Machinelearning
Открыть в 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
Больше
📈 Аналитический обзор Telegram-канала Machinelearning
Канал Machinelearning (@ai_machinelearning_big_data) языкового сегмента Русский является активным участником. Сейчас сообщество объединяет 275 988 подписчиков, занимая 336 место в категории Технологии и приложения и 1 377 место в регионе Россия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 275 988 подписчиков.
Согласно последним данным от 07 ноября, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -2 499, а за последние 24 часа — -157, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 8.01%. В первые 24 часа после публикации контент обычно набирает 6.41% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 22 107 просмотров. В течение первых суток публикация набирает 17 690 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 342.
- Тематические интересы: Контент сосредоточен на ключевых темах, таких как openai, claude, api, gemini, контекст.
📝 Описание и контентная политика
Автор описывает ресурс как площадку для выражения субъективного мнения:
“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”
Благодаря высокой частоте обновлений (последние данные получены 08 ноября, 2026) канал поддерживает актуальность и высокий уровень охвата публикаций. Аналитика показывает, что аудитория активно взаимодействует с контентом, что делает его важной точкой влияния в категории Технологии и приложения.
275 988
Подписчики
-15724 часа
-8727 дней
-2 49930 дней
Архив постов
275 960
🐍 PyTorch Fundamentals Free Microsoft Course
https://docs.microsoft.com/en-us/learn/paths/pytorch-fundamentals/
Ru: https://docs.microsoft.com/ru-ru/learn/paths/pytorch-fundamentals/
Github: https://github.com/pytorch/tutorials
@ai_machinelearning_big_data
275 960
📖 GFP-GAN: Towards Real-World Blind Face Restoration with Generative Facial Prior
Github: https://github.com/TencentARC/GFPGAN
Paper: https://arxiv.org/abs/2101.04061v2
Dataset: https://paperswithcode.com/dataset/lfw
Colab Demo: https://colab.research.google.com/drive/1sVsoBd9AjckIXThgtZhGrHRfFI6UUYOo
@ai_machinelearning_big_data
275 960
👨🎓 From economists to data scientists or how to become the leader of the Kaggle Notebooks rating
Habr: https://habr.com/ru/company/ru_mts/blog/567678/
Exploration of data step by step: https://www.kaggle.com/artgor/exploration-of-data-step-by-step
@ai_machinelearning_big_data
275 960
⚛ Highly accurate protein structure prediction with AlphaFold
https://deepmind.com/blog/article/putting-the-power-of-alphafold-into-the-worlds-hands
Github: https://github.com/deepmind/alphafold
Paper: https://doi.org/10.1038/s41586-021-03819-2
@ai_machinelearning_big_data275 960
В Академии больших данных MADE открыт набор на бесплатное обучение в области Data Science. Программа рассчитана на ИТ-специалистов с опытом 1-3 года работы, знаниями высшей математики, умением применять базовый алгоритмы, а также умением программировать на Python, С++ или Java.
Студенты могут выбрать одну из трех специальностей: Data Scientist, Machine Learning Engineer и Data Engineer. Все полученные теоретические знания закрепляются практикой, а в финале обучения – подготовка и защита выпускного проекта.
Прием заявок продлится до 31 июля включительно. Далее – вступительные испытания. Обучение полностью бесплатное.
Успейте подать заявку до дедлайна на сайте программы: https://vk.cc/c3XorM
275 960
📐 Googl's Measuring and Improving Model-Moderator Collaboration using Uncertainty Estimation
Providing high-quality implementations of standard and state-of-the-art methods on standard tasks.
Github: https://github.com/google/uncertainty-baselines
Paper: https://arxiv.org/abs/2107.04212v1
Dataset: https://www.tensorflow.org/datasets
@ai_machinelearning_big_data
275 960
↔️ Independent Encoder for Deep Hierarchical Unsupervised Image-to-Image Translation
Github: https://github.com/Elvinky/IEGAN
Paper: https://arxiv.org/abs/2107.02494
Datasets: https://github.com/Elvinky/IEGAN/tree/main/dataset
Image-to-Image Translation: https://paperswithcode.com/task/image-to-image-translation
@ai_machinelearning_big_data
275 960
🌐 Depth-supervised NeRF: Fewer Views and Faster Training for Free
Github: https://github.com/dunbar12138/DSNeRF
Paper: https://arxiv.org/abs/2107.02791v1
Project: https://www.cs.cmu.edu/~dsnerf/
Datasets: https://paperswithcode.com/dataset/3dmatch
@ai_machinelearning_big_data
275 960
20-21 июля в OTUS пройдет открытый интенсив для тех, кто хочет работать с большими данными. После двухдневного обучения вы сможете выводить модель в продакшн с помошью AWS:
- Узнаете, как использовать lambda и нюансы работы с IoT данными
- Научитесь выводить модель в продакшн без сложных настроек системы
Кроме того, интенсив — это возможность попробовать онлайн-курс «Промышленный ML на больших данных».
