Machinelearning
رفتن به کانال در Telegram
Погружаемся в машинное обучение и Data Science Показываем как запускать любые LLm на пальцах. По всем вопросам - @haarrp @itchannels_telegram -🔥best channels Реестр РКН: clck.ru/3Fmqri
نمایش بیشتر
📈 تحلیل کانال تلگرام Machinelearning
کانال Machinelearning (@ai_machinelearning_big_data) در بخش زبانی روسی بازیگری فعال است. در حال حاضر جامعه شامل 275 988 مشترک است و جایگاه 336 را در دسته فناوری و برنامه‌ها و رتبه 1 377 را در منطقه روسيا دارد.
📊 شاخص‌های مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 275 988 مشترک جذب کرده است.
بر اساس آخرین داده‌ها در تاریخ 07 نوامبر, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -2 499 و در ۲۴ ساعت گذشته برابر -157 بوده و همچنان دسترسی گسترده‌ای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 8.01% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 6.41% واکنش نسبت به کل مشترکان کسب می‌کند.
- دسترسی پست‌ها: هر پست به طور میانگین 22 107 بازدید دریافت می‌کند. در اولین روز معمولاً 17 690 بازدید جمع‌آوری می‌شود.
- واکنش‌ها و تعامل: مخاطبان به‌طور فعال حمایت می‌کنند؛ میانگین واکنش به هر پست 342 است.
- علایق موضوعی: محتوا بر موضوعات کلیدی مانند openai, claude, api, gemini, контекст تمرکز دارد.
📝 توضیح و سیاست محتوایی
نویسنده این فضا را محل بیان دیدگاه‌های شخصی توصیف می‌کند:
“Погружаемся в машинное обучение и Data Science
Показываем как запускать любые LLm на пальцах.
По всем вопросам - @haarrp
@itchannels_telegram -🔥best channels
Реестр РКН: clck.ru/3Fmqri”
به لطف به‌روزرسانی‌های پرتکرار (آخرین داده در تاریخ 08 نوامبر, 2026)، کانال همواره به‌روز و دارای دسترسی بالاست. تحلیل‌ها نشان می‌دهد مخاطبان به‌طور فعال با محتوا تعامل دارند و آن را به نقطه اثرگذاری مهم در دسته فناوری و برنامه‌ها تبدیل کرده‌اند.
275 988
مشترکین
-15724 ساعت
-8727 روز
-2 49930 روز
آرشیو پست ها
275 960
🐍 PyTorch Fundamentals Free Microsoft Course
https://docs.microsoft.com/en-us/learn/paths/pytorch-fundamentals/
Ru: https://docs.microsoft.com/ru-ru/learn/paths/pytorch-fundamentals/
Github: https://github.com/pytorch/tutorials
@ai_machinelearning_big_data
275 960
📖 GFP-GAN: Towards Real-World Blind Face Restoration with Generative Facial Prior
Github: https://github.com/TencentARC/GFPGAN
Paper: https://arxiv.org/abs/2101.04061v2
Dataset: https://paperswithcode.com/dataset/lfw
Colab Demo: https://colab.research.google.com/drive/1sVsoBd9AjckIXThgtZhGrHRfFI6UUYOo
@ai_machinelearning_big_data
275 960
👨🎓 From economists to data scientists or how to become the leader of the Kaggle Notebooks rating
Habr: https://habr.com/ru/company/ru_mts/blog/567678/
Exploration of data step by step: https://www.kaggle.com/artgor/exploration-of-data-step-by-step
@ai_machinelearning_big_data
275 960
⚛ Highly accurate protein structure prediction with AlphaFold
https://deepmind.com/blog/article/putting-the-power-of-alphafold-into-the-worlds-hands
Github: https://github.com/deepmind/alphafold
Paper: https://doi.org/10.1038/s41586-021-03819-2
@ai_machinelearning_big_data275 960
В Академии больших данных MADE открыт набор на бесплатное обучение в области Data Science. Программа рассчитана на ИТ-специалистов с опытом 1-3 года работы, знаниями высшей математики, умением применять базовый алгоритмы, а также умением программировать на Python, С++ или Java.
Студенты могут выбрать одну из трех специальностей: Data Scientist, Machine Learning Engineer и Data Engineer. Все полученные теоретические знания закрепляются практикой, а в финале обучения – подготовка и защита выпускного проекта.
Прием заявок продлится до 31 июля включительно. Далее – вступительные испытания. Обучение полностью бесплатное.
Успейте подать заявку до дедлайна на сайте программы: https://vk.cc/c3XorM
275 960
📐 Googl's Measuring and Improving Model-Moderator Collaboration using Uncertainty Estimation
Providing high-quality implementations of standard and state-of-the-art methods on standard tasks.
Github: https://github.com/google/uncertainty-baselines
Paper: https://arxiv.org/abs/2107.04212v1
Dataset: https://www.tensorflow.org/datasets
@ai_machinelearning_big_data
275 960
↔️ Independent Encoder for Deep Hierarchical Unsupervised Image-to-Image Translation
Github: https://github.com/Elvinky/IEGAN
Paper: https://arxiv.org/abs/2107.02494
Datasets: https://github.com/Elvinky/IEGAN/tree/main/dataset
Image-to-Image Translation: https://paperswithcode.com/task/image-to-image-translation
@ai_machinelearning_big_data
275 960
🌐 Depth-supervised NeRF: Fewer Views and Faster Training for Free
Github: https://github.com/dunbar12138/DSNeRF
Paper: https://arxiv.org/abs/2107.02791v1
Project: https://www.cs.cmu.edu/~dsnerf/
Datasets: https://paperswithcode.com/dataset/3dmatch
@ai_machinelearning_big_data
275 960
20-21 июля в OTUS пройдет открытый интенсив для тех, кто хочет работать с большими данными. После двухдневного обучения вы сможете выводить модель в продакшн с помошью AWS:
- Узнаете, как использовать lambda и нюансы работы с IoT данными
- Научитесь выводить модель в продакшн без сложных настроек системы
Кроме того, интенсив — это возможность попробовать онлайн-курс «Промышленный ML на больших данных».
