DeepSchool
رفتن به کانال در Telegram
Это канал школы deepschool.ru. Здесь мы будем: - напоминать вам теорию ML/DL в виде коротких постов, - задавать вопросы с собеседований, - рассказывать про полезные фреймворки - и делиться советами, которые помогут вам в работе. @deepschool_support
نمایش بیشتر📈 تحلیل کانال تلگرام DeepSchool
کانال DeepSchool (@deep_school) در بخش زبانی روسی بازیگری فعال است. در حال حاضر جامعه شامل 10 633 مشترک است و جایگاه 11 500 را در دسته فناوری و برنامهها و رتبه 60 919 را در منطقه روسيا دارد.
📊 شاخصهای مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 10 633 مشترک جذب کرده است.
بر اساس آخرین دادهها در تاریخ 12 ژوئیه, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر 58 و در ۲۴ ساعت گذشته برابر -4 بوده و همچنان دسترسی گستردهای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 28.30% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 12.33% واکنش نسبت به کل مشترکان کسب میکند.
- دسترسی پستها: هر پست به طور میانگین 3 009 بازدید دریافت میکند. در اولین روز معمولاً 1 311 بازدید جمعآوری میشود.
- واکنشها و تعامل: مخاطبان بهطور فعال حمایت میکنند؛ میانگین واکنش به هر پست 21 است.
- علایق موضوعی: محتوا بر موضوعات کلیدی مانند llm, ускорение, deepschool, lora, домен تمرکز دارد.
📝 توضیح و سیاست محتوایی
نویسنده این فضا را محل بیان دیدگاههای شخصی توصیف میکند:
“Это канал школы deepschool.ru. Здесь мы будем:
- напоминать вам теорию ML/DL в виде коротких постов,
- задавать вопросы с собеседований,
- рассказывать про полезные фреймворки
- и делиться советами, которые помогут вам в работе.
@deepschool_support”
به لطف بهروزرسانیهای پرتکرار (آخرین داده در تاریخ 13 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.
10 633
مشترکین
-424 ساعت
+137 روز
+5830 روز
آرشیو پست ها
10 633
YOLO history. Part 9
А мы возвращаемся с разбором моделей семейства YOLO! 😎
В прошлой статье обсудили YOLOv8 и YOLOv11 — а значит, подобрались уже к самым передовым моделям. Сегодня рассмотрим все оставшиеся модели в одном посте 🤓
Итак, в новой статье:
- узнаем, как избавиться от NMS на примере YOLOv10
- поговорим об оптимизации attention для ускорения детекции из YOLOv12
- познакомимся с концепцией гиперграфа с помощью YOLOv13
Скорее читайте по ссылке! 👈🏼
10 633
Встречаемся через 3 часа на воркшопе по 3D CV
Сегодня разберём, из каких этапов состоит пайплайн обработки 3D-данных и какие применения он находит в частных задачах. А потом вы самостоятельно построите ключевые элементы пайплайна 3D-зрения для ориентации робота в комнате.
Вы узнаете:
• как и откуда получать 3D-данные
• как их правильно выравнивать и предобрабатывать
• как работать с библиотекой Open3D
• какие 3D DL-модели существуют и для каких представлений данных они подходят
• как оценивать полученный результат
• в каких практических задачах применяется 3D и как именно
Во второй части воркшопа мы разделим вас на группы, и вы реализуете агрегацию и фильтрацию 3D-данных для построения модели комнаты, обработку данных нейросетью и извлечение информации для навигации робота. У вас будет эмулятор робота в пространстве, к которому вы допишете фрагменты обработки 3D-сцены.
Чтобы не терять времени на воркшопе, заранее установите Conda и настройте среду, используя этот environment.yml, с помощью команды: conda env create -f environment.yml
📅 9 апреля, четверг, в 19:00 МСК
Регистрируйтесь по ссылке и приходите сегодня вечером!
10 633
Love, 3DCV & Robots
В этот четверг мы проведём воркшоп по использованию трёхмерных данных в CV-системах. На нём вы узнаете, как гуманоидные роботы собирают и обрабатывают 3D-информацию и что роднит их с аппаратом МРТ. Мы разберём, из каких этапов состоит пайплайн обработки 3D-данных и какие применения он находит в частных задачах.
Вы узнаете:
• как и откуда получать 3D-данные
• как их правильно выравнивать и предобрабатывать
• как работать с библиотекой Open3D
• какие 3D DL-модели существуют и для каких представлений данных они подходят
• как оценивать полученный результат
• в каких практических задачах применяется 3D и как именно
Во второй части воркшопа вы самостоятельно построите ключевые элементы пайплайна 3D-зрения для ориентации робота в комнате. Мы разделим вас на группы по 2-3 человека, и вы реализуете агрегацию и фильтрацию 3D-данных для построения модели комнаты, обработку данных нейросетью и извлечение информации для навигации робота. У вас будет эмулятор робота в пространстве, к которому вы допишете фрагменты обработки 3D-сцены.
