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

شبکه:Machinelearning روسيا1 297 فناوری و برنامه‌ها327...

📈 تحلیل کانال تلگرام Machinelearning

کانال Machinelearning (@ai_machinelearning_big_data) در بخش زبانی روسی بازیگری فعال است. در حال حاضر جامعه شامل 291 898 مشترک است و جایگاه 327 را در دسته فناوری و برنامه‌ها و رتبه 1 297 را در منطقه روسيا دارد.

📊 شاخص‌های مخاطب و پویایی

از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 291 898 مشترک جذب کرده است.

بر اساس آخرین داده‌ها در تاریخ 11 ژوئیه, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -6 089 و در ۲۴ ساعت گذشته برابر -172 بوده و همچنان دسترسی گسترده‌ای حفظ شده است.

وضعیت تأیید: تأیید نشده
نرخ تعامل (ER): میانگین تعامل مخاطب 7.14% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 5.61% واکنش نسبت به کل مشترکان کسب می‌کند.
دسترسی پست‌ها: هر پست به طور میانگین 20 847 بازدید دریافت می‌کند. در اولین روز معمولاً 16 386 بازدید جمع‌آوری می‌شود.
واکنش‌ها و تعامل: مخاطبان به‌طور فعال حمایت می‌کنند؛ میانگین واکنش به هر پست 153 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 12 ژوئیه, 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.

291 898

مشترکین

-17224 ساعت

-1 2407 روز

-6 08930 روز

20 847

نمایش های پست

~ 16 38624 ساعت

~ 17 96148 ساعت

7.14%

نرخ مشارکت

~ 6

پست های در روز

Ads index

beta

آرشیو پست ها

291 896

Интересное в мире DS/ML (в этот раз негусто): - Andrew Ng открыл новый курс на Курсере про Deep Learning - ссылка выше (было) - Facebook полностью перешел на нейросети для перевода - https://goo.gl/VhjA9H - Pytorch v0.2 - https://goo.gl/99QpB3 - может кому-то актуально - Люди из Salesforce тренируют LTSM сети для перевода с одного языка на другой, берут получившийся декодер (часть сети) и используют его чтобы скормить его выход другим нейросетям, которые делают более простые вещи - https://goo.gl/6Kt77o #data_science

291 896

https://habrahabr.ru/company/goto/blog/333746/

291 896

https://www.youtube.com/watch?v=i0K2JrQt8u4

291 896

https://www.youtube.com/watch?v=A_eTZ8TAHeY

291 896

Focal Loss for Dense Object Detection Tsung-Yi Lin, Priya Goyal, Ross Girshick, Kaiming He, Piotr Dollár The highest accuracy object detectors to date are based on a two-stage approach popularized by R-CNN, where a classifier is applied to a sparse set of candidate object locations. In contrast, one-stage detectors that are applied over a regular, dense sampling of possible object locations have the potential to be faster and simpler, but have trailed the accuracy of two-stage detectors thus far. In this paper, we investigate why this is the case. We discover that the extreme foreground-background class imbalance encountered during training of dense detectors is the central cause. We propose to address this class imbalance by reshaping the standard cross entropy loss such that it down-weights the loss assigned to well-classified examples. Our novel Focal Loss focuses training on a sparse set of hard examples and prevents the vast number of easy negatives from overwhelming the detector during training. To evaluate the effectiveness of our loss, we design and train a simple dense detector we call RetinaNet. Our results show that when trained with the focal loss, RetinaNet is able to match the speed of previous one-stage detectors while surpassing the accuracy of all existing state-of-the-art two-stage detectors. https://arxiv.org/abs/1708.02002 #deeplearning #paper

291 896

http://algorythm.tech/

291 896

В ИТМО через 10 дней пройдет летняя школа машинного обучения ЦРТ. Учеба бесплатная, организаторы оплачивают билеты и проживание 20 участникам. http://algorythm.tech/

291 896

#machinelearning in python for trading http://upflow.co/l/6E7H

291 896

https://www.youtube.com/watch?v=KYvOIYV_ztE

291 896

https://www.youtube.com/watch?v=V8wNo8nZwkw

291 896

https://habrahabr.ru/post/335026/

291 896

https://www.youtube.com/watch?v=8DiqJj5tPlA

291 896

https://www.youtube.com/watch?v=qJ1rdVEcl5g