¡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 20 002 suscriptores, ocupando la posición 6 722 en la categoría Tecnologías y Aplicaciones y el puesto 33 703 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 20 002 suscriptores.
Según los últimos datos del 21 junio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -75, y en las últimas 24 horas de -3, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 8.29%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 3.70% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 1 658 visualizaciones. En el primer día suele acumular 740 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 7.
- 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 22 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.
20 002
Suscriptores
-324 horas
-367 días
-7530 días
Archivo de publicaciones
😎Magic-Me: Identity-Specific Video Customized Diffusion
Создание контента для конкретной личности (ID) продемонстрировало значительный интерес в области генеративных моделей. В области генерации текста в изображение (T2I) генерация тематического контента достигла большого прогресса благодаря управляемому идентификатору в изображениях. Однако прямое распространение его на генерацию видео недостаточно изучено.
▪Github: https://github.com/Zhen-Dong/Magic-Me
▪Colab: https://colab.research.google.com/drive/1gMialn4nkGeDZ72yx1Wob1E1QBgrqeGa
▪Project: https://magic-me-webpage.github.io
▪Paper: arxiv.org/abs/2402.09368
@Devsp — Подписаться
⚡️HASSOD: Hierarchical Adaptive Self-Supervised Object Detection
HASSOD — это полностью самоконтролируемый подход к обнаружению объектов и сегментации экземпляров, демонстрирующий значительное улучшение по сравнению с предыдущими современными методами за счет обнаружения более широкого диапазона объектов.
🖥Github: https://github.com/Shengcao-Cao/HASSOD
📚 Paper: https://arxiv.org/abs/2402.03311
⏩Project: https://hassod-neurips23.github.io/
💻Video: https://www.youtube.com/watch?v=s8u7tEKg5ew
@Devsp — Подписаться
Trino Meetup #2: Trino в Тинькофф, и как ускорить чтение из Data Lake с помощью кэширования
Приглашаем вас на митап, посвященный технологии Trino, от разработчиков CedrusData — коммерческого форка Trino для российского рынка. Обсудим использование Trino в аналитической инфраструктуре Tinkoff и разберемся, как можно ускорить работу с озерами данных в Trino с помощью кэширования.
В программе:
✔ Дмитрий Зуев, Тинькофф — «Trino в Тинькофф»
✔ Владимир Озеров, CedrusData — «Как ускорить работу Trino с Data Lake c помощью кэширования»
📍Митап пройдет онлайн на YouTube — 27 февраля в 18:00 по Москве. Ссылку отправим вам на почту за час до начала митапа.
Для участия нужно зарегистрироваться.
Реклама. ООО "КВЕРИФАЙ ЛАБС". ИНН 7811766769
👤Learning to Learn Faster from Human Feedback with Language Model Predictive Control
В этой работе мы изучаем тонкую настройку LLM для написания кода роботами, чтобы запомнить их контекстное взаимодействие и улучшить их обучаемость, т. е. насколько эффективно они адаптируются к вводу человека (измеряется средним количеством исправлений, прежде чем пользователь сочтет задачу успешной).
▪proj: https://robot-teaching.github.io
▪paper: https://arxiv.org/abs/2402.11450
▪code: https://colab.research.google.com/drive/1YcRN_kklw3cVVJNvgK_IEV6nDce9EJWK
@Devsp — Подписаться
⚡️ByteDance presents SDXL-Lightning: a lightning fast 1024px text-to-image generation model
SDXL-Lightning — это молниеносная модель преобразования текста в изображение. Он может генерировать высококачественные изображения размером 1024 пикселей за несколько шагов.
▪HF: https://huggingface.co/ByteDance/SDXL-Lightning
@Devsp — Подписаться
🚨 Безопасность ваших данных под угрозой
За последние годы инфраструктура компаний разрослась: она содержит сотни терабайтов разнородной информации, вопрос защиты которой стоит особенно остро.
На рынке кибербезопасности представлено несколько классов решений для защиты данных — это системы DLP, DAM, DCAP и другие. Однако практически ежедневно мы видим новости об очередной крупной утечке. Например, только за 2022 год, по информации DLBI, в сеть утекли данные 75% россиян.
