اکنون در دسترس! پژوهش تلگرام ۲۰۲۵ — مهمترین بینشهای سال 
Data Science | Machinelearning [ru]
رفتن به کانال در Telegram
Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM. Личный блог автора - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD
نمایش بیشتر📈 تحلیل کانال تلگرام Data Science | Machinelearning [ru]
کانال Data Science | Machinelearning [ru] (@devsp) در بخش زبانی روسی بازیگری فعال است. در حال حاضر جامعه شامل 20 021 مشترک است و جایگاه 6 726 را در دسته فناوری و برنامهها و رتبه 33 725 را در منطقه روسيا دارد.
📊 شاخصهای مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 20 021 مشترک جذب کرده است.
بر اساس آخرین دادهها در تاریخ 18 ژوئن, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -63 و در ۲۴ ساعت گذشته برابر -3 بوده و همچنان دسترسی گستردهای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 8.21% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 4.21% واکنش نسبت به کل مشترکان کسب میکند.
- دسترسی پستها: هر پست به طور میانگین 1 645 بازدید دریافت میکند. در اولین روز معمولاً 843 بازدید جمعآوری میشود.
- واکنشها و تعامل: مخاطبان بهطور فعال حمایت میکنند؛ میانگین واکنش به هر پست 7 است.
- علایق موضوعی: محتوا بر موضوعات کلیدی مانند llm, nvidia, контекст, openai, архитектура تمرکز دارد.
📝 توضیح و سیاست محتوایی
نویسنده این فضا را محل بیان دیدگاههای شخصی توصیف میکند:
“Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM.
Личный блог автора - @just_genych
По вопросам рекламы или разработки - @g_abashkin
РКН: https://vk.cc/cJPGXD”
به لطف بهروزرسانیهای پرتکرار (آخرین داده در تاریخ 19 ژوئن, 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.
20 021
مشترکین
-324 ساعت
-507 روز
-6330 روز
آرشیو پست ها
🤨Можно ли доверять GPT-4o конфиденциальные данные?
В этой статье мы разберемся в политике конфиденциальности Open AI и выясняем, почему эксперты окрестили GPT-4o «турбопылесосом данных».
Читать...
🔍MaskLLM: Learnable Semi-Structured Sparsity for Large Language Models
Обучаемый метод обрезки, который устанавливает полуструктурированную разреженность в LLM, направленный на снижение вычислительных издержек во время вывода.
Вместо разработки нового критерия важности MaskLLM явно моделирует шаблоны N:M как обучаемое распределение с помощью выборки Gumbel Softmax.
Этот подход облегчает сквозное обучение на больших наборах данных.
Он позволяет настраивать маски для безпотерьного применения разреженности 2:4 к нижестоящим задачам или доменам.
🤗 Hugging Face
💾 Arxiv
📂 PDF
@Devsp — Подписаться
🔒Безопасность приложений больших языковых моделей (LLM, GenAI)
В этой статье мы рассмотрим основные стратегии защиты ваших моделей и приложений искусственного интеллекта.
Читать...
⚡️ IT-обучение теперь в Telegram!
В cвязи с недавнем замедлением Ютуба — лучшие обучающие каналы переехали в Telegram
Вот каналы для айтишников:
🖥 Data Science: @DataScience
📱 Python: @Python
📱 GitHub: @GitHub
⚙️ Backend: @Backend
🤓 Общее айти: @portalToIT
📱 Frontend: @Frontend
👩💻 Java: @Java
👩💻 C#: @Csharp
👩💻 С/С++: @Cpp
🖥 Базы Данных & SQL: @SQL
👩💻 Golang: @Golang
🖥 PHP: @PHP
👩💻 Моб. разработка: @MobDev
👩💻 Разработка игр: @GameDev
👩💻 DevOps: @DevOps
🤔 Хакинг & ИБ: @InfoSec
🐞 Тестирование: @QA
📱 Маркетинг: @Marketing
🖥 Дизайн: @Design
➡️ Сохраняйте себе, чтобы не потерять
🤨Как настроить LLM на локальном сервере? Пошаговое руководство для ML-специалистов
В этой статье мы рассмотрим инструменты для оптимизации расходов, включая квантизацию и LoRA-адаптеры.
Читать...
🤖Геймдев и ИИ: как нейросети меняют правила игры
В этой статье мы рассмотрим различные аспекты применения ИИ в индустрии, его влияние на будущее видеоигр и даже рассмотрим первый в мире нейросетевой игровой движок.
Читать...
Разбираешься в AI? Покажи, на что способен – прими участие в международном соревновании AI Journey Contest. Призовой фонд – более 8 миллионов рублей!
Задачи, как всегда, масштабные и амбициозные. Участникам предстоит работать с SOTA-технологиями, выбрав одну или несколько из предложенных задач:
✔ Emotional FusionBrain 4.0 — создать мультимодальную модель, которая умеет круто понимать видео, отвечает на сложные вопросы и «чувствует» человеческие эмоции.
✔ Multiagent AI — разработать мультиагентную RL-систему, где агенты будут объединяться в различные схемы кооперации при решении задач. Эта задача суперполезна для научных исследований.