https://otus.pw/dh44/
275 960
🔝 Learning Hierarchical Graph Neural Networks for Image Clustering
Github: https://github.com/dmlc/dgl/tree/master/examples/pytorch/hilander
Paper: https://arxiv.org/abs/2107.01319
Datasets: https://drive.google.com/file/d/1KLa3uu9ndaCc7YjnSVRLHpcJVMSz868v/view
@ai_machinelearning_big_data
275 960
🚀 TensorFlow and PyTorch performance benchmarking in 2021
Habr: https://habr.com/ru/company/ru_mts/blog/565456/
Github: https://github.com/Chifffa/tf_vs_torch_benchmarking
@ai_machinelearning_big_data
275 960
🔎 Microsoft AutoML - Neural Architecture Search
New one-shot architecture search framework dedicated to vision transformer search
Github: https://github.com/microsoft/AutoML
Paper: https://arxiv.org/abs/2107.00651v1
Models: https://drive.google.com/drive/folders/1NLGAbBF9bA1IUAxKlk2VjgRXhr6RHvRW
Dataset: https://paperswithcode.com/dataset/cifar-10
@ai_machinelearning_big_data
275 960
🔺 Pyramid Vision Transformer
Image classification, object detection, and semantic segmentation tasks
Github: https://github.com/whai362/PVT
Paper: https://arxiv.org/abs/2106.13797v2
@ai_machinelearning_big_data
275 960
Cartoon-StyleGan2 🙃 : Fine-tuning StyleGAN2 for Cartoon Face Generation
Github: https://github.com/happy-jihye/Cartoon-StyleGan2
Paper: https://arxiv.org/abs/2106.12445
Colab: https://colab.research.google.com/github/happy-jihye/Cartoon-StyleGan2/blob/main/Cartoon_StyleGAN2.ipynb
@ai_machinelearning_big_data
275 960
Cartoon-StyleGan2 🙃 : Fine-tuning StyleGAN2 for Cartoon Face Generation
Github: https://github.com/happy-jihye/Cartoon-StyleGan2
Paper: https://arxiv.org/abs/2106.12445
Colab: https://colab.research.google.com/github/happy-jihye/Cartoon-StyleGan2/blob/main/Cartoon_StyleGAN2.ipynb
@ai_machinelearning_big_data
275 960
📘 D2L.ai: Interactive Deep Learning Book with Multi-Framework Code, Math, and Discussions
Github: https://github.com/d2l-ai/d2l-en
Book: https://d2l.ai/
Paper: https://arxiv.org/abs/2106.11342v1
@ai_machinelearning_big_data
275 960
Бесконечность не предел, машина ИИ будет работать все быстрее и лучше. Чтобы обуздать ее силу, вспахать и засеять цифровые поля нужны люди — AI продакт-менеджеры. Спрос на профессионалов Big Data PM, AI&ML PM, DS PM, DL PM (альтернативные названия специальности) растет стремительными темпами.
Курс «AI Product Manager» — силовой агрегат продакта, решившегося овладеть мощью Al и вырасти до руководителя c-level executives. Никакой воды, только сконцентрированная теория, которую студенты оттачивают на практике. Опыт преподавателей-практиков и 4 кейса в портфолио на выходе.
Курс рассчитан на 10 часов в неделю — можно совмещать с основной работой и сразу применять полученные навыки. Преподаватели и менторы из ДомКлик, Mail.ru и Facebook помогут в трансформации вашей карьеры.
❗️Подробности и запись на курс по ссылке — https://clc.am/Qx8Z_Q
275 960
🔍 Advancing computer vision research with new Detectron2 Mask R-CNN baselines
Facebook Ai: https://ai.facebook.com/blog/advancing-computer-vision-research-with-new-detectron2-mask-r-cnn-baselines/
Code: https://github.com/facebookresearch/detectron2/blob/master/MODEL_ZOO.md#new-baselines-using-large-scale-jitter-and-longer-training-schedule
Tensorflow implementation: https://github.com/tensorflow/tpu/tree/master/models/official/detectiona
@ai_machinelearning_big_data
275 960
Знать высшую математику и уметь применять ее в Data Science — принципиально разные вещи.
Как выделять самое ценное в больших данных при помощи линейной алгебры? Как исследование функций многих переменных помогает находить оптимальные параметры модели? Как использовать теорему Байеса для бинарной классификации?
Все это и многое другое ты освоишь за 4 месяца на практике онлайн-курса «Math for Data Science» от OTUS. Тебя ждет максимально приближенная к реальным рабочим условиям среда и увлекательные разнообразные кейсы. В конце обучения ты соберешь портфолио решенных задач, которое усилит резюме и позволит грамотно работать с моделями машинного обучения.
Пройди вступительный тест и получи доступ к профессиональному Slack-сообществу с выпускниками и преподавателями 👉 https://otus.pw/jzIh/
275 960
⬇️ Pysentimiento: A Python toolkit for Sentiment Analysis and Social NLP tasks
Github: https://github.com/pysentimiento/pysentimiento
Paper: https://arxiv.org/abs/2106.09462
English model: https://huggingface.co/finiteautomata/bertweet-base-sentiment-analysis
@ai_machinelearning_big_data