Чтобы не терять времени на воркшопе, заранее установите Conda и настройте среду, используя этот environment.yml, с помощью команды: conda env create -f environment.yml
🙋♂️Спикер воркшопа — Давид Свитов, к.т.н., IIT, ex Researcher Samsung AI Center. Давид расскажет про обработку 3D-данных и поможет вам с выполнением задания.
📅 9 апреля, четверг, в 19:00 МСК
Регистрируйтесь по ссылке и приходите в четверг!
10 633
Flash Attention-2
FlashAttention-2 — реализация алгоритма attention, которая значительно ускоряет вычисления в сравнении с первой версией и работает заметно быстрее стандартной реализации в PyTorch. В статье простыми словами разбираем, за счёт чего это происходит 👨🏼💻
Из нового материала вы узнаете:
- какие проблемы были у FlashAttention-1
- как удалось лучше загрузить GPU
- что изменилось в распределении вычислений
- и какую роль играет параллельный softmax
Читайте статью по ссылке! 👇
Про ускорение LLM, дообучение и их деплой рассказываем на курсе LLM. Запишитесь в лист ожидания, чтобы первыми занять место и получить скидки до 20% 🔥Автор: Антон Наумов 🪔 DeepSchool
10 633
Продолжаем разбираться с LLM!
Подготовили 20 новых карточек с вопросами:
- зачем нужен GQA
- как scaling laws влияют на выбор модели
- FSDP vs DDP
- как изображения попадают в LLM
и много других. Готовьтесь к собеседованию здесь!
Теперь можно предложить вопрос со своего собеседования и мы его опубликуем. Для этого нажимайте «предложить вопрос» у коллекции «от сообщества 💚»
10 633
Как собирать NLP-системы, которые работают под нагрузкой
Обучить модель, построить эмбеддер или воспользоваться API — не значит запустить рабочую систему. RAG галлюцинирует, агент ломается на реальных сценариях, эмбеддинги не работают на специфичном домене. С этими и другими проблемами мы разберёмся на курсе LLM Pro, который стартует 26 марта!
На курсе вы научитесь:
• проектировать и запускать NLP-системы под реальные продуктовые задачи
• адаптировать LLM и эмбеддинги под специфичный домен и «живые» данные
• собирать и размечать датасеты — даже если данных изначально почти нет
• решать задачи классификации, поиска, кластеризации и NER — с ограничениями продакшн-среды
• собирать свою RAG-систему: от ретривера и реранкера до генератора и оценки качества
• строить AI-агентов с нуля — на основе сценариев, функций и взаимодействия с внешней средой
Приходите, чтобы узнать про best practices от опытных инженеров из продуктовых команд и применять похожие подходы в своих проектах
🤖 До 25 марта вы можете присоединиться к обучению со скидкой 5%!
Изучайте программу и отзывы на сайте и записывайтесь на ближайший поток 🎓
10 633
Встречаемся через 3 часа на лекции по RAG
Сегодня Дмитрий Калашников расскажет, как правильно выстроить пайплайн и превратить RAG из хаотичного набора компонентов в надёжный инструмент.
На лекции вы узнаете:
- почему ванильная схема «ретривер + генератор» почти никогда не даёт нужного качества
- с чего начинать улучшения: эмбеддер, поиск, реранкер, генератор, данные или что-то ещё
- какие задачи приходится решать, чтобы RAG действительно работал
- как из разрозненных компонент собрать надежный RAG-продукт
🔥 А также всем участникам подарим скидку 15% на курс LLM Pro — продвинутую программу, на которой вы научитесь строить системы, которые работают в реальном мире!
⏰ Начинаем сегодня, 19 марта, в 19:00 МСК
Регистрируйтесь по ссылке и приходите сегодня вечером!
10 633
Токенизация и эмбеддинги в NLP: что спрашивают на собеседованиях
Ранее мы разобрали популярные вопросы про attention и трансформеры с NLP-собеседований, а сегодня расскажем, что происходит с текстом до модели — обсудим токенизацию и построение эмбеддингов.
Формат новой статьи тот же: вопросы с собеседований разбиты на модули, а ответы спрятаны под спойлерами. Cначала попробуйте ответить сами, а потом загляните в разбор и примеры 😉
Читайте новую статью по ссылке!
🪔 DeepSchool
Уже профессионально работаете с LLM? Соберите полноценные LLM-системы с учётом требований к качеству и нагрузке, разберите сложные кейсы и дизайны NLP-решений у нас на курсе LLM Pro. Старт — 26 марта. Читайте подробнее на сайте и присоединяйтесь к обучению ⚡️
10 633
Ванильный RAG не работает. Как исправить?
