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 30 576 suscriptores, ocupando la posición 4 350 en la categoría Tecnologías y Aplicaciones y el puesto 20 930 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 30 576 suscriptores.
Según los últimos datos del 03 noviembre, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de 237, y en las últimas 24 horas de 0, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 10.94%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 6.82% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 3 346 visualizaciones. En el primer día suele acumular 2 086 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 19.
- 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 04 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.
30 576
Suscriptores
Sin datos24 horas
-87 días
+23730 días
Archivo de publicaciones
+1
🌟 Большой список 140+ ресурсов для погружения в ML и AI
Здесь собраны списки на гайды, туториалы, статьи Arxiv, эти ресурсы покрывают практически всю область ML, вот некоторые из рассматриваемых тем:
— Трансформеры
— Архитектура популярных моделей: GPT-3, LLaMA, Mamba и т.д.
— Обучение с подкреплением
— Масштабирование AI
— Использование бенчмарков
— Работа трансформеров с контекстом
▶️ GitHub
@machinelearning_interview
+4
📌Основные понятия Machine Learning
Держите полезный материал, поможет вспомнить/закрепить важные темы.
Здесь рассматривается множество центральных понятий ML, в том числе:
• Модели машинного обучения
• Свёрточные ИНС
• Обзор основных архитектур ИНС
• Предобработка данных: аугментация данных, отбор, извлечение признаков
• Процесс обучения, оценка качества
▶️ Сайт
📎 PDF
@machinelearning_interview
⭐️ Data Science разбор реальной задачи с собеседования. Прогнозирование оттока клиентов.
▪Смотреть
▪Данные
▪Ноутбук
@machinelearning_interview
📌Как можно применить AI? Неочевидные примеры
AI меняет мир на наших глазах, и у генеративных нейросетей и смежных технологий есть много довольно важных точек приложения.
Держите полезное видео, здесь в ходе круглого стола спикеры обсуждают разнообразные случаи – например, такие:
— рентгенология и медицина в целом;
— кредитный скоринг;
— распознавание животных;
— распознавание ошибок в документах;
— распознавание эмоционального состояния.
📎 YouTube
@machinelearning_interview
⚡️ Список тестовых заданий для прокачки
Тестовые задания для самостоятельного выполнения от разных it компаний.
• GIthub
@machinelearning_interview
Хотите учиться у экспертов в области IT? Школа анализа данных Яндекса принимает заявки до 12 мая, успейте зарегистрироваться.
ШАД для вас, если вы:
· интересуетесь Machine Learning
· имеете хорошую математическую подготовку
· уверенно владеете каким-либо языком программирования
Программа длится два года, обучение бесплатное. Можно выбрать одно из направлений: Data
Science, инфраструктура больших данных, разработка машинного обучения или анализ
данных и ИИ в прикладных науках.
Больше об учёбе в ШАД и возможностях для выпускников расскажем на днях открытых
дверей. Узнать даты и зарегистрироваться можно по ссылке.
500+ список проектов AI с кодами
500 крутых проектов AI, Машинное обучение,Глубокое обучение Компьютерное зрение, NLP, Data Science.
Все проекты с кодом !!!
Полезный ресурс, если вы ищете вдохновение для своего следующего проекта, опирающегося на машину.
🖥 Github
@machinelearning_interview
GitVerse – теперь и для малого и среднего бизнеса
На онлайн-презентации «GitVerse: открой вселенную кода» СберТех рассказал про новые фичи платформы. Cреди них – CI/CD-инструменты, ускоряющие разработку, и новые функции GigaCode – персонального AI-ассистента разработчика (AI, artificial intelligence — искусственный интеллект).
Но это еще не все: теперь возможности GitVerse доступны не только индивидуальным разработчикам, но и малому и среднему бизнесу. Это очень удобно: можно организовывать совместную работу команды с GitVerse и управлять доступами к своим репозиториям.
Готовы попробовать? Присоединяйтесь.
+2
📌Как решить задачу классификации в PySpark
PySpark позволяет работать не только с Big data, но и создавать модели Machine Learning.
Давайте рассмотрим, как обучить модель Machine Learning для решения задачи классификации.
