![Data Science | Machinelearning [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1dVo3O%2F5217464346798572541%3Fty%3Dl&w=48&q=75){kind=small}
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. MAX - https://max.ru/devsp Личный блог - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD
Mostrar más![Red: Frontender's notes [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1qrVZ3%2F5348049928330532677%3Fty%3Dx&w=32&q=75){kind=small}
📈 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 19 659 suscriptores, ocupando la posición 6 673 en la categoría Tecnologías y Aplicaciones y el puesto 33 353 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 19 659 suscriptores.
Según los últimos datos del 08 noviembre, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -100, y en las últimas 24 horas de -7, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 7.46%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 4.46% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 1 467 visualizaciones. En el primer día suele acumular 877 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 5.
- 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.
MAX - https://max.ru/devsp
Личный блог - @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 09 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.
19 659
Suscriptores
-724 horas
-297 días
-10030 días
Archivo de publicaciones
![Data Science | Machinelearning [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1dVo3O%2F5217464346798572541%3Fty%3Dx&w=64&q=75){kind=small}
🎓 OS-Copilot: Towards Generalist Computer Agents with Self-Improvement
Автономное взаимодействие с компьютером уже давно является проблемой с огромным потенциалом, а недавнее распространение больших языковых моделей (LLM) заметно ускорило прогресс в создании цифровых агентов.
Однако большинство этих агентов предназначены для взаимодействия с узкой областью, например с конкретным программным обеспечением или веб-сайтом.
OS-Copilot - это новаторская основа для создания универсальных компьютерных агентов, которая обеспечивает единый интерфейс для взаимодействия приложений в экосистеме ОС.
Самосовершенствующийся помощник с искусственным интеллектом, способного решать общие компьютерные задачи.
Агент может взаимодействовать со всеми элементами операционной системы (ОС), включая работу в сети, написание кода, работу с файлами и мультимедиа, работу различными сторонними приложениями.
▪️Github
▪️Project
▪️Статья
@Devsp — Подписаться
Друзья! Получите одну из самых востребованных IT профессий. 1 апреля начинается курс “AI в 2024 году: создание и работа с нейронными сетями"
Первые 2 потока ведет автор курса — Артур Сапрыкин www.arthursaprykin.ru
Что внутри курса?
- создание нейронных сетей для выполнения практических задач
- решение типичных проблем при обучении сетей
- продвинутые архитектуры нейронных сетей и их применение в Data Science
Курс будет полезен, если вы:
- Аналитик данных и хотите освоить продвинутые инструменты, чтобы выйти на новый уровень
- Разработчик с опытом программирования и хотите применить свои знания в новой области
- Студент или Junior и хотите освоить машинное обучение для старта карьеры в ML
- Руководитель IT-проектов и хотите лидировать современные бизнес-процессы
Что вы получите?
🏆 Сертификат/удостоверение о повышении квалификации
🏆 Рекомендации и помощь в трудоустройстве успешным ученикам
Академия Кодебай
образовательный центр
для IT-профессионалов
@Codeby_Academy
84994441750
🖼 One-Step Image Translation with Text-to-Image Models
CycleGAN-Turbo — общий метод адаптации одношаговой диффузионной модели, такой как SD-Turbo, к новым задачам и областям посредством состязательного обучения.
Это позволяет нам использовать внутренние знания предварительно обученных моделей диффузии, одновременно достигая эффективного вывода.
▪Paper: https://arxiv.org/abs/2403.12036
▪Code: https://github.com/GaParmar/img2img-turbo
▪Demo: http://huggingface.co/spaces/gparmar/img2img-turbo-sketch
@Devsp — Подписаться
⁉️ Как повысить производительность Spark? С помощью оптимизатора запросов Catalyst!
О том, как работать с Catalyst, – мы поговорим на открытом вебинаре «Раскрытие мощности Apache Spark: Погружение в оптимизатор запросов Catalyst».
