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:📈 تحلیل کانال تلگرام Machinelearning
کانال Machinelearning (@ai_machinelearning_big_data) در بخش زبانی روسی بازیگری فعال است. در حال حاضر جامعه شامل 277 112 مشترک است و جایگاه 334 را در دسته فناوری و برنامه‌ها و رتبه 1 381 را در منطقه روسيا دارد.
📊 شاخص‌های مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 277 112 مشترک جذب کرده است.
بر اساس آخرین داده‌ها در تاریخ 29 اکتبر, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -1 666 و در ۲۴ ساعت گذشته برابر -141 بوده و همچنان دسترسی گسترده‌ای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 8.35% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 6.19% واکنش نسبت به کل مشترکان کسب می‌کند.
- دسترسی پست‌ها: هر پست به طور میانگین 23 140 بازدید دریافت می‌کند. در اولین روز معمولاً 17 143 بازدید جمع‌آوری می‌شود.
- واکنش‌ها و تعامل: مخاطبان به‌طور فعال حمایت می‌کنند؛ میانگین واکنش به هر پست 361 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 30 اکتبر, 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.
277 112
مشترکین
-14124 ساعت
-5937 روز
-1 66630 روز
آرشیو پست ها
277 092
⚡️ MoE-LLaVA: Mixture of Experts for Large Vision-Language Models
Новая стратегия обучения MoE-tuning для LVLM, которая позволяет построить модель с огромным количеством параметров, которая эффективно решает проблему снижения производительности, обычно связанную с мультимодальным обучением и разреженностью модели.
Этот фреймворк уникальным образом активирует только топ-к экспертов через маршрутизаторы во время развертывания, оставляя остальных экспертов неактивными.
Обширные эксперименты подчеркивают возможности
MoE-LLaVA в визуальном понимании и ее потенциал для уменьшения галлюцинаций в результатах моделирования.
Примечательно, что при наличии всего 3 миллиардов редко активируемых параметров MoE-LLaVA демонстрирует производительность, сравнимую с LLaVA-1.5-7B на различных наборах данных для визуального понимания, и даже превосходит LLaVA-1.5-13B в тестах на галлюцинации объектов.
🖥 Code: https://github.com/PKU-YuanGroup/MoE-LLaVA
🚀 Jupyter: https://github.com/camenduru/MoE-LLaVA-jupyter
📚 Paper: https://arxiv.org/abs/2401.15947
@ai_machinelearning_big_data277 092
Скажите что-то на карьерном
Тинькофф в поиске крутых ИТ-спецов. С компании — профессиональный рост, интересные финтех-задачи, решение бытовых забот и работа там, где вы живете. С вас — выбрать вакансию и откликнуться тут
АО «Тинькофф Банк», ИНН 7710140679
277 092
📷 InstructIR: High-Quality Image Restoration Following Human Instructions
InstructIR принимает на вход изображение и инструкцию по его улучшению. Нейронная сеть выполняет комплексное восстановление и улучшение изображения.
InstructIR достигает передовых результатов в нескольких задачах реставрации, включая обесцвечивание, размытие и улучшение изображения (даже при слабом освещении).
🖥 Code: https://github.com/mv-lab/InstructIR
🚀 Project: mv-lab.github.io/InstructIR/
🎮 Colab: https://colab.research.google.com/drive/1OrTvS-i6uLM2Y8kIkq8ZZRwEQxQFchfq
📚 Paper: https://arxiv.org/abs/2401.16468
@ai_machinelearning_big_data
277 092
Отличная возможность для независимых разработчиков проявить себя и развить собственный проект — Программа грантов Yandex Open Source.
Для вас есть отдельный трек машинного обучения — можно подать заявку прямо сейчас и выиграть грант на Yandex Cloud на сумму 600 тысяч рублей.
Регистрируйте проект до 29 февраля по ссылке
277 092
⚡️ DiffSynth Studio
Diffutoon - это новая модель диффузии для преобразования видео в анимационный стиль. Модель работает с высоким разрешением и быстрыми движениями.
🖥 Code: https://github.com/Artiprocher/DiffSynth-Studio
🚀 Project: https://ecnu-cilab.github.io/DiffutoonProjectPage/
📚 Paper: https://arxiv.org/pdf/2401.16224.pdf
@ai_machinelearning_big_data
277 092
⭐️ GALA: Generating Animatable Layered Assets
from a Single Scan
Новый ИИ, который может раздевать 3D модели людей.
GALA может обработать однослойную сетку одетого 3D-человека и разложить ее на полноценные многослойные 3D-объекты.
Полученные результаты могут быть объединены с другими объектов для создания новых одетых человеческих аватаров с любой позой.
🖥 Code: https://github.com/snuvclab/GALA
🚀 Project: snuvclab.github.io/gala
📚 Paper: https://arxiv.org/abs/2401.12979
@ai_machinelearning_big_data
277 092
🎉 Release Code Llama 70B!