Обсудим подготовку данных, применение логистической регрессии, а также использование метрик в PySpark.
🔜 Поехали
@machinelearning_interview
17 мая собираем всех на IT-конференцию МТС True Tech Day.
Наша работа строится на коде, который мы создали из синтеза науки и технологий. Это надёжная и универсальная платформа для разработки продуктов и сервисов.
Каждый участник конференции поучаствует в сессиях от лидеров индустрии, испытает технологии в true labs и получит новые впечатления и эмоции.
Что будет:
→ 5 тематических треков: Main, Development, AI/ML, Cloud, Science
→ 50 спикеров с докладами про архитектуру, облачные платформы, NLP4Code, вероятностное программирование, безопасность контейнеров и другое
→ 10 часов нетворкинга
→ цифровые зоны и digital-интеграции
→ а ещё вечеринка со звездой
Все спикеры и темы уже на сайте. Регистрируйся на True Tech Day. Участие бесплатное
⭐️ Материалы для подготовки к интервью по направлению data science:
- тестовые задания
- задачи по математике, теории вероятностей и - линейной алгебре
- задачи на логику
- примеры live coding с собеседований на Python
- разбор задач собеседований и их аналогов на LeetCode
Для тех, кто готовится к собесу в области data science, этот всеобъемлющий набор материалов, чтобы помочь вам успешно пройти интервью.
• Разбор алгоритмических задач
• Разбор leetcode задач с собеседований
• Примеры заданий по live coding c решениями с собеседований
• В этой папке вы найдете серию Jupyter Notebook, охватывающих широкий спектр задач, в области математики.
• Задачи по статистике
• Тестовые задания ds
@machinelearning_interview
+1
📌Вопросы для собеседования на позицию ML-инженера
Неплохой список вопросов, вот некоторые из них:
🟡Расскажи о типах задач в машинном обучении.
🟡Остатки регрессии должны быть гомоскедастичными или гетероскедастичными?
🟡Что такое регуляризация модели линейной регрессии?
Также тут встречаются вопросы по SQL, потому что 100% ML-инженеру, работающему с большим объёмом данных, это понадобится
📎 Вопросы и ответы
@machinelearning_interview
+3
💡 YandexART обновился до версии 1.3
В статье на Хабре старший разработчик в команде компьютерного зрения рассказывает о переходе на новую технологию латентной диффузии и увеличении датасета в 2,5 раза, а также объясняет, зачем в новой версии используются два текстовых энкодера. Интересно, что по результатам SBS-замеров асессорами Яндекса, нейросеть YandexART 1.3 выигрывает не только у модели-предшественницы, но и в 57 процентах случаев в сравнении с Midjourney V5.2.
📎 Статья
@machinelearning_interview
📈 Одна из важных тем при подготовке к собеседованию, на которой стоит сосредоточиться это статистика.
В конечном итоге, дата-сайентист - это современный статистик, а машинное обучение - это современный термин для статистики.
Если у вас есть время, я рекомендую пройти курс "Математическая статистика" от Computer Science Center и "Статистические методы" от Джорджии Тек, который охватывает основы вероятности, случайные величины,ы распределение вероятностей, тестирование гипотез и многое другое.
▪Статистика Вопросы для собеседования
▪ Top 75 Statistics Interview Questions
▪Шпаргалка дата-сайентистов описательная статитска
▪Машинное обучение для решения прикладных задач
▪Основы статистики конспект лекций
▪Разбор ОТВЕТОВ на вопросы (Python, SQL, ТЕРВЕР, статистика)
▪Statistics Interview Questions & Answers for Data Scientists
▪40 вопросов по статистике с собеседований на должность Data Scientist
@machinelearning_interview
Приглашаем выпускников и студентов старших курсов программ бакалавриата по математике и IT испытать себя сложными математическими задачами машинного обучения в рамках олимпиады «Математика машинного обучения».
Победители олимпиады получат призы и могут быть зачислены на совместную магистратуру Сколтеха и НИУ ВШЭ «Математика машинного обучения» (победа в олимпиаде приравнивается к успешному прохождению конкурсного отбора).