Урок проведёт Андрей Чучалов, опытный специалист по технологиям на базе JVM и большим данным.
💻 Вы узнаете:
— Каким образом Catalyst повышает производительность Spark
— Из чего состоит архитектура Catalyst
— Каким образом Catalyst обеспечивает расширяемость и настройку
— Какие препятствия и ограничения возникают при работе с Catalyst
После вебинара можно записаться на курс «Spark Developer». Курс доступен для приобретения в рассрочку.
🔛 Начало: 28 марта, 20:00 МСК
🟣 Записаться на событие - https://otus.pw/QIc9/
Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru
🧬 Evolving New Foundation Models: Unleashing the Power of Automating Model Development
Мы представляем новое применение эволюционных алгоритмов для автоматизации создания мощных базовых моделей.
Хотя слияние моделей стало многообещающим подходом для развития LLM из-за его экономической эффективности, в настоящее время оно опирается на человеческую интуицию и знание предметной области, что ограничивает его потенциал.
Авторы используют эволюционные алгоритмы для поиска лучших способов объединения моделей с открытым исходным кодом для автоматического создания новых мощных моделей с заданными пользователем возможностями!
▪Blog: https://sakana.ai/evolutionary-model-merge/
▪Paper: https://arxiv.org/abs/2403.13187
@Devsp — Подписаться
😁Когда тебя завлекают на роботу программистом)
@Devsp — Подписаться
🎧Video2Music: Suitable Music Generation from Videos using an Affective Multimodal Transformer model
Эта платформа уникальным образом использует функции видео в качестве входных данных для создания соответствующей музыки с использованием архитектуры Transformer.
Используя передовые технологии, наша система призвана предоставить создателям видео простое и эффективное решение для создания индивидуальной фоновой музыки.
🖥 Github: https://github.com/amaai-lab/video2music
📕Paper: https://arxiv.org/abs/2311.00968v1
⏩Demo: https://llmrec.github.io/
🌐 Dataset: https://zenodo.org/records/10057093
@Devsp — Подписаться
🏆 LLaMA2-Accessory: An Open-source Toolkit for LLM Development
LLaMA2-Accessory — это набор инструментов с открытым исходным кодом для предварительного обучения, точной настройки и развертывания моделей большого языка (LLM) и мультимодальных LLM.
🐱 Github: https://github.com/alpha-vllm/llama2-accessory
🚀 Demo: http://imagebind-llm.opengvlab.com/
📕Paper: https://arxiv.org/abs/2311.07575v1
⏩Project: llama2-accessory.readthedocs.io/
⭐Dataset: https://paperswithcode.com/dataset/vsr
@Devsp — Подписаться
🔊 Qwen-Audio: Advancing Universal Audio Understanding via Unified Large-Scale Audio-Language Models
Qwen-Audio — это мультимодальная версия большой серии моделей Qwen, предложенной Alibaba Cloud. Qwen-Audio принимает разнообразный звук (человеческую речь, естественный звук, музыку и песни) и текст в качестве входных данных и выводит текст.
🐱 Github: https://github.com/qwenlm/qwen-audio
🚀 Demo: https://qwen-audio.github.io/Qwen-Audio/
📕Paper: https://arxiv.org/abs/2311.07919v1
⏩Dataset: https://paperswithcode.com/dataset/vocalsound
@Devsp — Подписаться
🪴 SceneScript: an AI model and method
to understand and describe 3D spaces
SceneScript — это метод представления и определения геометрии сцены
с использованием авторегрессионной структурированной языковой модели и сквозного обучения.
SceneScript использует тот же метод прогнозирования следующего токена, что и модели на большом языке. Это дает моделям ИИ словарный запас, необходимый для рассуждений о физических пространствах.
