اکنون در دسترس! پژوهش تلگرام ۲۰۲۵ — مهمترین بینشهای سال 
Machine learning Interview
رفتن به کانال در Telegram
ИИ, Rust, вайбкодинг, Data Science, Deep Learning и делюсь тем, что интересно и полезно! Вопросы - @workakkk РКН: clck.ru/3FmwRz
نمایش بیشتر📈 تحلیل کانال تلگرام Machine learning Interview
کانال Machine learning Interview (@machinelearning_interview) در بخش زبانی روسی بازیگری فعال است. در حال حاضر جامعه شامل 30 043 مشترک است و جایگاه 4 573 را در دسته فناوری و برنامهها و رتبه 21 935 را در منطقه روسيا دارد.
📊 شاخصهای مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 30 043 مشترک جذب کرده است.
بر اساس آخرین دادهها در تاریخ 12 ژوئن, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر 33 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 20.97% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 8.31% واکنش نسبت به کل مشترکان کسب میکند.
- دسترسی پستها: هر پست به طور میانگین 6 297 بازدید دریافت میکند. در اولین روز معمولاً 2 497 بازدید جمعآوری میشود.
- واکنشها و تعامل: مخاطبان بهطور فعال حمایت میکنند؛ میانگین واکنش به هر پست 40 است.
- علایق موضوعی: محتوا بر موضوعات کلیدی مانند claude, llm, контекст, hermes, nvidia تمرکز دارد.
📝 توضیح و سیاست محتوایی
نویسنده این فضا را محل بیان دیدگاههای شخصی توصیف میکند:
“ИИ, Rust, вайбкодинг, Data Science, Deep Learning и делюсь тем, что интересно и полезно!
Вопросы - @workakkk
РКН: clck.ru/3FmwRz”
به لطف بهروزرسانیهای پرتکرار (آخرین داده در تاریخ 13 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.
30 043
مشترکین
-324 ساعت
-167 روز
+3330 روز
آرشیو پست ها
Пора завершать год с заботой о себе. Усталость накапливается, но сейчас есть шанс восстановиться с выгодой.
Выберите сертификат себе или близким на сессию с психологом от сервиса Ясно
Реклама ООО «Ясно лайв»
ИНН: 9703044223
Erid: 2VfnxyPLppg
Repost from Machinelearning
+2
⚡️ QVQ-72B-Preview: VLM с ризонингом от Qwen.
QVQ-72B-Preview - экспериментальная VLM на основе Qwen2-VL-72B , разработанная Qwen, со способностями к аналитическому мышлению и новым уровнем когнитивных навыков.
Проведенная в Qwen оценка QVQ-72B-Preview на бенчмарках MMMU, MathVista, MathVision и OlympiadBench показала результат 70.3 на MMMU, 71.4 на MathVista, 35.9 в MathVision и 20.4 на наборе OlympiadBench, подчеркнув ее способность к комплексному пониманию и рассуждению в мультидисциплинарных задачах.
⚠️ Несмотря на высокие результаты, QVQ-72B-Preview - предварительная версия модели, которая имеет ограничения:
🟠возможность смешения языков и переключения между ними;
🟠склонность к зацикливанию в логических рассуждениях;
🟠постепенная потеря концентрации на визуальном контенте при многоступенчатом рассуждении, что может приводить к галлюцинациям.
Неофициальные квантованные версии QVQ-72B-Preview в формате GGUF с диапазоном разрядностей от 1-bit (23.7GB) до 8-bit (77.26GB) и MLX-версии от mlx community в разрядностях от 4-bit до 16-bit.
📌Лицензирование: Qwen License.
🟡Статья
🟡Модель
🟡Demo
🟡Набор GGUF
🟡Набор MLX
🟡Сообщество в Discord
🖥GitHub
@ai_machinelearning_big_data
#AI #ML #VLM #Qwen #Reasoning
Позаботился о подарках для родных и близких?
Позаботься и о лучшем подарке для себя — новая работа ждёт тебя в Сбере!✨
Заходи на сайт rabota.sber.ru — здесь сбываются амбициозные проекты, классные коллеги и крутые возможности. 🔥
В Новый год — с новой работой в Сбере.💚
✔️ NVIDIA LogitsProcessor — библиотека для управления генерацией текста с помощью модификации вероятностного распределения токенов.
NVIDIA опубликовала LogitsProcessorZoo, коллекцию гибких и мощных инструментов для обработки логитов, позволяющих решать задачи контроля длины последовательностей, выделения ключевых фраз или управление ответами с несколькими вариантами.
