Уже доступно! Исследование Telegram 2025 — ключевые инсайты года 
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 294 113 подписчиков, занимая 330 место в категории Технологии и приложения и 1 277 место в регионе Россия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 294 113 подписчиков.
Согласно последним данным от 30 июня, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -6 432, а за последние 24 часа — -166, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 7.71%. В первые 24 часа после публикации контент обычно набирает 5.50% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 22 682 просмотров. В течение первых суток публикация набирает 16 178 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 176.
- 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 01 июля, 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.
294 113
Подписчики
-16624 часа
-1 5837 дней
-6 43230 день
Архив постов
294 113
OTUS совместно с CloudМТС проведет онлайн-митап, посвященный миграции на новые облачные сервисы
Завтра в 18:00 мы расскажем о специфике миграции в облако МТС: разберем предпосылки, сценарии и технологии.
Своим опытом поделятся практикующие эксперты:
– Антон Губарев - разработчик Platform as a Service, Авито,
– Василий Никулин - Руководитель направления поддержки продаж федеральных клиентов, Департамент облачного бизнеса,
– Денис Кузьмичёв - Менеджер по продукту, CloudMТС
Каждый участник расскажет о миграции с учетом личного опыта и экспертизы. В конце мероприятия вы сможете задать вопросы всем участникам и получить гайд по миграции с комментариями экспертов.
Начинаем 6 сентября в 18:00 по Москве. Приходите по ссылке и приглашайте коллег!
Реклама. Информация о рекламодателе на сайте otus.ru
294 113
🤖 Transformers are Sample Efficient World Models
New state of the art for methods without lookahead search, and even surpasses MuZero.
⚙️Github:
➡️ Paper
💻Dataset
@ai_machinelearning_big_data
294 113
@python_job_interview - здесь собраны все возможные вопросы и ответы с реальных Python собеседований.
@golang_interview - пройти Golang собеседование.
@machinelearning_interview - канал подготовит к собеседованию по машинному обучению и алгоритмам .
@data_analysis_ml - самая востребованная Python профессия.
294 113
🏙 2BiVQA: Double Bi-LSTM based Video Quality Assessment of UGC Videos
Github: https://github.com/atelili/2bivqa
Paper: https://arxiv.org/abs/2208.14774v1
Dataset: https://paperswithcode.com/dataset/live-vqc
Tasks: https://paperswithcode.com/task/video-quality-assessment
@ai_machinelearning_big_data
294 113
Как организовать потоковую обработку данных. Часть 2!
В первой части Евгений Ненахов из центра Big Data МТС Digital рассказал об основных компонентах методологии, а сейчас — о том, как ими пользоваться.
Из новой статьи вы узнаете:
➖ где хранить конфигурации
➖ как настроить Kafka и Spark Streaming
➖ как снизить нагрузку на GC и многое другое
О том, как создать универсальный инструмент потоковой обработки данных и построить с его помощью мощную систему стриминга, способную обрабатывать 7 млн событий в пике, читайте в блоге МТС на Хабре.
294 113
🖼 PyTorch Image Quality (PIQ) is a collection of measures and metrics for image quality assessment.
$ pip install piq
Github: https://github.com/photosynthesis-team/piq
Paper: https://arxiv.org/abs/2208.14818v1
Docs: https://piq.readthedocs.io.
Datasets: https://paperswithcode.com/dataset/kadid-10k
@ai_machinelearning_big_data
294 113
Практический опыт в Data Science нужно получать у практиков.
DataWorkshop 5 сентября запускает 3-недельный курс "Практическое введение в Python для Data Science". До 3 сентября (включительно) данный курс можно получить бесплатно.
15 лет опыта в коммерческом программировании, 9 лет в Data Science - у автора курсов. Опыт получал в европейских и американских компаниях. Обучает с 2017 года.
Обучение только на реальных данных. Полученные знания можно сразу применять в рабочих проектах.
1000+ студентов из разных стран мира уже прошли обучение на курсах в DataWorkshop.