▪Paper
▪Project
▪Dataset
@Devsp — Подписаться
📢 𝐕𝐨𝐢𝐜𝐞𝐂𝐫𝐚𝐟𝐭: Zero-Shot Speech Editing and Text-to-Speech in the Wild🪄
VoiceCraft — это языковая модель нейронного кодека, заполняющая токены, которая обеспечивает высочайшую производительность как при редактировании речи, так и при преобразовании текста в речь (TTS) с нулевым количеством кадров для реальных данных, включая аудиокниги, интернет-видео и подкасты.
Чтобы клонировать или редактировать невидимый голос, VoiceCraft требуется всего несколько секунд справки.
▪Github
▪Paper
▪Project
@Devsp — Подписаться
🚀 Откройте двери в мир машинного обучения и узнайте, что нужно знать новичкам, и профессионалам!
Отус приглашает 27 марта в 18:00 по мск на бесплатный вебинар «Расставим точки над ML».
Вебинар является частью полноценного онлайн-курса «Специализация Machine Learning».
💪 Спикером выступит: Мария Тихонова – PhD in Computer Science, Senior Data Scientist в SberDevices и преподаватель ВШЭ.
На вебинаре вы:
✅ познакомитесь с ML и узнаете, чем оно отличается от классического программирования;
✅ посмотрите, какие задачи есть в ML;
✅ решите на практике одну из задач - научите компьютер определять, что изображено на картинке.
➡ Регистрация на вебинар: https://otus.pw/QIc9/
Кому подходит этот урок:
- IT-специалистам которые хотят перейти в Data Science
- Начинающим дата-сайентистам и специалиста по машинному обучению, желающим углубиться в профессию
- Тем кто самостоятельно изучает Data Science
- Кто хочет войти в IT, но не знает что выбрать
Записывайтесь сейчас, а мы потом напомним. Участие бесплатно.
Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.
🖼 One-Step Image Translation with Text-to-Image Models
Модели CycleGAN-Turbo и pix2pix-turbo могут выполнять различные задачи перевода изображения в изображение как для парных, так и для непарных настроек.
CycleGAN-Turbo превосходит существующие методы на основе GAN и диффузии, а pix2pix-Turbo находится на одном уровне с недавними работами, такими как ControlNet для Sketch2Photo и Edge2Image, но с одношаговым выводом.
▪️Paper: https://arxiv.org/abs/2403.12036
▪️Code: https://github.com/GaParmar/img2img-turbo
▪️Demo: http://huggingface.co/spaces/gparmar/img2img-turbo-sketch
@Devsp — Подписаться
🔥 Нужны примеры кода, и настройка работы с API ChatGPT?
Если вы интересуетесь актуальными техниками промпт-инжиниринга и хотите внедрять ChatGPT в бизнес-процессы – приглашаем на открытый вебинар
«Промптинг языковых моделей и ChatGPT: продвинутые техники»
— Узнаете какие существуют техники промптинга для языковых моделей
— Поймёте, как работать с API ChatGPT
— Познакомитесь с возможностями ChatGPT в реализации агентов
— Увидите примеры кода для работы с агентами
📊 Урок проведёт Александр Брут-Бруляко. Занимается исследованиями с фокусом на персонализацию коммуникаций в СБЕР Neurolab.
Начало: 25 марта, 20:00 МСК
После вебинара можно записаться на курс «Natural Language Processing (NLP)». Курс доступен для приобретения в рассрочку.
🔴 Записаться на событие - https://otus.pw/QIc9/
Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru
🪄 InternLM-XComposer
MORL-Baselines — это библиотека алгоритмов многоцелевого обучения с подкреплением (MORL).
Цель этого репозитория — содержать надежные реализации алгоритмов MORL в PyTorch.
🖥Code: https://github.com/lucasalegre/morl-baselines
🦾 Project: lucasalegre.github.io/morl-baselines
🖥Colab: https://colab.research.google.com/drive/1ByjuUp8-CJeh1giPOACqPGiglPxDnlSq?usp=sharing
📚Paper: https://arxiv.org/abs/2311.12495v1
🔗Dataset: https://paperswithcode.com/dataset/mo-gymnasium
@Devsp — Подписаться
Приглашаем на бесплатную ML-тренировку Data Dojo!