Библиотека позволяет корректировать логиты, предоставляя возможность контроля над поведением модели. Например, GenLengthLogitsProcessor позволяет изменять длину генерируемого текста, CiteFromPromptLogitsProcessor - стимулирует модель использовать вводные данные, а ForceLastPhraseLogitsProcessor включает заданную фразу перед завершением вывода. Библиотека полностью совместима с методом generate из Transformers.
huggingface.co
@machinelearning_interview
📖 В Яндексе рассказали, как учат YandexGPT понимать культурный контекст
🌟 Чтобы оценить, как модель считывает особенности нашей культуры, команда разработала большой бенчмарк — для этого потребовалось оцифровать и классифицировать понятие “культурный код”. Также для создания бенчмарка выяснили, понимает ли нейросеть цитаты и мемы, что помогло составить тестовый бенч на 200 вопросов. Позже он расширился в 2000 вопросов, на которые ответили AI-тренеры — их результаты были отобраны в средний скор, ставший контрольной группой для сравнения с ответами Yandex GPT.
🔗 Ссылка: *клик*
@machinelearning_interview
#AI #ML
⚡️ Advanced Machine Learning Engineer Roadmap
Full Stack ML (Machine Learning) включает в себя изучение необходимых навыков и технологий, чтобы освоить машинное обучения.
🖥 Github
🔥 CS-Notes — материалы, предназначенные для подготовки к собеседованиям!
🌟 Этот репозиторий включает теоретические записи по алгоритмам, операционным системам, компьютерным сетям, системному дизайну и другим важным темам. Также представлены решения задач на LeetCode и другие ресурсы для улучшения навыков программирования, в том числе практические советы по объектно-ориентированному программированию и работе с базами данных.
🖥 Github
@javatg
🔹 Cтроим графики для анализа финансовых данных на открытом уроке «Визуализация данных. Основные "финансовые" графики, работа с mplfinance»
Рассмотрим свечные графики, научимся строить дополнительные линии на графиках и доверительные интервалы.
✅ Практика: свечные графики с помощью библиотеки mplfinance
Оставляйте заявку на курс «ML для финансового анализа» и создайте торгового робота для автоматического проведения операций с оценкой уровня риска
👉 Регистрация на урок и подробности:
https://otus.pw/fo5C/?erid=LjN8JxiR4
#реклама
О рекламодателе
В Библиотеке иностранной литературы прошла «Ночь опенсорс-библиотек» — мероприятие для тех, кто интересуется темой открытого кода
На мероприятии участники нетворкали с мейнтейнерами опенсорс-проектов Яндекса и учились коммитить так, чтобы код всегда принимали. Так, ML-специалисты присоединились к воркшопу проекта YaFSDP по запуску распределенного обучения LLM. А еще познакомились с библиотекой для градиентного бустинга на дереве решений CatBoost.
Ивент объединил уютный вайб библиотеки с технологическими активностями. Кроме докладов и воркшопов, разработчики смогли пройти квест с перфокартами, посоревноваться в скоропечатании на раритетных печатных машинках и отдохнуть в зоне генеративного лайф-кодинга под DJ-сеты. Параллельно с основной программой, гости могли принять участие в записи открытого подкаста о технологиях «Деплой».
🔥 Теперь GitHub Copilot доступен бесплатно — популярный инструмент для генерации кода больше не требует подписки! Просто откройте VS Code и войдите в свой аккаунт на GitHub.
Каждый месяц вы получаете до 2000 дополнений кода и 50 запросов к мощным нейросетям, таким как GPT-4o и Sonnet 3.5. Эти модели также доступны для использования отдельно, но с ограничениями.
Отличная новость для всех программистов!
https://github.com/features/copilot
@machinelearning_interview
Обучите свою первую ML-модель!
✅ Интенсив для начинающих разработчиков ML «Машинное обучение на службе Data Science» от Otus.
Научитесь решать задачи классификации методами ML
Обучите свою первую модель для решение задачи классификации рукописных цифр
👉 Регистрация: https://otus.pw/UsjA/?erid=LjN8JvNMC
Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.
🔥 Perfect Roadmap To Learn Data Science In 2024
📖 Github
@machinelearning_interview
Repost from Machinelearning
📌Топ 10 статей NVIDIA Developer Technical Blog за 2024 год.
NVIDIA подвела итоги публикаций для разработчиков за 2024 год. От новаторских разработок в области AI-инференса до вклада в опенсорс - эти статьи о прорывах, которые вызвали наибольший резонанс у читателей.
🟢NVIDIA NIM - оптимизированные микросервисы инференса для мастшабного развертывания моделей ИИ
🟢Открытие бесплатного доступа к NVIDIA NIM для участников Developer Program
🟢NVIDIA GB200 NVL72 - обучение LLM с триллионами параметров и инференсом в реальном времени
🟢NVIDIA полностью переходит на GPU Kernel Modules с открытым исходным кодом
🟠Введение в мультимодальный RAG
Руководство демонстрирует, как сочетание поиска по тексту и изображению улучшает приложения ИИ. От чат-ботов до поисковых систем - мультимодальный ИИ теперь доступен как никогда.
