Data Secrets
Ir al canal en Telegram
Главный по машинному обучению Сотрудничество: @veron_28 РКН: clck.ru/3FY3GN
Mostrar más
Red:📈 Análisis del canal de Telegram Data Secrets
El canal Data Secrets (@data_secrets) en el segmento lingüístico de Ruso es un actor destacado. Actualmente la comunidad reúne a 91 189 suscriptores, ocupando la posición 1 371 en la categoría Tecnologías y Aplicaciones y el puesto 6 149 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 91 189 suscriptores.
Según los últimos datos del 11 julio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de 785, y en las últimas 24 horas de 0, conservando un alto alcance.
- Estado de verificación: Verificado (confirmado oficialmente por Telegram)
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 25.32%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 18.38% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 23 080 visualizaciones. En el primer día suele acumular 16 755 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 269.
- Intereses temáticos: El contenido se centra en temas clave como claude, openai, контекст, стартап, llm.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“Главный по машинному обучению
Сотрудничество: @veron_28
РКН: clck.ru/3FY3GN”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 12 julio, 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.
91 189
Suscriptores
Sin datos24 horas
+2017 días
+78530 días
Archivo de publicaciones
91 184
Как и прогнозировал админ: OpenAI добавили поиск в ChatGPT
Фича уже доступна всем платным пользователям. Обещают, что постепенно ее раскатят на всех. Работать будет, как Perplexity: ответы – умная агрегация материалов из интернета со ссылками на источники.
Серьезный вызов Google и другим конкурентам
91 184
Repost from Data Secrets | Карьера
+5
Оффер или жизнь? 🧛♂️
Хэллоуин… В этот день ведьмы собираются на ежегодный шабаш, нежить вылезает из болот, а админы составляют для вас подборку культовых ужастиков на вечер. Приятного просмотра.
@data_secrets_career
91 184
Nvidia обучили фундаментальную модель HOVER для управления телом роботов – в ней всего 1.5M параметров
Модель была обучена на базе NVIDIA Isaac. Это среда симуляции на базе GPU, которая ускоряет физику в 10 тысяч раз относительно реального времени. То есть, пока в симуляции робот учится на годе движений, в "нашем мире" это занимает примерно 50 минут. Самое интересное, что для того чтобы перевести робота в реальное время не нужен даже файнтюнинг.
Нужно, однако, понимать, что HOVER – это не автономная система внутри робота, а именно система управления, которая на вход принимает какой-то вид "промпта" (движения джойстика, позы, экзоскелет), и переводит это в полноценные движения гуманоида. За счет этого HOVER становится еще и очень удобной системой для сбора данных.
Под капотом, по сути, алгоритм дистилляции, который действия тренера сжимает в понятные роботу маски (есть отдельные маски для низа тела и верха). Таким образом, любой ввод действий мы переводим в единое пространство политики, и за счет этого избавляемся от проблемы непереносимости управления между различными режимами.
Статья здесь
91 184
Стать сотрудником Яндекса быстрее и проще, чем кажется. Участвуйте в днях быстрого найма: решите тестовое, пройдите несколько секций собеседования и получите офер за несколько дней.
Ближайшее мероприятие:
• 9-11 ноября — для продуктовых и аналитиков данных, офер за 3 дня в команды Финтеха и Яндекс Практикума.
Зарегистрироваться
91 184
OpenAI совсем скоро раскатит SearchGPT
Об этом сообщил один из твиттерских ИИ-инсайдеров, который часто прокидывает какую-то информацию о ведущих стартапах или лабораториях – Jimmy Apples. Он написал, что OpenAI и вовсе планировали релизиться на прошлой неделе, но не захотели соревноваться за внимание с обновлениями от Anthropic.
Стартап любит релизы в четверг вечером, так что ждем подарка на Хэллоуин 👻
91 184
+5
Что надеть на Хэллоуин, чтобы быть страшнее всех?
Подобрали для вас костюмы, по сравнению с которыми Пеннивайз и Фредди Крюгер покурят в сторонке.
С праздником 🎃
91 184
Boston Dynamics показали новое видео своего робота Atlas
На демо он перемещает крышки двигателей из одних контейнеров в другие. Стартап подчеркивает, что гумоноид делает все автономно, без радиоуправления или других читов (это, видимо, камень в огород Маска, который постоянно хитрит со своим оптимусом 😀)
Демо поражает: робот стабильно ходит, почти ничего не путает и выполняет разумные действия. Если это не черрипикинг, а демонстрация реальных возможностей, то перед нами самый продвинутый на данный момент робот в мире.
91 184
В Лондоне прошел OpenAI DevDay
Больше всего внимания уделили Realtime API: показывали, как o1 в реальном времени пишет приложение для интерактивной демонтрации солнечной системы, заказывает пироги и работает гидом по городу. Демо, в общем-то, OpenAI всегда показывать умели, но в этот раз оно особенно удалось. Шоу еще раз доказывает, что ИИ-агенты станут революционным будущим, если компании найдут способ снизить косты на инференс.
В остальном, ничего шокирующего или нового: по поводу o1 говорили, что раскатят скоро. Объясняли пользу файнтюнинга и дистилляции своих моделей, напоминали, что у них есть json структурирование и сервис для эвала.
91 184
Как обучить и интегрировать ML-модель — расскажут спикеры конференции I’ML
— MLOps-конференция от JUG Ru Group — организаторов Joker, JPoint, Heisenbug, HolyJS и других крупных конференций.
— 8 ноября онлайн
— 10 докладов и онлайн-дискуссии
Как измерить полезность модели? Какую развернуть инфраструктуру? Нужно ли строить свою ML-платформу? Найдем ответы на эти вопросы вместе.