10 000+ человек приняли участие в различных образовательных программах от DataWorkshop.
9 из 10 человек дают наивысшую оценку курсам DataWorkshop за их практический подход и сжатый концентрат только нужной информации.
В их телеграм канале периодически открываются записи в том числе и на бесплатные образовательные программы.
294 113
🔋 Self-Supervised Pyramid Representation Learning
for Multi-Label Visual Analysis and Beyond
Github: https://github.com/wesleyhsieh0806/ss-prl
Paper: https://arxiv.org/abs/2208.14439v1
Datasets: https://github.com/wesleyhsieh0806/ss-prl#books-prepare-dataset
Downstream: http://host.robots.ox.ac.uk/pascal/VOC/
@ai_machinelearning_big_data
294 113
⚡️ Готовитесь стать дата-сайентистом?
Начните обучение с области машинного обучения Natural Language Processing (NLP), которая занимается автоматической обработкой текстов.
Приглашаем на открытый урок «NLP сегодня: от истоков до трансформеров» 5 сентября в 18:00 мск в OTUS.
На вебинаре обсудим алгоритмы и подходы, которые сегодня применяются в NLP, начиная от самых простых и заканчивая трансформерными моделями, являющимися стандартом в области.
👩🏻🎓 Спикер: Мария Тихонова, Senior Data Scientist Сбера.
Больше полезных знаний об NLP и других областях ML ждет вас на углубленном онлайн-курсе «Machine Learning. Professional» для людей со знанием высшей математики и знакомых с Python.
👉 РЕГИСТРАЦИЯ
https://otus.pw/36eY/
294 113
⭐️ YOLOX-PAI: An Improved YOLOX Version by PAI
Github: https://github.com/alibaba/EasyCV
Paper: https://arxiv.org/abs/2208.13040v1
Datasets: https://paperswithcode.com/dataset/coco
@ai_machinelearning_big_data
294 113
🥇 The Complete Data Science Study Roadmap
➡️ Read
🎲 Statistics Fundamental by Josh Starmer
👨🎓 CS229 machine learning Stanford
@ai_machinelearning_big_data
294 113
Это — самый короткий путь к работе в SberDevices!
4 сентября участвуй в One Day Offer: пройди fast-интервью за 1 день и получи оффер мечты!
Кто мы? Создаём умные устройства, виртуальных ассистентов и другие продукты в области Speech Recognition, NLP, PLP SmartSearch. У нас очень сильная, а главное, драйвовая команда, в которой ты точно найдёшь проекты по душе!
Кого мы ищем? Специалистов в сферах Data Science, Machine Learning, data-аналитиков, data-инженеров. Опыт работы в DS/ML от 2 лет.
Что такое One Day Offer? Это возможность за 1 день заявить о себе, пройти все этапы отбора и получить предложение присоединиться к команде.
Узнай больше и оставь заявку здесь: http://sber.me/?p=1hcrz
294 113
✅ Awesome-Dataset-Distillation
Github: https://github.com/Guang000/Awesome-Dataset-Distillation
Awesome Computer Vision: https://github.com/jbhuang0604/awesome-computer-vision
Paper: https://arxiv.org/abs/2208.11311v1
Datasets: https://paperswithcode.com/dataset/cifar-10
@ai_machinelearning_big_data
294 113
🔥 Image as a Foreign Language: BEiT Pretraining for All Vision and Vision-Language Tasks
Masked "language" modeling on images (Imglish), texts (English), and image-text pairs ("parallel sentences") in a unified manner.
Github: https://github.com/microsoft/unilm/tree/master/beit
Paper: https://arxiv.org/abs/2208.10442v1
Datasets: https://paperswithcode.com/dataset/visual-genome
@ai_machinelearning_big_data
294 113
Надоело прыгать от инструмента к инструменту в процессе работы над машинным обучением?
☑️ 31 августа Cloud проводит бесплатный вебинар для дата-сайентистов, дата-инженеров и всех, кто сейчас в поиске удобного инструмента для полного цикла ML-разработки.
