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 275 683 подписчиков, занимая 336 место в категории Технологии и приложения и 1 376 место в регионе Россия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 275 683 подписчиков.
Согласно последним данным от 08 ноября, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -2 581, а за последние 24 часа — -147, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 7.93%. В первые 24 часа после публикации контент обычно набирает 6.43% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 21 878 просмотров. В течение первых суток публикация набирает 17 732 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 341.
- 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 09 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.
275 683
Подписчики
-14724 часа
-9337 дней
-2 58130 дней
Архив постов
275 683
TFX Estimator Component Tutorial | TensorFlow
https://www.tensorflow.org/tfx/tutorials/tfx/components
@ai_machinelearning_big_data
275 683
Essential Math for Data Science: Integrals And Area Under The Curve
https://hadrienj.github.io/posts/Essential-Math-Integrals/
@ai_machinelearning_big_data
275 683
Object Detection Using Mask R-CNN with TensorFlow 2.0 and Keras.
https://blog.paperspace.com/mask-r-cnn-tensorflow-2-0-keras/
Mask_RCNN project: https://github.com/matterport/Mask_RCNN
@ai_machinelearning_big_data
275 683
Мы рады анонсировать Workshop “Data Science: Расти в экспертность или управление?” Акселератора Data Science от Skillfactory PRO 26 ноября (четверг) в 20:00
Участие бесплатно, необходима регистрация 👉 skillfactory.ru/dsexpert-workshop2611?utm_source=channel
Какой путь роста выбрать продвинутому специалисту Data Science: управлять командой или реализовывать проекты? В прямом эфире вы можете подробнее узнать об обоих вариантах, изучить опыт продвинутых экспертов и задать свои вопросы.
Эксперты:
- Иван Ямщиков, исследователь ИИ и когнитивных наук в Институте Макса Планка.
Cооснователь Creaited Labs, евангелист искусственного интеллекта в компании ABBYY
- Полина Полунина, ex-руководитель Data Science направлений HR, финансов и видеоаналитики в группе «М.Видео — Эльдорадо».
Победительница международных чемпионатов по анализу данных, основала с нуля 3 Data Science направления (HR, Финансы, Видео-аналитика)
Также в прямом эфире разработаем траекторию для ML-инженера, О. получил степень бакалавра в Московском техническом университете, затем продолжил обучение и получил степень магистра в инновационном ВУЗе по направлению “Data Science”, также активно проходит дополнительные курсы по Machine Learning и Data Science. Опыт работы О. в сфере Data Science уже насчитывает более 3-х лет, включая работу в России и за рубежом. На данный момент занимает должность “ML Engineer” в крупной международной компании.
Он хотел бы сейчас двигаться в сторону экспертности, но при этом быть универсальным специалистом, знать обо всём, а через 2-3 года начать делать управленческие шаги. Насколько это возможно и реализуемо? Нет ли в этом противоречий? Что на самом деле ему стоит предпринять? Ответы на все эти вопросы мы узнаем на нашем воркшопе, не пропустите!
📱 Обсудить в чате 👉 https://t.me/joinchat/CwioCE1FcYCCu9pzFzvFyQ
275 683
Computer Vision at Scale With Dask And PyTorch
https://www.saturncloud.io/s/computer-vision-at-scale-with-dask-and-pytorch/
Code: https://github.com/saturncloud/saturn-cloud-examples/tree/main/pytorch-demo
@ai_machinelearning_big_data
275 683
Хотите больше узнать о Data science?
❗️Тогда записывайтесь в программу повышения квалификации по управлению на основе данных «КЛИК-Интенсив»!
Когда: 23 ноября
Стоимость: БЕСПЛАТНО
Длительность: 2 недели
Получите:
Удостоверение установленного образца от «Университета 2035»
Вы узнаете:
👉Как с помощью данных решать задачи вашего бизнеса.
👉Как и где применяется ML (машинное обучение)
Как визуализировать данные.
👉Познакомитесь с кейсами лидеров рынка по внедрению технологий и практик управления на основе данных.
275 683
FinRL: A Deep Reinforcement Learning Library for Automated Stock Trading in Quantitative Finance
Github: https://github.com/AI4Finance-LLC/FinRL-Library
Paper: https://arxiv.org/abs/2011.09607
@ai_machinelearning_big_data
275 683
TJU-DHD dataset (object detection and pedestrian detection)
Github: https://github.com/tjubiit/TJU-DHD
Paper: https://arxiv.org/abs/2011.09170v1
@ai_machinelearning_big_data
275 683
Adversarial Examples in Deep Learning.
https://blog.djsarkar.ai/adversarial-learning-attacks-1/
Github: https://github.com/dipanjanS/adversarial-learning-robustness
@ArtificialIntelligencedl
275 683
Liquid Warping GAN with Attention: A Unified Framework for Human Image Synthesis.
https://www.impersonator.org/work/impersonator-plus-plus.html
Code: https://github.com/iPERDance/iPERCore
Paper: https://arxiv.org/pdf/2011.09055
Dataset: https://svip-lab.github.io/dataset/iPER_dataset.html
@ai_machinelearning_big_data
275 683
Learning Efficient GANs using Differentiable Masks and Co-Attention Distillation
Github: https://github.com/SJLeo/DMAD
Paper: https://arxiv.org/abs/2011.08382
@ai_machinelearning_big_data
275 683
🎨 Stylized Neural Painting.
https://jiupinjia.github.io/neuralpainter/
Github: https://github.com/jiupinjia/stylized-neural-painting
Paper: https://arxiv.org/abs/2011.08114
@ai_machinelearning_big_data
275 683
Text classification with an RNN | TensorFlow Core
https://www.tensorflow.org/tutorials/text/text_classification_rnn
Code: https://github.com/tensorflow/docs/blob/master/site/en/tutorials/text/text_classification_rnn.ipynb
@ai_machinelearning_big_data
275 683
💰Full scholarships for graduate degree programs in Artificial Intelligence
Mohamed bin Zayed University of Artificial Intelligence - first in the world, graduate level, research-based institution that offers graduate degree programs to local and international students.
🌍Location: Abu Dhabi, UAE
✅Language of instruction - English
Offerings:
📍MSc in Machine Learning
📍MSc in Computer Vision
📍MSc in Natural Language Processing (Starting Spring 2022)
📍PhD in Machine Learning
📍PhD in Computer Vision
📍PhD in Natural Language Processing (Starting Spring 2022)
💰Scholarship Benefits:
- 100% tuition
- Accommodation
- Health Insurance
- Flight tickets
- Monthly Stipend (2100/2700$)
Application is open for Fall 2021
🚦Deadline: January 15, 2021
Contact:
Atrach@iie.org
+7 925 616-41-76
Learn more here
275 683
Tensorflow + dalex, or how to explain a TensorFlow model
Article: https://www.kdnuggets.com/2020/11/dalex-explain-tensorflow-model.html
Code: https://dalex.drwhy.ai/python-dalex-tensorflow.html
Explanatory Model Analysis: https://pbiecek.github.io/ema/
@ai_machinelearning_big_data