Сравним стеки AMD и Nvidia, поговорим о RecSys и мультимодальности, процессах и политиках ML-разработки. Также будут доклады про обеспечение качества и безопасности моделей.
Выступления будут транслироваться в 4K, записи останутся участникам навсегда, а после докладов вы сможете задать вопросы спикерам.
Полная программа — на сайте конференции.
Билет на I’ML 2024 Autumn можно купить за счет компании — читайте в статье на VC, почему это выгодно не только вам, но и вашему работодателю.
При покупке билета за свой счет («Для частных лиц») используйте промокод для скидки 15% —
DATASECRETS
Реклама. ООО «Джуг Ру Груп». ИНН 780134144691 184
+2
Что-то интересное: ученые из M-A-P и ByteDance слепили AutoKaggle – мультиагентный фреймворк для автономного решения DS/ML соревнований
Библиотека работает по итеративной схеме. На каждом этапе агенты выполняют определенные привычные нам шаги: в начале очищают и обрабатывают данные, а потом экспериментируют с моделями, отлаживают код, тестируют и тд.
Под капотом агенты в ролях Reader, Planner, Developer, Reviewer и Summarizer, которые взаимодействуют по определенной схеме (см., например, псевдокод). На практике это работает, как горячая картошка – агенты перекидывают задачи друг другу, и каждый из них внутри себя имеет собственный алгоритм того, что с задачей нужно сделать и кому отдать дальше.
В качестве базовой модели пробовали gpt-4o и o1-mini. Оказалось, что перформят они плюс-минус одинакого. Вообще, результаты получились неплохие: на восьми валидационных хакатонах в среднем фреймворк выбил скор 0,85.
Код | Статья
91 184
Reuters: OpenAI создает свой первый чип
Но амбиции пришлось подурезать: раньше Альтман хотел полностью автономное производство, но сейчас стартап работают с TSMC. Да и в целом компания уходит от планов перейти полностью на собственные чипы просто к стратегии максимальной диверсификации: например, OpenAI также начинает закупать карты AMD.
91 184
Как оценить стоимость облачных решений?
Как перенести свои процессы обучения моделей в облачную среду?
🔹Расскажем на открытом уроке «Облачная инфраструктура для ML инженера на базе Yandex Cloud» на открытом уроке в Otus.
Рассмотрим базовые компоненты облачной инфраструктуры, которые часто используются в машинном обучении - хранилища данных, виртуальные машины и базы данных.
✅ Практика: Создадим все необходимые компоненты в облаке Yandex Cloud, подключимся к ним, запустим конвейер машинного обучения и сохраним обученную модель в облачном S3 хранилище.
Урок приурочен курсу «MLOps» от Otus.
👉 Регистрация и подробности:
https://otus.pw/iiaS/?erid=LjN8KYg2b
#реклама
О рекламодателе
91 184
Более 25% кода, который сейчас пишут в Google, создается ИИ
Об этом рассказал Сундар Пичаи. Политика такова, что инженерам разрешают и даже рекомендуют активно использовать ИИ для генерации нового кода (но, конечно, сгенерированный код затем внимательно проверяется).
Кроме того, CEO поделился занятными цифрами: бизнес Google Cloud увеличился на 35%, и аналитики считают, что в основном это заслуга ИИ, который помогает заключить крупные b2b сделки.
91 184
⚡️ Вышла Stable Diffusion 3.5 Medium
В модельке 2.5В параметров, так что, как создатели написали в релизе, запустить ее можно даже «на тостере». Для малышки потребуется всего 10 Гб видеопамяти, а на метриках это SOTA в своем размере.
Самое приятное: модель открыта как для личного, так и для коммерческого использования.
Веса | Блог
91 184
Вот так коллаб: NVIDIA совместно с xAI построили Colossus – самый большой в мире суперкомпьютер
Colossus был создан всего за 122 дня и работает на базе сетевой платформы NVIDIA Spectrum-X Ethernet, которая была разработана специально для обучения ИИ. Ее соль в повышенной пропускной способности: 95% с нулевой задержкой.
В Colossus (приготовьтесь) 100 000 видеокарт NVIDIA H100. И, судя по твитам Маска, туда собираются добавить еще столько же H200. Кластер будет использоваться для обучения моделей Grok.
91 184
Как доставить модель в прод и при этом не сойти с ума
Для настоящего DL-инженера работа не заканчивается на экспериментах в Jupyter ноутбуках. Нет. Самое интересное происходит за их пределами. И базовые инженерные практики вроде кодстайла, тестов и структуры репозитория тут – это только цветочки.
Главная вещь, с которой нужно быть на ты – end2end доставка вашей модели до юзера. А это не так уж просто. Хорошо, что наши друзья из DeepSchool снова собрали всю информацию воедино и сделали открытую лекцию про путь модели после обучения.
На лекции вы узнаете:
➡️ когда стоит использовать Jupyter-ноутбуки, а когда нет
➡️ как подготовить репозиторий моделинга
➡️ как выбрать вариант конвертации модели
➡️ как обернуть инференс в http-приложение
➡️ как деплоят приложения и автоматизируют этот процесс
Получается супер ёмкая и интересная сессия, которую к тому же еще и вести будут опытные ML-лиды (в том числе основатель школы). А еще всем участникам ребята дарят скидки на новый курс, где вы научитесь создавать и деплоить полноценные DL сервисы.
Лекция пройдет в четверг 31 октября в 19:00. Скорее регистрируйтесь по ссылке!
91 184
Там в Твиттере случайно сгенерировали классическую реакцию на новость про шестидневку
