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

Сеть:Machinelearning Россия1 276 Технологии и приложения327...

📈 Аналитический обзор Telegram-канала Machinelearning

Канал Machinelearning (@ai_machinelearning_big_data) языкового сегмента Русский является активным участником. Сейчас сообщество объединяет 293 879 подписчиков, занимая 327 место в категории Технологии и приложения и 1 276 место в регионе Россия.

📊 Показатели аудитории и динамика

С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 293 879 подписчиков.

Согласно последним данным от 01 июля, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -6 444, а за последние 24 часа — -235, при этом общий охват остаётся высоким.

Статус верификации: Не верифицирован
Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 7.55%. В первые 24 часа после публикации контент обычно набирает 5.55% реакций от общего числа подписчиков.
Охват публикаций: В среднем каждый пост получает 22 202 просмотров. В течение первых суток публикация набирает 16 311 просмотров.
Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 172.
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 02 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.

293 879

Подписчики

-23524 часа

-1 5517 дней

-6 44430 день

22 202

Просмотры поста

~ 16 31124 часа

~ 18 21848 часов

7.55%

Коэффициент вовлеченности

~ 6

Постов в день

Ads index

beta

Архив постов

293 714

🧍‍♂ PASS: Pictures without humAns for Self-Supervised Pretraining PASS is a large-scale image dataset that does not include any humans, human parts, or other personally identifiable information. Github: https://github.com/yukimasano/PASS Paper: https://arxiv.org/abs/2109.13228v1 Dataset: https://paperswithcode.com/dataset/pass Documentation: https://www.robots.ox.ac.uk/~vgg/research/pass/ @ai_machinelearning_big_data

293 714

AlphaRotate: A Rotation Detection Benchmark using TensorFlow Github: https://github.com/yangxue0827/RotationDetection Paper: https://arxiv.org/abs/2109.11906v1 Dataset: https://paperswithcode.com/dataset/dota Documentation: https://rotationdetection.readthedocs.io/en/latest/ @ai_machinelearning_big_data

293 714

Unseen Object Amodal Instance Segmentation (UOAIS) Github: https://github.com/gist-ailab/uoais Paper: https://arxiv.org/abs/2109.11103 Dataset: https://paperswithcode.com/dataset/ocid Project: https://sites.google.com/view/uoais @ai_machinelearning_big_data

293 714

🦄 1inch : app that which will help you enter the world of crypto App Store: 1inch DeFi Wallet Buy crypto for fiat: https://jn3rg.app.link/fooJGL92Ajb Telegram community: https://t.me/OneInchNetworkChan @ai_machinelearning_big_data

293 714

📥 Don’t be Contradicted with Anything!CI-ToD: Towards Benchmarking Consistency for Task-oriented Dialogue System Github: https://github.com/yizhen20133868/ci-tod Paper: https://arxiv.org/abs/2109.11292v1 Dataset: https://paperswithcode.com/dataset/kvret-1 @ai_machinelearning_big_data

293 714

🚀 Building AI that can generate images of things it has never seen before Github: https://github.com/facebookresearch/ic_gan Facebook Ai: https://ai.facebook.com/blog/instance-conditioned-gans/ Documents: https://facebookresearch.github.io/CompilerGym/ Paper: https://arxiv.org/abs/2109.05070 @ai_machinelearning_big_data

293 714

Data Science - большой бум в IT-сфере. Специалисты этой области являются одними и самых востребованных, зарабатывают +200к в месяц и их все еще не хватает на рынке! Вливайся, пока ниша еще не переполнена и у тебя есть возможность стремительно вырасти! Если ты только начинаешь свой путь в DataSience или застрял на месте и не знаешь, как и куда расти дальше - приходи на бесплатный интенсив от ProductStar «От 0 до +200к в месяц: Карьерный план для Data Science». Ребята развеют все твои сомнения, ответят на самые насущные вопросы и даже помогут выстроить карьерный план! Ты узнаешь: - Топ-5 ошибок новичков на старте, из-за которых карьера сильно замедляется - Фишки и секреты быстрой прокачки навыков, необходимых для роста в Data Science - Сколько можно получать на старте, сколько через год, какой потолок? - Как устроиться на первую работу? Как правильно выбирать компанию? А также получишь доступ к отдельному чату с единомышленниками Когда состоится: 23 сентября в 19:00 Регистрируйся и взбирайся вверх по карьерной лестнице: https://is.gd/0ejFpM

293 714

🤖 CompilerGym: Robust, Performant Compiler Optimization Environments for AI Research CompilerGym is a library of easy to use and performant reinforcement learning environments for compiler tasks. Github: https://github.com/facebookresearch/CompilerGym Documents: https://facebookresearch.github.io/CompilerGym/ Paper: https://arxiv.org/abs/2109.08267v1 @ai_machinelearning_big_data