https://otus.pw/dh44/
275 960
🔝 Learning Hierarchical Graph Neural Networks for Image Clustering
Github: https://github.com/dmlc/dgl/tree/master/examples/pytorch/hilander
Paper: https://arxiv.org/abs/2107.01319
Datasets: https://drive.google.com/file/d/1KLa3uu9ndaCc7YjnSVRLHpcJVMSz868v/view
@ai_machinelearning_big_data
275 960
🚀 TensorFlow and PyTorch performance benchmarking in 2021
Habr: https://habr.com/ru/company/ru_mts/blog/565456/
Github: https://github.com/Chifffa/tf_vs_torch_benchmarking
@ai_machinelearning_big_data
275 960
🔎 Microsoft AutoML - Neural Architecture Search
New one-shot architecture search framework dedicated to vision transformer search
Github: https://github.com/microsoft/AutoML
Paper: https://arxiv.org/abs/2107.00651v1
Models: https://drive.google.com/drive/folders/1NLGAbBF9bA1IUAxKlk2VjgRXhr6RHvRW
Dataset: https://paperswithcode.com/dataset/cifar-10
@ai_machinelearning_big_data
275 960
🔺 Pyramid Vision Transformer
Image classification, object detection, and semantic segmentation tasks
Github: https://github.com/whai362/PVT
Paper: https://arxiv.org/abs/2106.13797v2
@ai_machinelearning_big_data
275 960
Cartoon-StyleGan2 🙃 : Fine-tuning StyleGAN2 for Cartoon Face Generation
Github: https://github.com/happy-jihye/Cartoon-StyleGan2
Paper: https://arxiv.org/abs/2106.12445
Colab: https://colab.research.google.com/github/happy-jihye/Cartoon-StyleGan2/blob/main/Cartoon_StyleGAN2.ipynb
@ai_machinelearning_big_data
275 960
Cartoon-StyleGan2 🙃 : Fine-tuning StyleGAN2 for Cartoon Face Generation
Github: https://github.com/happy-jihye/Cartoon-StyleGan2
Paper: https://arxiv.org/abs/2106.12445
Colab: https://colab.research.google.com/github/happy-jihye/Cartoon-StyleGan2/blob/main/Cartoon_StyleGAN2.ipynb
@ai_machinelearning_big_data
275 960
📘 D2L.ai: Interactive Deep Learning Book with Multi-Framework Code, Math, and Discussions
Github: https://github.com/d2l-ai/d2l-en
Book: https://d2l.ai/
Paper: https://arxiv.org/abs/2106.11342v1
@ai_machinelearning_big_data
275 960
Бесконечность не предел, машина ИИ будет работать все быстрее и лучше. Чтобы обуздать ее силу, вспахать и засеять цифровые поля нужны люди — AI продакт-менеджеры. Спрос на профессионалов Big Data PM, AI&ML PM, DS PM, DL PM (альтернативные названия специальности) растет стремительными темпами.
Курс «AI Product Manager» — силовой агрегат продакта, решившегося овладеть мощью Al и вырасти до руководителя c-level executives. Никакой воды, только сконцентрированная теория, которую студенты оттачивают на практике. Опыт преподавателей-практиков и 4 кейса в портфолио на выходе.
Курс рассчитан на 10 часов в неделю — можно совмещать с основной работой и сразу применять полученные навыки. Преподаватели и менторы из ДомКлик, Mail.ru и Facebook помогут в трансформации вашей карьеры.
❗️Подробности и запись на курс по ссылке — https://clc.am/Qx8Z_Q
275 960
🔍 Advancing computer vision research with new Detectron2 Mask R-CNN baselines
Facebook Ai: https://ai.facebook.com/blog/advancing-computer-vision-research-with-new-detectron2-mask-r-cnn-baselines/
Code: https://github.com/facebookresearch/detectron2/blob/master/MODEL_ZOO.md#new-baselines-using-large-scale-jitter-and-longer-training-schedule
Tensorflow implementation: https://github.com/tensorflow/tpu/tree/master/models/official/detectiona
@ai_machinelearning_big_data
275 960
Знать высшую математику и уметь применять ее в Data Science — принципиально разные вещи.
Как выделять самое ценное в больших данных при помощи линейной алгебры? Как исследование функций многих переменных помогает находить оптимальные параметры модели? Как использовать теорему Байеса для бинарной классификации?
Все это и многое другое ты освоишь за 4 месяца на практике онлайн-курса «Math for Data Science» от OTUS. Тебя ждет максимально приближенная к реальным рабочим условиям среда и увлекательные разнообразные кейсы. В конце обучения ты соберешь портфолио решенных задач, которое усилит резюме и позволит грамотно работать с моделями машинного обучения.
Пройди вступительный тест и получи доступ к профессиональному Slack-сообществу с выпускниками и преподавателями 👉 https://otus.pw/jzIh/
275 960
⬇️ Pysentimiento: A Python toolkit for Sentiment Analysis and Social NLP tasks
Github: https://github.com/pysentimiento/pysentimiento
Paper: https://arxiv.org/abs/2106.09462
English model: https://huggingface.co/finiteautomata/bertweet-base-sentiment-analysis
@ai_machinelearning_big_data