Регистрация открыта до 5 мая, успейте подать заявку и загрузить все документы
🎲 Теория вероятностей пронизывает все сферы науки о данных.
Вероятностные модели и используются практически во всех алгоритмах машинного обучения.
Функции штрафа в задачах регрессии или ошибок классификации основаны на понятии математического ожидания, закона больших чисел, а центральная предельная теорема служит основанием для доказательства сходимости и состоятельности многих алгоритмов и методов анализа данных.
Полезные материалы для подготовки к вопросам по терверу:
▪ Теория вероятностей (на основе программы для поступления в ШАД)
▪Самые популярные ЗАДАЧИ на ТЕРВЕР на собеседовании АНАЛИТИКА
▪ R для теории вероятностей и математической статистики"
▪Книга: Математика в машинном обучении
▪Статистика для экспериментов от Harvard University
▪Учебное пособие Математическая статистика
▪Наука о данных 19 вопросов с Интервью по терверу
@machinelearning_interview
📌Вкатываемся в Machine Learning с нуля за ноль рублей: что, где, в какой последовательности изучить
Нереально полезная статья с огромным количеством полезных ссылок, ресурсов и всего остального
⏩План статьи
Предварительные знания
├╼ 1.1. Математика: линал, матанализ, матстатистика
╰╼ 1.2. Python, C++, SQL, другие ЯП; алгоритмы и структуры данных
Классическое машинное обучение
Глубокое машинное обучение
├╼ 3.1. Основные материалы
├╼ 3.2. Дополнительные материалы
╰╼ 3.3. Если все же хочется пройти платный курс по Deep Learning...
Инструменты для конкретной роли (вакансии)
Поиск работы
├╼ 5.1. CV / резюме
├╼ 5.2. Где искать вакансии
╰╼ 5.3. Как готовиться к собеседованию
📎 Статья
@machinelearning_interview
Покори цифровой мир и забери крутые призы, но сначала — окажись на код впереди!
Залетай на «Цифровой марафон» от Сбера и «Школы 21» — бесплатный конкурс, который подойдёт новичкам, исследователям и опытным профи. Для разных уровней подготовки будут свои задания и награды: от мерча и гаджетов до поездок на премиум-курорты и миллиона рублей! Участвовать могут все, кому уже исполнилось 18 лет.
В программе: онлайн-игра, тестирование, цифровой диктант и финал в Москве с церемонией награждения победителей. Проверь логику, память и мягкие навыки в онлайн-игре. Выбери свой уровень перед онлайн-тестированием — «Новичок», «Исследователь» или «Эксперт» — и зарабатывай очки на ответах. На цифровом диктанте напиши код решения на языке программирования, который знаешь лучше всего. Далее «Новички» заканчивают марафон и получают призы, а лучшие участники среди «Исследователей» и «Экспертов» попадают в финал.
Успей на проверку своих цифровых навыков — регистрация заканчивается уже 20 апреля. Присоединяйся!
+4📌Подготовка к собеседованию по ML: ответы на основные вопросы
Неплохая шпаргалка с ответами на популярные вопросы с собеседований по Machine Learning.
Вот некоторые из вопросов, которые тут затрагиваются:
⏩Какие популярные модели ML ты знаешь?
⏩Какие метрики используются в ML для оценки производительности моделей?
⏩Как строится ROC-AUC? В чем суть ROC-AUC?
⏩Расскажи о разделении данных train/test split , а также об использовании кросс-валидации
📎 Ответы на вопросы
@machinelearning_interview
24 апреля приглашаем в кампус Сколтеха, чтобы обсудить актуальные направления исследований в области интеллектуальной, промышленной, коллаборативной и мобильной робототехники, а также компьютерного моделирования и виртуального прототипирования, VR и хаптики и искусственного интеллекта в робототехнике.
Во время мероприятия разберем программы магистратуры, которые готовят будущих специалистов в робототехнике: Инженерные системы, Науки о данных, Передовые производственные технологии.
По традиции покажем кампус, проведём в лаборатории, познакомим с профессорами и ответим на все вопросы о Сколтехе.
Регистрируйтесь