Выпуск Code Llama 70B: новая, более производительную версию LLM для генерации кода - доступную по той же лицензии, что и предыдущие модели Code Llama.
- CodeLlama-70B
- CodeLlama-70B-Python
- CodeLlama-70B-Instruct
CodeLlama-70B-Instruct достигает 67,8 балла в HumanEval, что делает ее одной из самых высокопроизводительных открытых моделей на сегодняшний день.
CodeLlama-70B - это самая производительная база для тонкой файнтюнинга моделей генерации кода.
Скачать модели ➡️ https://ai.meta.com/resources/models-and-libraries/llama-downloads/
277 092
📽 VideoCrafter2: Overcoming Data Limitations for High-Quality Video Diffusion Models 🔥 Text2Video 📹 Image2Video 🎥 Jupyter Notebook 🥳
VideoCrafter 2 - это обновленный набор инструментов с открытым исходным кодом для создания и редактирования видео высокого качества.
В настоящее время он включает модели Text2Video и Image2Video.
🖥 Code: https://github.com/AILab-CVC/VideoCrafter
🚀 Project: https://ailab-cvc.github.io/videocrafter2/
📚 Paper: https://arxiv.org/abs/2401.09047
🦉 Jupyter: https://github.com/camenduru/VideoCrafter-colab
@ai_machinelearning_big_data
277 092
⭐️ ComfyUI-3D-Pack
Модель, которая может генерировать и обрабатывать 3D-объекты с помощью передовых алгоритмов (
3DGS, NeRF, Differentiable Rendering, SDS/VSD Optimization, и тд).
▪ComfyUI-3D-Pack: https://github.com/MrForExample/ComfyUI-3D-Pack
▪TGS: https://github.com/VAST-AI-Research/TriplaneGaussian
@ai_machinelearning_big_data277 092
Repost from Техномотель
Обновленная нейромодель GigaChat PRO оказалась лучше по качеству ответов, чем GPT-3.5-turbo от OpenAI не только на русском, но и на английском языке.
Специалисты, которые проводили сравнение выяснили, что GigaChat PRO на 6% лучше конкурента справилась с вопросами в тесте MMLU — он включает в себя вопросы в 57 областях знаний из математики, истории, медицины и других.
Учитывая, что GPT от OpenAI не очень хорошо справляется с запросами на русском — среди нейронок на российском рынке появился явный фаворит.
277 092
🖥 Depth Anything is now available
Monocular depth estimation is the task of estimating the depth value (distance relative to the camera) of each pixel given a single (monocular) RGB image.
Монокулярная оценка глубины - это задача определения значения глубины (расстояния относительно камеры) каждого пикселя по одному (монокулярному) RGB-изображению.
Depth Anything - это новая интересная модель от Университета Гонконга/TikTok, которая берет существующую архитектуру нейронной сети для монокулярной оценки глубины (а именно модель DPT с основой DINOv2) и увеличивает набор данных для обучения на ней.
Авторы разработтали "движок данных" для сбора и автоматического аннотирования масштабных немаркированных данных (~62 миллиона изображений), что значительно расширяет охват данных и позволяет снизить ошибку обобщения.
🖥 Code: https://github.com/NielsRogge/Transformers-Tutorials/blob/master/Depth%20Anything/Predicting_depth_in_an_image_with_Depth_Anything.ipynb
🚀 HF: https://huggingface.co/docs/transformers/v4.28.0/tasks/monocular_depth_estimation
📚 Paper: https://huggingface.co/papers/2401.10891
@ai_machinelearning_big_data
277 092
С чего начать, если хотите стать бизнес-архитектором в IT?
С бесплатного практического урока от OTUS, где опытный эксперт разберет:
1️⃣ Что такое бизнес-архитектура
2️⃣ Как это работает в вертикально-интегрированных корпорациях и экосистемах
3️⃣ Популярные техники построения работающей бизнес-архитектуры
Вебинар будет полезен всем IT-спецам, которые хотят построить карьеру в управлении.
📢 Встречаемся 29 января в 19:00 мск в рамках курса «Enterprise Architect».После урока у вас будет возможность стать студентом курса по специальной цене и даже в рассрочку!
👉Зарегистрируйтесь прямо сейчас, чтобы посетить бесплатный урок и получить запись: регистрация
Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.
277 092
☑ Prompt Engineering with Llama 2— an interactive guide
Большой интерактивный гайд промпт-инжиниринг с Llama 2" - руководство по проектированию просптом с лучшими практиками для разработчиков, исследователей и энтузиастов, работающих с большими языковыми моделями.
https://github.com/facebookresearch/llama-recipes/blob/main/examples/Prompt_Engineering_with_Llama_2.ipynb
@ai_machinelearning_big_data
277 092
Новый год — старт для ваших новых карьерных возможностей 🎄
6 февраля приглашаем на Зимнюю ярмарку вакансий, которая пройдёт офлайн и онлайн. Это классная возможность стать частью IT-сообщества Яндекса и познакомиться с теми, кто создаёт сервисы с многомиллионной аудиторией.