У каждого будет шанс:
▪️ вместе с экспертом пройти полный путь от загрузки данных на платформу ML Space до вывода модели в production;
▪️ узнать, что помогает сделать обучение моделей более прозрачным;
▪️ увидеть, как наша платформа ускоряет время разработки внутри команды Data Science;
▪️ разобрать практический кейс применения ML-решения;
▪️ узнать, как получить грант на тестирование платформы и убедиться в преимуществах самостоятельно.
Регистрируйтесь по ссылке и запускайте AI продукты до 30% быстрее!
294 113
Надоело прыгать от инструмента к инструменту в процессе работы над машинным обучением?
☑️ 31 августа Cloud проводит бесплатный вебинар для дата-сайентистов, дата-инженеров и всех, кто сейчас в поиске удобного инструмента для полного цикла ML-разработки.
У каждого будет шанс:
▪️ вместе с экспертом пройти полный путь от загрузки данных на платформу ML Space до вывода модели в production;
▪️ узнать, что помогает сделать обучение моделей более прозрачным;
▪️ увидеть, как наша платформа ускоряет время разработки внутри команды Data Science;
▪️ разобрать практический кейс применения ML-решения;
▪️ узнать, как получить грант на тестирование платформы и убедиться в преимуществах самостоятельно.
Регистрируйтесь по ссылке и запускайте AI продукты до 30% быстрее!
Зарегистрироваться
294 113
⚙️ Cold Diffusion: Inverting Arbitrary Image Transforms Without Noise
Github: https://github.com/arpitbansal297/cold-diffusion-models
Paper: https://arxiv.org/abs/2208.09392v1
Cold-Diffusion: https://arxiv.org/abs/2208.09392
Datasets: https://paperswithcode.com/dataset/celeba
@ai_machinelearning_big_data
294 113
🎆 Unifying Visual Perception by Dispersible Points Learning
Conceptually simple, flexible, and universal visual perception head for variant visual task
Github: https://github.com/sense-x/unihead
Paper: https://arxiv.org/abs/2208.08630v1
Model: https://drive.google.com/file/d/1TwFCog_PMd1HWA7s-s9pN2F_fgyMyR3x/view
Datasets: https://paperswithcode.com/dataset/imagenet
@ai_machinelearning_big_data
294 113
Новые быстрые IT-курсы от Практикума
Освоить новую профессию теперь можно на буткемпах — новых программах длительностью от 2 до 5 месяцев. Курсы подойдут тем, у кого нет опыта в программировании или анализе данных, но есть желание и время, чтобы интенсивно учиться.
На буткемпах от Практикума можно стать аналитиком данных, фронтенд-разработчиком, специалистом по Data Science или инженером по тестированию.
Особенности коротких программ:
- Еженедельное планирование с наставником.
Распределите нагрузку и поймёте, на чём нужно сфокусироваться.
- Наставник на связи весь день.
В течение ~8 учебных часов можете писать наставнику любые вопросы по заданиям.
- Вебинары каждую неделю.
Разберёте сложные темы, получите помощь с проектами и ответы на вопросы.
- Каникулы в середине курса.
Отдохнёте неделю — и закончите учёбу с новыми силами.
- Помощь с трудоустройством.
Научитесь писать резюме, составлять портфолио и искать вакансии.
Начните учиться бесплатно сейчас.
И регистрируйтесь на ближайший поток:
— для аналитиков данных и специалистов по Data Science — 8 сентября;
— для инженеров по тестированию и фронтенд-разработчиков — 1 сентября.
294 113
🧔 StyleFaceV - Official PyTorch Implementation
StyleFaceV produces high-fidelity identity-preserving face videos with vivid movements
Github: https://github.com/arthur-qiu/stylefacev
Project: http://haonanqiu.com/projects/StyleFaceV.html
Video: https://youtu.be/BZNLcD04-Fc
Paper: https://arxiv.org/abs/2208.07862v1
Dataset: https://paperswithcode.com/dataset/faceforensics-1
@ai_machinelearning_big_data