🟠Создание агента для анализа данных на основе LLM
Пошаговый туториал о том, как создавать агенты на базе LLM, позволяющие разработчикам улучшать и автоматизировать анализ данных с помощью интерфейсов на естественном языке.
🟠StarCoder2 - раскройте свой потенциал в программировании
Появление StarCoder2, ИИ-ассистента в задачах программирования повышает производительность разработки за счет предложений по коду и сокращения повторяющихся задач по программированию.
🟠Как обрезать и дистиллировать Llama 3.1 8B в модель NVIDIA MiniTron 4B
Глубокое погружение в методы pruning и дистилляции модели Llama 3.1 8B в более эффективную MiniTron 4B, оптимизируя производительность без ущерба для точности.
🟠Как за 4 шага перевести приложение RAG из пилотной версии в продакшен
Учебное пособие, которое описывает прямой путь к масштабированию RAG-приложений с упором на лучшие практики для обеспечения готовности к производственной эксплуатации.
🟠RAPIDS cuDF ускоряет pandas почти в 150 раз без изменения кода
150-кратное Zero Code ускорение рабочих процессов Pandas которое преобразует конвейеры обработки данных и повышает производительность Python.
🔜 Блогпост на developers.nvidia.com
@ai_machinelearning_big_data
#AI #ML #NVIDIA #Digest
📖 Эта статья представляет результаты внедрения и оценки работы медицинского чат-бота на основе LLM, названного Mo, в реальной практике!
🌟 Mo использовался в службе медицинских консультаций компании Alan, работающей во Франции и других странах. В ходе эксперимента, охватившего 926 случаев, исследовалась удовлетворённость пациентов, точность ответов и безопасность. Бот продемонстрировал улучшение опыта пациентов при сохранении высокого уровня безопасности благодаря контролю врачей. Статья подчёркивает потенциал таких систем в медицине.
🔗 Ссылка: *клик*
@machinelearning_interview
Как устроены продукты Т-Банка «под капотом»?
Заходите в канал «Код Желтый» — ИТ-команда банка делится опытом создания экосистемы, рассказывает о сложных кейсах и нюансах работы.
Тут можно:
— Узнать про технологии и ИИ-открытия
— Послушать подкасты по разработке, аналитике, продукте и менеджменте
— Следить за анонсами мероприятий по направлениям
— Меняться опытом в ИТ-комьюнити
Подписывайтесь на канал
🎨 Генератор изображений с высоким разрешением🎨
#FreeScale - это метод, не требующий настройки, позволяющий генерировать визуальные изображения с высоким разрешением и позволяющий создавать изображения в 8K.
- Проект: http://haonanqiu.com/projects/FreeScale.html-
- Код: https://github.com/ali-vilab/FreeScale
- Статья : https://arxiv.org/abs/2412.09626
- Демо: https://huggingface.co/spaces/MoonQiu/FreeScale
Освойте MLOps и разработку веб-сервисов на Python — и выкатите ML-модель в продакшен!
Крупнейшая в России онлайн-магистратура по искусственному интеллекту ИТМО × Napoleon IT запускает курс по практической ML-инженерии.
👉 За 5 месяцев освоите Apache Airflow, FastAPI, git, PostgreSQL, LightGBM, PyTorch, scikit-learn, CI/CD.
👉 Прокачаете софты — от презентации продукта до понимания бизнес-задач, которые можно решать при помощи ML-инструментов.
👉 Получите опыт крутых экспертов из Ozon, Skyeng, Газпромбанка и диплом о профпереподготовке от ИТМО.
Курс стартует 13 января и длится 5 месяцев.
Доступна оплата в рассрочку.
Регистрируйтесь на курс по ссылке.
Реклама. Университет ИТМО ИНН:7813045547. erid:2VtzqvEWWhf
⚡️ Курс: Математика Машинного обучения Урок 2 Инвариантность
📌 Видео
📌 Урок 1
📌 Colab
@machinelearning_interview
✔️ Google DeepMind FACTS Grounding: бенчмарк для оценки фактологичности LLM.
FACTS Grounding создан для оценки способности LLM генерировать ответы, которые являются фактически точными и основаны на предоставленном исходном материале. Бенчмарк включает в себя 1719 примеров, требующих развернутых ответов, основанных на предоставленном контекстном документе.
Примеры включают различные области: финансы, технологии, розничную торговлю, медицину и право, и документы объемом до 32 000 токенов. Для оценки используются три LLM-судьи: Gemini 1.5 Pro, GPT-4o и Claude 3.5 Sonnet, которые оценивают ответы на соответствие пользовательскому запросу и фактическую точность. Датасет и лидерборд доступны на Kaggle.
deepmind.google
@machinelearning_interview
