, как мы масштабируем количество параметров с 0,3 до 2 миллиардов.
Sapiens постоянно превосходит существующие базовые показатели по различным бенчмаркам, связанным с зрением человека.
🤗 Hugging Face
💾 Arxiv
📂 PDF
@Devsp — Подписаться