Что вас ждёт
🔸 Вакансии для стажёров
Узнаете о новых вакансиях и задачах, а также сможете лично пообщаться с командами и подать заявку туда, где понравится больше всего.
🔸 Полезные лекции
Узнаете о технологиях и кейсах из практики от экспертов Яндекса. Лекции пройдут по основным направлениям стажировки: бэкенд, фронтенд, мобильная разработка, аналитика и машинное обучение.
🔸 Нетворкинг со стажёрами Яндекса
Узнаете, как они проходили отбор, как готовились и чем планируют заниматься дальше. Сейчас в Яндексе одновременно стажируются более 600 человек — им есть что рассказать.
Как попасть на Зимнюю ярмарку вакансий
Чтобы попасть на ярмарку, нужно пройти предварительный отбор — решить задачи на Яндекс Контесте до 31 января включительно. Мы проверим решения, оценим анкеты и позовём лучших на день стажёра в Москве. Приглашения придут до 2 февраля включительно.
🍭 Закрытое шоу
Тех, кто решит все задачи из Контеста, мы пригласим на вечернее закрытое шоу «Всё в плюсе». Это соревнование между различными бизнес-группами Яндекса, в которых примут участие и стажёры, и топовые разработчики. Знакомство с различными сервисами, нетворкинг с действующими стажёрами, вечеринка с кавер-группой и диджеем — это то, что ждёт вас на шоу.
Узнать подробности и подать заявку — https://yandex.ru/yaintern/intern-day
277 092
🔮 Awesome AI Agents
Новый 🌟Кураторский списко AI-агентов🌟!.
▪ 150+ ИИ-агентов и фреймворков.
▪ Фильтр по сценариям использования.
▪ Фильтр по открытому/закрытому исходному коду.
▪ Фильтр новых продуктов ИИ
▪ Возможность получать обновления о конкретном агенте ИИ.
🖥 Github
🎮 Project
@ai_machinelearning_big_data
277 092
+3☑ InstantID : Zero-shot Identity-Preserving Generation in Seconds
InstantID - новая модель, которая может генерировать индивидуальные изображения с различными позами или стилями на основе одного эталонного изображения без какого-либо обучения!
🖥 Code: https://github.com/InstantID/InstantID
🚀 Project: https://instantid.github.io/
📚 Paper: https://arxiv.org/abs/2401.07519
@ai_machinelearning_big_data
277 092
🖥 Intel® Extension for Transformers
Инновационный набор инструментов на основе трансформеров для ускорения GenAI/LLM.
pip install intel-extension-for-transformers
#intelai #intelgpu
🖥 Code: https://github.com/intel/intel-extension-for-transformers
🚀 Docs: https://intel.github.io/intel-extension-for-transformers/latest/docs/Welcome.html
🌟 Dataset: https://huggingface.co/datasets/Intel/orca_dpo_pairs
🚀Release notes: https://github.com/intel/intel-extension-for-transformers/releases/tag/v1.3.1
@ai_machinelearning_big_data277 092
🤳 Vlogger - система искусственного интеллекта для генерации коротких влогов из текста.
В отличие от коротких видеороликов длительностью в несколько секунд, влог часто содержит сложную сюжетную линию с разнообразными сценами, что является сложной задачей для большинства существующих подходов к созданию видео.
Vlogger может генерировать видео на несколько минут из текста по сценарию без потери связности.
🖥 Code: https://github.com/zhuangshaobin/vlogger
🚀 Colab: github.com/camenduru/Moore-AnimateAnyone-colab
📚 Paper: https://arxiv.org/abs/2401.09414v1
🌟 Dataset: https://paperswithcode.com/dataset/ucf101
@ai_machinelearning_big_data
277 092
+2🎮 RAP-SAM:Towards Real-Time All-Purpose Segment Anything
Модель для универсальной сегментации в реальном времени для распознавания и сегментации объектов на изображениях, видео и интерактивных материалах.
🖥 Code: https://github.com/xushilin1/rap-sam
📚 Paper: https://arxiv.org/abs/2401.10228v1
🌟 Dataset : https://paperswithcode.com/dataset/coco
@ai_machinelearning_big_data\
277 092
⚠️ Снижение размерности в ML – что это такое и как с этим работать?
Расскажет Мария Тихонова – Senior Data Scientist в «SberDevices» и преподаватель ВШЭ. Встречаемся на бесплатном практическом уроке «Метод главных компонент для снижения размерности» от OTUS.
• На занятии вы узнаете основные подходы к задаче снижения размерности в ML
• Изучите метод главных компонент для снижения размерности и научитесь применять алгоритм PCA на практике.
Встречаемся 22 января в 18:00 мск в рамках курса «Machine Learning. Professional».
Пройдите короткий тест прямо сейчас, чтобы посетить бесплатный урок и получить список вопросов и ответов для прохождения интервью
👉Регистрация
https://otus.pw/IFnP/?erid=LjN8K6S1b
Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.
