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 276 130 مشترک است و جایگاه 337 را در دسته فناوری و برنامه‌ها و رتبه 1 374 را در منطقه روسيا دارد.
📊 شاخص‌های مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 276 130 مشترک جذب کرده است.
بر اساس آخرین داده‌ها در تاریخ 06 نوامبر, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -2 370 و در ۲۴ ساعت گذشته برابر -145 بوده و همچنان دسترسی گسترده‌ای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 8.02% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 6.32% واکنش نسبت به کل مشترکان کسب می‌کند.
- دسترسی پست‌ها: هر پست به طور میانگین 22 160 بازدید دریافت می‌کند. در اولین روز معمولاً 17 447 بازدید جمع‌آوری می‌شود.
- واکنش‌ها و تعامل: مخاطبان به‌طور فعال حمایت می‌کنند؛ میانگین واکنش به هر پست 335 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 07 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.
276 130
مشترکین
-14524 ساعت
-8617 روز
-2 37030 روز
آرشیو پست ها
276 082
Federated Learning: Collaborative Machine Learning with a Tutorial on How to Get Started
https://www.kdnuggets.com/2021/12/federated-learning-collaborative-machine-learning-tutorial-get-started.html
@ai_machinelearning_big_data
276 082
🦎 → 🐍 NL-Augmenter: A Framework for Task-Sensitive Natural Language Augmentation
Github: https://github.com/GEM-benchmark/NL-Augmenter
Paper: https://arxiv.org/abs/2112.02721v1
Dataset: https://paperswithcode.com/dataset/sst
@ai_machinelearning_big_data
276 082
🔗 DenseCLIP: Language-Guided Dense Prediction with Context-Aware Prompting
Github: https://github.com/raoyongming/denseclip
Paper: https://arxiv.org/abs/2112.01518v1
Dataset: https://paperswithcode.com/dataset/coco
@ai_machinelearning_big_data
276 082
Intel организовал чемпионат по обработке и анализу данных. Главный приз – 1 000 000 рублей!
c 1 по 17 декабря в рамках чемпионата вам предлагается обучить нейросети с помощью инструментов для анализа информации Intel oneAPI.
Автор задачи СберМаркет - один из крупнейших онлайн-сервисов доставки продуктов. Вам предстоит - построить модель, которая предскажет, какие покупки совершит пользователь в следующем месяце. Исторические данные включают в себя информацию о покупках пользователей за последние 4 месяца.
Для того чтобы принять участие нужно зарегистрироваться, скачать предложенные датасеты и получить условия задачи
Участники соревнований получат доступ к набору программных инструментов для ускорения машинного обучения и анализа данных Intel® oneAPI на облачной платформе ML Space. Затем нужно обучить модель и готовую версию загрузить обратно на платформу для проверки. Победителем станет тот, кто наиболее точно предскажет категории товаров и получит приз – 1 000 000 рублей.
Все подробности по ссылке
#INTEL #SBERMARKET
276 082
🔹 Dual Spoof Disentanglement Generation for Face Anti-spoofing with Depth Uncertainty Learning
Github: https://github.com/facebookresearch/Mask2Former
Installation: https://github.com/facebookresearch/Mask2Former/blob/main/INSTALL.md
Paper: https://arxiv.org/abs/2112.01527v1
Dataset: https://paperswithcode.com/dataset/cityscapes
@ai_machinelearning_big_data
276 082
🎙 Продолжаем серию митапов GPB.Talks. В этот раз спикеры из Газпромбанка и КРОК Облачные Сервисы обсудят в онлайн-формате тренды финтех-индустрии и эффективные подходы к бизнесу, которые действительно работают в 2021-м году. Митап будет интересен архитекторам, фронтенд-разработчикам, devops-инженерам, заинтересованным в облачных решениях, а также сотрудникам fintech-направления.
Спикерами выступят:
🔷 Владимир Григорьев, директор по архитектуре, и Александр Виноградов, начальник Управления архитектуры решений, расскажут, как устроена омниканальная платформа в Газпромбанке.
🔷 Максим Морарь, менеджер по развитию бизнеса КРОК Облачные Сервисы, объяснит, почему контейнеризация в связке с DevOps-подходами и облачными сервисами — это тренд, который следует учитывать любой динамично развивающейся компании с собственными цифровыми продуктами.
Модерировать митап будет Александр Виноградов — начальник Управления архитектуры решений Газпромбанка.
Чтобы принять участие, зарегистрируйтесь по ссылке > https://vk.cc/c8BNrf
276 082
Dual Spoof Disentanglement Generation for Face Anti-spoofing with Depth Uncertainty Learning
Github: https://github.com/JDAI-CV/faceX-Zoo
Paper: https://arxiv.org/abs/2112.00568v1
Dataset: https://paperswithcode.com/dataset/replay-attack
@ArtificialIntelligencedl
276 082
Онлайн-хакатон по медицинскому искусственному интеллекту от «Наносемантики» и ФГАУ «РЦУД и РТ», на котором участникам предстоит разработать тренажёр в виде веб-сайта или мобильного приложения, который позволит пациентам с тяжёлым расстройством речи проходить реабилитацию – тренировать произношение слов и фраз.