293 714

Language Models are Few-shot Multilingual Learners Github: https://github.com/gentaiscool/few-shot-lm Paper: https://arxiv.org/abs/2109.07684v1 @ai_machinelearning_big_data

293 714

Dynamic Slimmable Network (DS-Net) Github: https://github.com/M3DV/AlignShift Paper: https://arxiv.org/abs/2109.10060v1 @ArtificialIntelligencedl

293 714

📚 The Machine & Deep Learning Compendium Open Book https://book.mlcompendium.com/ GitBook: https://github.com/orico/www.mlcompendium.com @ai_machinelearning_big_data

293 714

❓ Simple Entity-Centric Questions Challenge Dense Retrievers Github: https://github.com/princeton-nlp/entityquestions Paper: https://arxiv.org/abs/2109.08535v1 Dataset: https://paperswithcode.com/dataset/natural-questions @ai_machinelearning_big_data

293 714

📄 Revisiting Mask-Head Architectures for Novel Class Instance Segmentation https://ai.googleblog.com/2021/09/revisiting-mask-head-architectures-for.html DeepMAC model: https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/deepmac.md Paper: https://arxiv.org/abs/2104.00613 @ai_machinelearning_big_data

293 714

Вашему стартапу нужна поддержка?

Акселератор MTS AI объявляет новый набор! Попав в акселератор, ваш проект получает глубокую техническую и бизнес-экспертизу, тестирование на реальных потребителях, а также возможность финансирования, в том числе за счет различных инвесторов. Команда стартапа сможет проверять свои гипотезы и ИИ-алгоритмы с помощью суперкомпьютера. А еще получит бесценную поддержку со стороны успешных предпринимателей и экспертов из Apple, Facebook, Google, Samsung, Nvidia, с опытом работы в США, Китае, Израиле и странах Европы. Чтобы попасть в Акселератор MTS AI, отправляйте заявку до конца сентября сюда Carpe Diem!

293 714

☄️ Uncertainty-Aware Machine Translation Evaluation Code: https://github.com/Unbabel/COMET Paper: https://arxiv.org/abs/2109.06352v1 Documentation: https://unbabel.github.io/COMET/html/index.html @ai_machinelearning_big_data

293 714

DensePhrases is an extractive phrase search tool based on your natural language inputs Github: https://github.com/princeton-nlp/DensePhrases Paper: https://arxiv.org/abs/2109.08133v1 Dataset: https://paperswithcode.com/dataset/squad @ai_machinelearning_big_data

293 714

🗳 Image Shape Manipulation from a Single Augmented Training Sample Github: https://github.com/eliahuhorwitz/DeepSIM Paper: https://arxiv.org/abs/2109.06151v1 Dataset: https://paperswithcode.com/dataset/cityscapes Project: http://www.vision.huji.ac.il/deepsim @ai_machinelearning_big_data

293 714

Рынку требуются специалисты по Data Science уровня PRO! Обучение берём на себя, подходит даже новичкам! Что ждет новичка в этой профессии: -Очень высокая востребованность. Существует «кадровый голод» в этой области. По данным HeadHunter 500 компаний, включая Сбербанк, «Яндекс» и «Тинькофф», ищут специалистов по Data Science даже без опыта. -Уровень зарплаты вас приятно удивит. Ещё бы, при такой востребованности! 100 000 рублей - зарплата начинающего специалиста. -Профессия Data Scientist будет в топе актуальных ещё пару ваших жизней точно, потому что Big Data — это то, от чего в ближайшее столетие не откажутся ни наука, ни экономика, ни бизнес. -Дата-сайентисту открывается доступ к большим объёмам данных. Эти специалисты могут работать на благо науки и бизнеса, делать прогнозы, к примеру на курс доллара и обвал акций, персонализировать рекламу. Переходите по ссылке: https://clc.to/GSuWhw, чтобы зарегистрироваться на курс или получить бесплатную консультацию

293 714

📖 Physics-Based Deep Learning Book: https://www.physicsbaseddeeplearning.org/intro.html Github: https://github.com/thunil/Physics-Based-Deep-Learning Deep-Flow-Prediction: https://github.com/thunil/Deep-Flow-Prediction Paper: https://arxiv.org/abs/2109.05237v1 @ai_machinelearning_big_data

293 714

🔧 Neural Networks Block Movement Pruning Code: https://github.com/huggingface/nn_pruning Paper: https://arxiv.org/abs/2109.04838v1 Documentation: https://github.com/huggingface/nn_pruning/blob/main/docs/HOWTO.md @ai_machinelearning_big_data