RAG — один из самых популярных сценариев для интеграции LLM в продукты. При этом большинство RAG-систем в реальных условиях ломаются уже на старте: галлюцинации, нерелевантные ответы, потерянный контекст.
Проблема не в идее, а в деталях. Ванильная схема «ретривер + генератор» — это только скелет. Без правильно настроенного эмбеддера, качественных данных, реранкера и дообученного генератора она не работает. А когда что-то идёт не так, то непонятно, за что взяться.
В этот четверг Дмитрий Калашников, NLP team lead в Яндексе, проведёт открытую лекцию и разложит систему по частям: где обычно ломается, как диагностировать проблему и что конкретно делать на каждом уровне пайплайна.
Мы разберём:
• типичные точки отказа: эмбеддер, поиск, реранкер, генератор, данные
• как локализовать проблему, прежде чем что-то чинить
• какие техники реально улучшают качество на каждом этапе
• как собрать из компонентов систему, которая держит нагрузку
На лекции также представим курс LLM Pro — для тех, кто хочет научиться строить полноценные NLP-системы с учётом требований к качеству и нагрузке.
Участникам лекции подарим скидку в 15% на обучение! 🎁
📅 Лекция пройдёт 19 марта в 19:00 МСК
Регистрируйтесь по ссылке и до встречи в четверг!
10 633
Как повысить квалификацию в Computer Vision
Приходите на ближайший поток CV Rocket, который стартует 17 марта!
Это курс для практикующих CV-инженеров, которые хотят закрыть пробелы в знаниях и узнать про подходы и лучшие практики от senior-инженеров.
Вы научитесь:
- готовить данные: собирать, устранять ошибки в разметке, мониторить качество
- отлаживать обучение, находить аномалии и интерпретировать результаты модели
- работать с metric learning и векторным поиском
- работать с видео: трекинг и action-recognition
- предобучать без разметки: от pretext-задач до современных SSL-алгоритмов
- адаптировать модели детекции, сегментации и OCR под сложные кейсы
Обучение длится 4 месяца и состоит из 13 лекций и 13 заданий.
Лекции проходят онлайн в Zoom, поэтому вы сможете задавать вопросы по ходу занятия.
🔥 До 16 марта вы можете записаться со скидкой 5%!
Переходите на сайт, изучайте подробности, читайте отзывы выпускников и записывайтесь на обучение!
До встречи на курсе! 🎓
10 633
Осталось 3 часа до воркшопа по BentoML
Сегодня с Анастасией Старобыховской разберёмся как упаковать модель в BentoML, поднять инференс-сервер и организовать к нему доступ.
На воркшопе вы узнаете:
— как передать готовую модель без погружения в репозитории backend-команды
— как упаковать модель с помощью BentoML и поднять инференс-сервер
— как обращаться к модели из внешнего кода
— когда BentoML не подходит и что использовать вместо него
У вас будет возможность упаковать модель самостоятельно в режиме реального времени!
А также всем участникам подарим скидки на курс CV Rocket! 🎁
🕕 Регистрируйтесь и приходите сегодня в 19:00 МСК
10 633
15 лет в iOS-разработке, или как не выгореть спустя десятки проектов | Подкаст «Под Капотом» с Женей Тютюевым
Гость нового выпуска — Женя Тютюев, Senior iOS разработчик в 2gis. Женя начинал карьеру в те времена, когда отжать телефон, под который ты разрабатываешь, было обычным делом. Обсудили, сложно ли было стартовать карьеру 15 лет назад, как изменился 2gis за последние годы и в чём особенности адаптации приложений для слабовидящих.
Смотрите по ссылке: https://youtu.be/HHEk1BbwEFo
10 633
Инференс-сервер своими руками: воркшоп по BentoML
Обучить модель — это половина работы. Дальше встаёт вопрос: как её отдать? Как backend-команда будет к ней обращаться? Лезть в чужие репозитории и встраиваться в их инфраструктуру — не всегда вариант.
Мы подготовили воркшоп, на котором покажем, как упаковать модель в BentoML, поднять инференс-сервер и организовать к нему доступ.
На воркшопе разберём:
— как передать готовую модель без погружения в репозитории backend-команды
— как упаковать модель с помощью BentoML и поднять инференс-сервер
— как обращаться к модели из внешнего кода
— когда BentoML не подходит и что использовать вместо него
Воркшоп — это когда вы сначала слушаете, а потом сразу делаете. Анастасия Старобыховская, руководитель лаборатории «Искусство и ИИ» в ЕУСПб, сначала расскажет теоретическую часть, а потом разобьёт участников на небольшие группы для самостоятельной работы, будет подключаться к каждой и помогать с затыками.