Призовой фонд – 500 тыс.рублей, участвовать можно с 16 лет, а все решения должны быть опубликованы в Open Source под свободной лицензией Apache 2.0
• Даты проведения: 7-9 декабря
• Место проведения: online
• Регистрация: до 7 декабря
• Ссылка на регистрацию: https://nanosemantics.timepad.ru/event/1861440/
• Читать подробнее: https://habr.com/ru/company/ashmanov_net/blog/592667/
276 082
🚀 Revitalizing CNN Attention via Transformers in Self-Supervised Visual Representation Learning
Github: https://github.com/chongjiange/care
Paper: https://openreview.net/pdf?id=sRojdWhXJx
Dataset: https://paperswithcode.com/dataset/coco
@ai_machinelearning_big_data
276 082
🧬 Evolutionary Scale Modeling
Github: https://github.com/facebookresearch/esm
Paper: https://openreview.net/pdf?id=uXc42E9ZPFs
@ai_machinelearning_big_data
276 082
Искусственный интеллект - одна из самых обсуждаемых технологий 21 века. Число специалистов, работающих в сфере ИИ, увеличивается с каждым годом, поэтому потребность в качественных условиях труда и ИИ-инфраструктуре остается исключительно высокой.
Чтобы оценить уровень удовлетворенности начинающих специалистов и профессионалов в сфере ИИ условиями работы в России, Аналитический центр при Правительстве РФ и ЦСП «Платформа» запустили масштабное исследование.
Приглашаем Вас принять участие в исследовании, поделиться своими ожиданиями и опытом работы в сфере ИИ. Для этого необходимо пройти онлайн-опрос: http://ai-survey.ru/ (около 12 мин).
Исследование носит конфиденциальный характер и продлится до 10 декабря 2021 года. Ваша оценка поможет разработать эффективные инструменты для создания благоприятных условий работы ИИ-сообщества в России.
Для пожеланий и комментариев, а также получения результатов исследования писать на info@pltf.ru
276 082
📹 End-to-End Referring Video Object Segmentation with Multimodal Transformers
Github: https://github.com/mttr2021/MTTR
Paper: https://arxiv.org/abs/2111.14821v1
Dataset: https://kgavrilyuk.github.io/publication/actor_action/
@ai_machinelearning_big_data
276 082
МТС проведет онлайн-митап для дата-сайентистов, дата-инженеров и специалистов по машинному обучению 👨💻
Беседа начнется 2 декабря в 18.00, зарегистрироваться можно здесь.
Речь, в том числе, пойдет о нюансах обучения бустингов на CPU против GPU и о том, как в МТС налажено взаимодействие между командами DS и MLOps. Также руководитель отдела аналитики в Яндекс.Еде поделится лайфхаками в ML-проектах.
276 082
🛢 Unleashing Transformers: Parallel Token Prediction with Discrete Absorbing Diffusion for Fast High-Resolution Image Generation from Vector-Quantized Codes
Github: https://github.com/samb-t/unleashing-transformers
Paper: https://arxiv.org/abs/2111.12701v1
Dataset: https://paperswithcode.com/dataset/lsun
Project: https://samb-t.github.io/unleashing-transformers
@ai_machinelearning_big_data
276 082
Участвуй в блокчейн-хакатоне от Сбера 😎
- Получи бесплатный доступ к блокчейн-платформе
- Выведи свой проект в магазин приложений блокчейн-платформы Сбера
- Получи консультацию по проекту от экспертов блокчейн-лаборатории Сбера
- Победители получат денежные призы до 350 000 рублей
Вот несколько примеров возможных проектов:
1. NFT
Кошелёк для выпуска NFT
Сервис для хранения контента NFT
Аукцион NFT
Интеграция приложения
2. DeFi
Автоматический обменник токенов
Сервис P2P-лендинга
Платформа для сбора средств
Создание и интеграция смарт-контракта
Принять участие в хакатоне: http://sber.me/?p=rdDKF
276 082
Участвуй в блокчейн-хакатоне от Сбера 😎
- Получи бесплатный доступ к блокчейн-платформе
- Выведи свой проект в магазин приложений блокчейн-платформы Сбера
- Получи консультацию по проекту от экспертов блокчейн-лаборатории Сбера
- Победители получат денежные призы до 350 000 рублей
Вот несколько примеров возможных проектов:
1. NFT
Кошелёк для выпуска NFT
Сервис для хранения контента NFT
Аукцион NFT
Интеграция приложения
2. DeFi
Автоматический обменник токенов
Сервис P2P-лендинга
Платформа для сбора средств
Создание и интеграция смарт-контракта
Принять участие в хакатоне: http://sber.me/?p=rdDKF
276 082
🔋 Density-aware Chamfer Distance
Github: density_aware_chamfer_distance
Paper: https://arxiv.org/abs/2111.12702
Dataset: https://paperswithcode.com/dataset/mvp
@ai_machinelearning_big_data
276 082
🎼 Music Classification: Beyond Supervised Learning, Towards Real-world Application
📖 Book
💻Code
📜 Paper
📝Dataset
@ai_machinelearning_big_data
276 082
🚀 Обсуждаем ML на YaTalks 2021
Уже 4 декабря Яндекс проведет YaTalks — главную конференцию для IT-сообщества. Обещают космическую программу. Среди заявленных тем ML-трека:
— Какие существуют подходы к созданию текстового и мультимедийного контента с помощью нейросетей?
— В чем сложности в обучении генеративных моделей?
— Почему оценить их качество сложнее, чем в случае с дискриминативными моделями?
Программа и регистрация на сайте.
276 082
👀 PoolFormer: MetaFormer is Actually What You Need for Vision
Github: https://github.com/sail-sg/poolformer
Paper: https://arxiv.org/abs/2111.11418
Dataset: https://paperswithcode.com/dataset/ade20k
Colab: https://colab.research.google.com/github/sail-sg/poolformer/blob/main/misc/poolformer_demo.ipynb
@ai_machinelearning_big_data