Мы хотим выяснить, чего не хватает пользователям существующих решений. Если вы занимаетесь защитой данных в компании, пройдите наш опрос.
😎Track-Anything: A Flexible and Interactive Tool for Video Object Tracking and Segmentation
Track-Anything — это гибкий и интерактивный инструмент для отслеживания и сегментации видеообъектов. Он разработан на основе Segment Anything и может указывать что-либо для отслеживания и сегментации только с помощью кликов пользователя.
🖥 Github: https://github.com/gaomingqi/Track-Anything
⏩ Tutorial: https://www.jetson-ai-lab.com/vit/tutorial_tam.html
@Devsp — Подписаться
😎Track-Anything: A Flexible and Interactive Tool for Video Object Tracking and Segmentation
Track-Anything — это гибкий и интерактивный инструмент для отслеживания и сегментации видеообъектов. Он разработан на основе Segment Anything и может указывать что-либо для отслеживания и сегментации только с помощью кликов пользователя.
🖥 Github: https://github.com/gaomingqi/Track-Anything
⏩ Tutorial: https://www.jetson-ai-lab.com/vit/tutorial_tam.html
@Devsp — Подписаться
Весь опыт Data Science – в одном месте. Data Fusion в четвертый раз соберет DS-экспертов для диалога на кросс-индустриальной площадке. Конференция пройдет 17-18 апреля в Москве. Регистрация уже открыта: https://cnrlink.com/datafusiondsm
Data Fusion 2024 – главное событие весны в области анализа больших данных и технологий ИИ. Исследованиям и практике посвящен первый день конференции.
– Известные ученые и эксперты по Data Science расскажут о трендах в различных направлениях машинного обучения и технологиях ИИ.
– Желающие еще глубже погрузиться в сферу искусственного интеллекта смогут посетить трек ML+, посвященный использованию машинного обучения на стыке с физикой, медициной и фармакологией и другими науками.
Второй день мероприятия будет посвящены бизнесу и стратегии.
В этом году конференция Data Fusion пройдет в московском технологическом кластере «Ломоносов». Регистрация здесь: https://cnrlink.com/datafusiondsm
Реклама. БАНК ВТБ (ПАО). ИНН 7702070139. erid: LjN8KSxHp
😎Track-Anything: A Flexible and Interactive Tool for Video Object Tracking and Segmentation
Track-Anything — это гибкий и интерактивный инструмент для отслеживания и сегментации видеообъектов. Он разработан на основе Segment Anything и может указывать что-либо для отслеживания и сегментации только с помощью кликов пользователя.
🖥 Github: https://github.com/gaomingqi/Track-Anything
⏩ Tutorial: https://www.jetson-ai-lab.com/vit/tutorial_tam.html
@Devsp — Подписаться
🥸Advancing Object Segmentation with SAM: A Meta AI Research Project from FAIR
Модель Segment Anything Model (SAM) создает высококачественные маски объектов из подсказок ввода, таких как точки или прямоугольники, и ее можно использовать для создания масок для всех объектов на изображении.
🖥 Github: https://github.com/facebookresearch/segment-anything
⏩ Tutorial: https://www.jetson-ai-lab.com/vit/tutorial_sam.html
@Devsp — Подписаться
🗓 22 февраля, 16:00
📌Аналитические инструменты для ленивых
Что делать, если хочется заниматься аналитикой данных, а не установкой библиотек и инструментов? Присоединяйтесь на практический вебинар от @Selectel, на котором коллеги расскажут, как получить доступ к GPU без лишней настройки, запустить несколько изолированных JupyterLab на одной GPU и развернуть собственную LLM.
Основные темы:
◽️Инфраструктура с GPU.
◽️Генерация изображений.
◽️ML-эксперименты и запуск LLM.
◽️Сбор данных и BI-аналитика.
Регистрируйтесь на мероприятие и участвуйте в розыгрыше приза за лучший вопрос: https://slc.tl/vr300
Реклама ООО «Селектел» erid 2Vtzqw11Riy
🚀Optimizing Real-Time Object Detection with NanoOWL: Enhancing OWL-ViT on NVIDIA Jetson Platforms
NanoOWL — это проект, который оптимизирует OWL-ViT для работы в реальном времени на платформах NVIDIA Jetson Orin с NVIDIA TensorRT. NanoOWL также представляет новый конвейер «обнаружения деревьев», который сочетает в себе OWL-ViT и CLIP, чтобы обеспечить вложенное обнаружение и классификацию чего угодно на любом уровне, просто предоставляя текст.