У вас будет возможность упаковать модель самостоятельно в режиме реального времени!
И в конце вместе обсудим решение и типичные ошибки.
А также всем участникам подарим скидки на курс CV Rocket! 🎁
📅 Встречаемся в четверг, 12 марта в 19:00 МСК!
Регистрируйтесь по ссылке и до встречи на воркшопе!
10 633
Такое на собеседовании вряд ли спросят, но знать обязательно
Приготовили праздничный набор карточек. Из него вы узнаете:
- Что общего между плюшевым мишкой, нобелевкой и вакцинами от COVID
- Самая выгодная аренда гаража в истории
- Как в 81 год выучить Swift по Skype (хороший был файлообменник) и вдохновить Тима Кука
- Кого нужно благодарить за ImageNet
Девушки, с вашим днём 💚
10 633
+3Что говорят выпускники CV Rocket
📍В карточках собрали цитаты из отзывов выпускников курса.
Они отмечают, что курс даёт не просто новые знания, а понимание собственных пробелов и способов их закрыть. Появляется уверенность в темах, которые раньше использовал вслепую, и начинаешь сразу применять на собеседованиях и в реальных задачах то, что получил на обучении.
Полные тексты этих и других отзывов, подробную информацию о программе и спикерах смотрите на сайте.
Новый поток CV Rocket стартует 17 марта.
Записывайтесь до 9 марта и получите скидку до 20% 🔥
10 633
Готовим LLM для агента: prompting VS fine-tuning
LLM — основа современного AI-агента: от её выбора зависит, насколько хорошо агент будет справляться с задачами и как быстро он будет реализован.
В новой статье даём практические советы по выбору LLM для агента.
Читайте новую статью по ссылке!👈
Научиться строить AI-агентов с нуля можно у нас на курсе LLM Pro. Старт — 26 марта. Читайте подробнее на сайте и оставляйте заявку до 15 марта, чтобы присоединиться к обучению со скидкой 20% ⚡️
10 633
Скоро стартует новый поток LLM Pro
Это курс, на котором вы соберёте полноценные NLP-системы с учётом требований к качеству и нагрузке, разберёте сложные кейсы и архитектуры NLP-решений: от доменной адаптации и эмбеддеров до сложных RAG-систем и агентов.
Приходите, чтобы узнать про best practices и применять похожие подходы в своих проектах.
У вас будет много практики:
• научитесь подбирать архитектуру текстовой классификации в зависимости от ограничений продакшн-среды
• создадите доменно-адаптированные эмбеддинги и настроите стабильную кластеризацию текстов
• адаптируете LLM под специфичный домен через техники пост-претрейна
• разработаете продвинутую RAG-систему с умным поиском, реранкингом и предотвращением галлюцинаций
• построите AI-агента с function calls и генеративным трекингом
Лекции ведут инженеры из продуктовых команд, которые поделятся реальным инженерным опытом. Они проверят ваши домашние задания и дадут развёрнутый фидбэк!
📅 Старт потока — 26 марта
🔔 Вы можете получить скидку до 20%, если запишетесь в лист ожидания до 15 марта
Читайте подробнее на сайте и оставляйте заявку!
Пишите в нашу поддержку @deepschool_support, если остались вопросы!
И до встречи на курсе!
10 633
Сделали алхимию, но про ML
Чтобы немного разбавить рабочую неделю собрали игру, где можно комбинировать ML-концепции и открывать новые.
Данные + Код = Алгоритм
NumPy + Backprop = PyTorch
CNN + Датасет = ImageNet
200+ элементов: от базовых до ChatGPT и k8s!
Кто первым соберёт Шмидхубера, дайте о себе знать, подарим пиццу!
https://mlchemy.deepschool.ru
10 633
На прошлой неделе разбирались с Docker, на этой — разбираемся с LLM!
20 новых карточек: attention, RoPE, MoE, LoRA, температура и top-k/top-p, RLHF, RAG, function calling, KV-cache и другие темы, которые спрашивают на собеседованиях.
Формат тот же: вопрос на лицевой стороне, развёрнутый ответ с примерами — на обратной.
Попробовать: anki.deepschool.ru
10 633
Optical Context Compression: DeepSeek-OCR & DeepSeek-OCR2
От размера контекстного окна LLM зависит качество работы модели на больших документах. С его ростом увеличивается и потребление памяти, и вычислительных ресурсов. Поэтому сжатие контекстного окна — важная задача.
В статье разбираем подход оптического сжатия контекста LLM на примере архитектур DeepSeek-OCR и DeepSeek-OCR2 🐋.
Читайте новую статью по ссылке!