✔ Embodied AI — сделать робота-помощника, который будет решать сложные задачи взаимодействия с окружающей средой и человеком, общаясь на естественном языке.
✔ E-com AI Assistant — используя LLM GigaChat, создать AI-ассистента, который сможет рекомендовать пользователям релевантные товары для покупки на маркетплейсе Мегамаркет.
Кстати, в решении задач тебе может помочь нейросетевая модель GigaChat и другие AI-разработки Сбера!
Следующий шаг в развитии AI – за тобой! Переходи по ссылке, регистрируйся и успей решить задачи до 28 октября! Соревнование проводится при поддержке Института AIRI.
🧐Что такое Sampling method и как он работает в моделях нейросети Stable Diffusion
В этой статье мы рассмотрим метод выборки (sampling method) в генеративных моделях, таких как Stable Diffusion или FLUX.
Читать...
😎DreamWaltz-G: Expressive 3D Gaussian Avatars from Skeleton-Guided 2D Diffusion
Новая обучающая структура для генерации анимируемых 3D-аватаров из текста.
Ядро этой структуры лежит в скелетно-управляемой перегонке оценок и гибридном 3D-представлении гауссова аватара.
В частности, предлагаемая скелетно-управляемая перегонка оценок интегрирует элементы управления скелета из 3D-шаблонов человека в 2D-модели диффузии, повышая согласованность надзора SDS с точки зрения вида и позы человека.
Это облегчает генерацию высококачественных аватаров, смягчая такие проблемы, как множественные лица, дополнительные конечности и размытие.
Обширные эксперименты показывают, что DreamWaltz-G очень эффективен в создании и анимации 3D-аватаров, превосходя существующие методы как по визуальному качеству, так и по выразительности анимации.
🤗 Hugging Face
💾 Arxiv
📂 PDF
@Devsp — Подписаться
🖥 Самые интересные статьи за последние дни:
• От промптов к дообучению: четыре уровня адаптации open-source моделей
• Обнаружение DGA доменов или тестовое задание на позицию intern ML-engineer
• Полный гид по бенчмаркам LLM
🤙Полный гид по бенчмаркам LLM
В этой статье мы рассмотрим подробный каталог бенчмарков, разбитый на категории по сложности, динамике, целям оценки, спецификациям конечных задач и типам рисков.
Читать...
❓Хотите узнать, как улучшить производительность вашего PostgreSQL-сервера и создавать собственные расширения?
Ждём вас на открытом уроке уже сегодня в 20:00 мск, где мы разберем:
- архитектуру PostgreSQL-сервера и влияние параметров конфигурации на использование памяти;
- роль планировщика и как тонкий тюнинг базы данных может повысить производительность;
- как создать собственное расширение и использовать pg_plan_inspector для оптимизации high-load развертываний.
Встречаемся в преддверии старта курса «PostgreSQL. Advanced». Все участники вебинара получат специальную цену на обучение!
👉 Регистрируйтесь прямо сейчас, чтобы не пропустить мероприятие: https://otus.pw/6Zsv/
Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru
😎Обнаружение DGA доменов или тестовое задание на позицию intern ML-engineer
В этой статье мы рассмотрим простую задачу, которая используется одной компанией в качестве тестового задания для стажеров на позицию ML-engineer.
Читать...
🔒Шифруй то, шифруй это, или LLM под замком
В этой статье мы поговорим о безопасном обращении с коммерческим контентом, шифровании данных, моделях и подходах к безопасному обращению и встраиванию коммерческих данных в модель.
Читать...
🤩От промптов к дообучению: четыре уровня адаптации open-source моделей
В этой статье расскажу, как мы разделяем разные уровни адаптации, что делаем на каждом из них и когда переходим на следующий.
Читать...
👥 Как мы генерируем GPT-нейросетями миллиарды объявлений на малом количестве GPU
В этой статье автор рассказывает о соединении тяжёлых процессингов и GPU‑вычислений. Как реализовали высоконагруженный процессинг, который обрабатывает миллиарды товаров и превращает их в объявления, используя тяжёлые модели, такие как YandexGPT, DSSM, CatBoost и другие. Оказывается, связать тяжёлый процессинг и инференс моделей вполне реально, даже когда нагрузка в процессинге превышает возможности вашего сервиса.
Читать…
🖥 Самые интересные статьи за последние дни:
• Quantinuum о своём прогрессе в создании квантового ИИ
• Поиск данных, прокачанная тренировка и судейская оценка. Как с минимальными ресурсами улучшить качество дообучения LLM
• Встречаем нейроредактор в Браузере, или Как мы учили LLM-модели помогать пользователям с текстами
🤩о1: почему новая GPT от OpenAI — это не хайп, а переход к новой парадигме в ИИ
В этой статье мы разберемся, чему научилась новая GPT o1, и как это повлияет на дальнейшую эволюцию ИИ.
Читать...
🤖Quantinuum о своём прогрессе в создании квантового ИИ
В статье о том, как квантовые компьютеры могут изменить наше понимание и применение ИИ.
Читать...
