¡Ya disponible! Investigación de Telegram 2025 — los principales insights del año 
Machine learning Interview
Ir al canal en Telegram
ИИ, Rust, вайбкодинг, Data Science, Deep Learning и делюсь тем, что интересно и полезно! Вопросы - @workakkk РКН: clck.ru/3FmwRz
Mostrar más📈 Análisis del canal de Telegram Machine learning Interview
El canal Machine learning Interview (@machinelearning_interview) en el segmento lingüístico de Ruso es un actor destacado. Actualmente la comunidad reúne a 30 035 suscriptores, ocupando la posición 4 579 en la categoría Tecnologías y Aplicaciones y el puesto 21 921 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 30 035 suscriptores.
Según los últimos datos del 13 junio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de 40, y en las últimas 24 horas de 8, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 21.14%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 7.35% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 6 350 visualizaciones. En el primer día suele acumular 2 208 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 40.
- Intereses temáticos: El contenido se centra en temas clave como claude, llm, контекст, hermes, nvidia.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“ИИ, Rust, вайбкодинг, Data Science, Deep Learning и делюсь тем, что интересно и полезно!
Вопросы - @workakkk
РКН: clck.ru/3FmwRz”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 14 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.
30 035
Suscriptores
+824 horas
-77 días
+4030 días
Archivo de publicaciones
+4
⚡️ Годный открытый курс по Machine Learning
Охват тем нереальный, можно посмотреть на оглавление
К каждой теме в оглавлении приведена лекция, где плавно по шагам описываются ключевые идеи и т.д.
Отличный ресурс для погружения в Machine Learning
📎 Открытый курс по ML
@machinelearning_interview
🌟Библиотека YaFSDP, которая поможет сократить время обучения больших языковых моделей до 25%
Эту библиотеку Яндекс разработал в процессе обучения генеративной модели YandexGPT 3, а теперь и выложил в открытый доступ. Исходный код YaFSDP уже есть на GitHub.
🖥 GitHub
🟡 Статья
@machinelearning_interview
+3
📌Полезный репозиторий с материалами по статистике и ML-алгоритмам от Техасского университета
В частности, здесь описываются (вместе с визуализацией на Python) такие темы как:
— дерево решений
— метод PCA
— кластеризация методом k-means
— центральная предельная теорема
🟡 Jupyter Notebook'и
@machinelearning_interview
🌟 На Хабре рассказали про создание виртуального рассказчика, который умеет читать книги в режиме реального времени
Такая функция появилась в книжном сервисе Букмейт — рассказчик разработан на базе комплекса речевых технологий Яндекса, а воспроизведение текста максимально приближено к естественной речи. На данный момент функция доступна для 13000 книг.
Интегрировать речевые технологии в книжный сервис оказалось не так просто, поскольку в литературе встречаются необычные сокращения, слова и аббревиатуры — нейросети нужно знать, как правильно их произносить. Для этого модель обучают на длинных текстах, содержащих множество повествований и описаний.
▶️ Habr
@machinelearning_interview
+4
📌Годная подборка материалов по Machine Learning от университета из Амстердама
Здесь собраны интерактивные лекции по ML, которые покрывают многие темы, в частности:
— трансформеры
— SVM (машина поддерживающих векторов)
— Deep Learning
— теория вероятностей
— обработка и подготовка данных
— последовательности и работа с такими данными
▶️ Материалы по ML
@machinelearning_interview
Бесплатный вебинар по chatGPT "Создай нейро-сотрудника с нуля, без опыта программирования"
Вы узнаете как использовать chatGPT в профессиональных целях, создавать нейросотрудников на заказ и зарабатывать на ИИ.
Регистрируйтесь прямо сейчас - будьте в курсе всех новинок из мира AI.
Реклама. ООО "ТЕРРА ЭЙАЙ". ИНН 9728019395. erid: LjN8KXep2
+2
⚡️ Let's reproduce GPT-2 — 4-часовой ролик от Андрея Карпати, где он реализует GPT-2 с нуля
Очент полезное видео, здесь описывается весь процесс разработки:
— сначала строится сеть GPT-2
— затем оптимизируется её обучение, чтобы оно было действительно быстрым
— настраивается процесс обучения
— и после этого несколько часов модель обучается
В некоторых моментах для полного понимания нужны знания из плейлиста "Neural Networks: Zero to Hero"
🎞 YouTube
🖥 GitHub
@machinelearning_interview
Яндекс запустил Lite-версию генеративной текстовой модели YandexGPT 3
YandexGPT 3 Lite — это облегчённая версия генеративной модели Яндекса нового поколения. Особенность таких Lite-моделей заключается в более высокой скорости ответов, что позволяет решать простые задачи бизнеса буквально в режиме реального времени. Поэтому нейросеть хорошо показывает себя в сценариях, где важны время реакции и оптимизация затрат: например, бот-консультант на сайте, система подсказок для операторов колл-центров или суммаризатор результатов деловых встреч.
✈️ По данным замеров, YandexGPT 3 Lite стала ещё быстрее и точнее — и она уже доступна в режиме release candidate на облачной платформе Yandex Cloud. То есть клиенты могут протестировать её и плавно внедрить в свои продукты через API уже в ближайшее время.
Одним из ключевых этапов обучения модели стало выравнивание (Alignment), включающее в том числе стадию обучения с подкреплением (RL). В статье на Хабре - детали реализации Alignment и RL.