Разберём решения победителей больших соревнований и сами подумаем над парочкой задач, а ещё проведём экскурсию по петербургскому офису. Пока мы только формируем программу, но уже известен первый доклад:
🔸 Артём Топоров, ex Lead ML в ROGII Inc. Расскажет о своём втором месте на соревновании Kaggle по распознаванию жестового языка.
Data Dojo пройдёт 30 марта в Санкт-Петербурге в онлайн- и офлайн-форматах. Если хотите прийти на офлайн — подавайте заявку, мы проведём отбор участников и отправим приглашение за три дня до тренировки.
Регистрируйтесь и приходите — будем вместе искать ML-просветления 🪬
🪄 InternLM-XComposer
MORL-Baselines — это библиотека алгоритмов многоцелевого обучения с подкреплением (MORL).
Цель этого репозитория — содержать надежные реализации алгоритмов MORL в PyTorch.
🖥Code: https://github.com/lucasalegre/morl-baselines
🦾 Project: lucasalegre.github.io/morl-baselines
🖥Colab: https://colab.research.google.com/drive/1ByjuUp8-CJeh1giPOACqPGiglPxDnlSq?usp=sharing
📚Paper: https://arxiv.org/abs/2311.12495v1
🔗Dataset: https://paperswithcode.com/dataset/mo-gymnasium
@Devsp — Подписаться
Где лучше всего учиться Data Science и ML в Росиии? Конечно же в Школе Анализа Данных от Яндекса.
Но вот проблема: чтобы попасть туда, нужна сильная математическая база и скилл щелкать олимпиадное программирование.
Со всеми теми, кто не хочет упустить возможность усилить свои знания, делимся школой Shad Helper, которая готовит к поступлению в ШАД.
Очень скоро, 25 марта, у них стартует курс под руководством сильной команды (преподаватели кандидаты и доктора из МГУ, МФТИ, ВШЭ). Стоимость – 5999 в неделю, остановить обучение можно в любой момент. В комплекте также система скидок за хорошую успеваемость, чат-бот для студентов и регулярные домашние задания с менторской проверкой.
Остались вопросы? Подключайся к ребятам на вебинар 21 марта в 19:00, чтобы узнать больше про курс и подготовку к ШАД.
Реклама. ООО "ШВМ", ОГРН 1237700481622, shadhelper.com
🪞 Visual Anagrams: Generating Multi-View Optical Illusions with Diffusion Models
Простой метод с нулевым выстрелом для создания многоракурсных оптических иллюзий.
Это изображения, которые выглядят как одно целое, но при трансформации меняют внешний вид или идентичность.
🖥Code: https://github.com/dangeng/visual_anagrams
🌟Colab: https://colab.research.google.com/drive/1hCvJR5GsQrhH1ceDjdbzLG8y6m2UdJ6l?usp=sharing
🔥Project: https://dangeng.github.io/visual_anagrams/
📚Paper: https://arxiv.org/abs/2311.17919
@Devsp — Подписаться
🤖 Выступите с докладом про AI и ML в кибербезопасности на PHDays Fest 2 в «Лужниках»!
AI — угроза или революция? Как бы то ни было, с угрозами и возможностями использования AI и ML, в том числе в сфере кибербезопасности, мы сталкиваемся уже сегодня.
Вы эксперт в этой теме и у вас есть свежий взгляд на актуальные проблемы искусственного интеллекта в кибербезе и на пути их решения? Тогда вы можете собрать на доклад целый стадион! Успейте до 1 апреля подать заявку на выступление на киберфестивале Positive Hack Days 2, который пройдет с 23 по 26 мая в Москве.
Успейте подать заявку до 1 апреля на сайте киберфестиваля