🖥 Github: https://github.com/NVIDIA-AI-IOT/nanoowl
⏩ Tutorial: https://www.jetson-ai-lab.com/vit/tutorial_nanoowl.html
@Devsp — Подписаться
🗣Whisper: A Multitasking Speech Recognition Model for Multilingual Applications
Whisper — это универсальная модель распознавания речи. Он обучен на большом наборе данных разнообразного аудио, а также представляет собой многозадачную модель, которая может выполнять многоязычное распознавание речи, перевод речи и идентификацию языка.
🖥 Github: https://github.com/openai/whisper
⏩ Tutorial: https://www.jetson-ai-lab.com/tutorial_whisper.html
@Devsp — Подписаться
Если вы уже знакомы с ML-моделями или даже работаете на позиции джуниор-специалиста, для получения следующего грейда будет кстати наставничество опытных коллег и дополнительная практика. Всё это можно найти на курсе Яндекс Практикума.
За 4 месяца:
— вы поймёте, как переводить бизнес-задачу на язык машинного обучения,
— научитесь строить продвинутые ML-модели,
— создадите 3 сервиса в облаке для решения задач бизнеса.
Всю дорогу с вами будут наставники и такие же как вы студенты — для обратной связи и поддержки.
Начните курс с бесплатной вводной части, она поможет понять, подходит ли вам программа.
🦾LLaVA: Large Language and Vision Assistant
LLaVA is a popular multimodal vision/language model that you can run locally on Jetson to answer questions about image prompts and queries.
🖥 Github: https://llava-vl.github.io/
⏩ Tutorial: https://www.jetson-ai-lab.com/tutorial_llava.html
@Devsp — Подписаться
🎉Deep Learning Research on Audio Generation with AudioCraft: A PyTorch Library
AudioCraft — это библиотека PyTorch для исследований в области глубокого обучения генерации звука. AudioCraft содержит код вывода и обучения для двух современных генеративных моделей искусственного интеллекта, создающих высококачественный звук: AudioGen и MusicGen.
🖥 Github: https://github.com/facebookresearch/audiocraft
⏩ Tutorial: https://www.jetson-ai-lab.com/tutorial_audiocraft.html
@Devsp — Подписаться
Что будет, если есть суп в час по чайной ложке? За год вы съедите 43 литра.
Это мы к тому, что в году целых 8 784 часа — успеть можно многое.
Например, чтобы освоить профессию 1С‑аналитик, нужно 480 часов. Все серии «Доктора Кто» займут уже 396 часов. Ну а если собираетесь взойти на Эверест, готовьте минимум 1344 часа.
→ Узнайте, сколько «весят» другие дела
🚀Maximizing NanoDB Efficiency: A Guide to Containerized Image Management and Operations
NanoDB — это мультимодальная векторная база данных, оптимизированная для CUDA, которая использует встраивания из преобразователя изображения CLIP для поиска по сходству txt2img и img2img.
🖥 Github: https://github.com/dusty-nv/jetson-containers/blob/master/packages/vectordb/nanodb/README.md
⏩ Tutorial: https://www.jetson-ai-lab.com/tutorial_nanodb.html
@Devsp — Подписаться
🌐NanoSAM: Real-Time Object Segmentation on NVIDIA Jetson Orin Platforms with NVIDIA TensorRT
NanoSAM — это вариант модели Segment Anything (SAM), который способен работать в реальном времени на платформах NVIDIA Jetson Orin с NVIDIA TensorRT. Он обучается путем дистилляции кодера изображений MobileSAM на немаркированных изображениях. Для ознакомления с дистилляцией знаний мы рекомендуем ознакомиться с этим руководством.
🖥Github: https://github.com/NVIDIA-AI-IOT/nanosam
⏩Tutorial: https://www.jetson-ai-lab.com/vit/tutorial_nanosam.html
@Devsp — Подписаться