Яндекс запустил Lite-версию генеративной текстовой модели YandexGPT 3
YandexGPT 3 Lite — это облегчённая версия генеративной модели Яндекса нового поколения. Особенность таких Lite-моделей заключается в более высокой скорости ответов, что позволяет решать простые задачи бизнеса буквально в режиме реального времени. Поэтому нейросеть хорошо показывает себя в сценариях, где важны время реакции и оптимизация затрат: например, бот-консультант на сайте, система подсказок для операторов колл-центров или суммаризатор результатов деловых встреч.
✈️ По данным замеров, YandexGPT 3 Lite стала ещё быстрее и точнее — и она уже доступна в режиме release candidate на облачной платформе Yandex Cloud. То есть клиенты могут протестировать её и плавно внедрить в свои продукты через API уже в ближайшее время.
Одним из ключевых этапов обучения модели стало выравнивание (Alignment), включающее в том числе стадию обучения с подкреплением (RL). В статье на Хабре - детали реализации Alignment и RL.
+4
📌Machine Learning с нуля — годный ресурс по объяснению самых основ ML
Вот некоторые из рассматриваемых здесь тем:
— нейросети: концепция и реализация
— деревья решений
— регрессия: линейная/логистическая
🟡 ML с нуля
@machinelearning_interview
🌟 Отличная open-source книга про использование R в ML
Здесь подробно описывается, как реализовывать разные алгоритмы Machine Learning с помощью R;
от простой линейной/логистической регрессии до более сложных алгоритмов наподобие кластеризации методом k-means
🟡 Machine Learning с помощью R
@machinelearning_interview
📚Cracking the Data Science Interview: Unlock insider tips from industry experts to master the data science field (2024)
Эта книга предлагает экспертное руководство по прохождению собеседования с полной подготовкой и уверенностью в себе. Начиная с введения в современный ландшафт науки о данных, вы найдете советы по поиску работы, составлению резюме и созданию первоклассного портфолио. Затем вы перейдете к таким темам, как Python, базы данных SQL, Git и продуктивность работы с shell-сценариями и Bash. Опираясь на этот фундамент, вы погрузитесь в основы статистики, заложив фундамент для концепций предварительного моделирования, машинного обучения, глубокого обучения и генеративного ИИ. В конце книги вы узнаете, как лучше всего подготовиться к интенсивному собеседованию в области науки о данных.
Книга
+4
🌟 Визуализация основных понятий Machine Learning
Здесь очень наглядно объясняются разные концепции ML — алгоритм классификации, матрица рассеяния, дерево решений и т.д.
▶️ Визуализация
🟡 А вот и 2 часть
@machinelearning_interview
😑 Пользоваться нейронками
😎 Создавать нейронки
Только вот где этому научиться — разрабатывать модели и обучать ИИ? Обсуждаем в новом выпуске подкаста команды Tinkoff AI «Желтый Club Talks»
вместе с Варварой Смирновой, руководителем Тинькофф Образования, и Александром Дьяконовым, академическим руководителем направления искусственного интеллекта Центрального университета.
🔗 Кстати, в одном из выпусков инженеры обсуждали международные конференции для тех, кто делает ИИ. Анонсы шоу ребята публикуют в своем телеграм-канале Желтый AI. Также там они рассказывают про исследования, тренды индустрии, постят кастомные мемы и инсайды из поездок на топовые мероприятия.
Подписывайтесь, чтобы не потерять!
erid:2VtzqwzyLgV
Реклама. АО "Тинькофф Банк", ИНН 7710140679, лицензия ЦБ РФ № 2673
+4
⚡️ Топ 100 вопросов по Data Science и ML с собеседований
Вот некоторые из этих вопросов:
— в чём суть метода случайного леса?
— расскажи про преобразование Бокса-Кокса
— что такое обучение с подкреплением?
— что показывает ROC-кривая?
▶️ Вопросы и ответы
@machinelearning_interview
Стартовал набор в Академию Аналитиков Авито.
Это бесплатный образовательный онлайн-курс с практикой в реальном бигтехе.
Традиционно в Академии два направления: аналитик данных и DS-инженер.
Выбери, что ближе тебе, познакомься с требованиями к поступлению, программой и преподавателями на странице Академии. И спеши подать заявку!
⭐️ Сравниваем DBSCAN и OPTICS
Поговорим сегодня о 2 популярных алгоритмах кластеризации — DBSCAN и OPTICS, посмотрим их особенности и сравним
Поехали!
https://habr.com/ru/articles/818889/
@machinelearning_ru
+4
⚡️ Простое объяснение сложных концепций AI и ML на пальцах
Держите подборку полезных анимаций от Tom Yeh
Профессор очень просто объясняет такие понятия как MoE, умножение матриц, работу MLP в PyTorch, прямое/обратное распространение, работу GAN, устройство векторной БД и много всего ещё
▶️ Анимации с объяснением
@machinelearning_interview
🔥 На Хабре выбрали победителей конкурса «Технотекст» в номинации ML
Ими стали:
— Виктор Юрченко из Яндекса со статьей о том, как нейросети помогают беспилотным автомобилям планировать своё движение
— Игорь Котенков из Open Data Science с научно-популярной статьей-разбором работы ChatGPT
— Мурат Апишев со статьей о методах позиционного кодирования в Transformer
@machinelearning_interview
+4
🌟 Интерпретируемое машинное обучение — открытая книга от Christoph Molnar
Здесь можно найти ответы на многие вопросы по ML.
Вот некоторые из разделов:
— интерпретация нейросети
— дерево решений
— регрессия: линейная/логистическая
Большой упор сделан на подробное объяснение, поэтому детально разбираются такие кейсы:
— анализ комментариев на предмет спама
— построение модели регрессии по данным аренды велосипедов
— классификация причин возникновения рака
📎 Книга
@machinelearning_interview
