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 294 753 подписчиков, занимая 331 место в категории Технологии и приложения и 1 279 место в регионе Россия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 294 753 подписчиков.
Согласно последним данным от 27 июня, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -6 411, а за последние 24 часа — -195, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 7.72%. В первые 24 часа после публикации контент обычно набирает 5.41% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 22 754 просмотров. В течение первых суток публикация набирает 15 946 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 179.
- 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 28 июня, 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.
294 753
Подписчики
-19524 часа
-1 5847 дней
-6 41130 день
Архив постов
294 728
🖥 40+ IT-компаний ищут студентов на оплачиваемую стажировку
На форуме “Найти IT” Сбер, Росатом, Kaspersky и другие топовые компании завалят вас предложениями о работе!
“Найти IT” — это:
🔹 Мастер-классы и кейсы от крутых компаний
🔹 Предварительные собеседования и Q&A со спикерами
🔹 Мерч, призы и вкусная еда
И все это бесплатно 😲 Нужно только прийти!
Выбирате город и регистрируйтесь 👇
📍 Москва: 3 октября
📍 Санкт-Петербург: 7 октября
📍 Новосибирск: 26 октября
Реклама. ООО "ФТ". ИНН 7731611424. erid: LjN8KUcKb
294 728
✨ DreamGaussian: Generative Gaussian Splatting for Efficient 3D Content Creation
A novel 3D content generation framework that achieves both efficiency and quality simultaneously.
DreamGaussian - новый фреймворк для генерации 3D-контента, позволяющий достичь одновременно эффективности и высокого качества генераций.
Работает на безе алгоритма преобразования трехмерных гауссианов в текстурированные сетки с применения файнтюнинга для улучшения деталей. Обширные эксперименты демонстрируют высокую эффективность и конкурентоспособное качество генерации предложенного подхода.
🖥 Github: https://github.com/dreamgaussian/dreamgaussian
☑️ Image-to-3D: https://colab.research.google.com/drive/1sLpYmmLS209-e5eHgcuqdryFRRO6ZhFS?usp=sharing
☑️ Text-to-3d: https://colab.research.google.com/github/camenduru/dreamgaussian-colab/blob/main/dreamgaussian_colab.ipynb
📕 Paper: https://arxiv.org/abs/2309.16653v1
⭐️ Dataset: https://paperswithcode.com/dataset/nerf
ai_machinelearning_big_data
294 728
🔎 Датасет для анализа русскоязычных отзывов на организации
Яндекс опубликовал крупнейший русскоязычный датасет, в котором содержится 500 тысяч отзывов, собранных с января по июнь 2023 года. Туда входят адреса и названия организаций, список рубрик, оценки пользователей и отзывы. Датасет позволяет, к примеру, производить сентимент-анализ и лингвистический анализ.
Github: https://github.com/yandex/geo-reviews-dataset-2023
Habr: https://habr.com/ru/companies/yandex/articles/763832/
294 728
🔎 Text-to-3D using Gaussian Splatting
Новый подход к созданию высококачественных
3D-объектов - генерация текста в трехмерном пространстве на основе гауссова расслоения (GSGEN).
🎇 GSGEN: Text-to-3D using Gaussian Splatting
🖥 Github: https://github.com/gsgen3d/gsgen
☑️ Project: https://gsgen3d.github.io/
📕 Paper: https://arxiv.org/abs/2309.16585v1
⭐️ Dataset: https://paperswithcode.com/dataset/nerf
ai_machinelearning_big_data294 728
Опрос для опытных ИТ-специалистов.
Поделитесь мнением об ИТ-работодателях. Напишите, что вам нравится, а что — нет. Так компании смогут исправить ошибки, улучшить условия и присылать офферы, на которые хочется соглашаться.
Посмотрите, это займет не больше 10 минут
294 728
✏️ Deep Geometrized Cartoon Line Inbetweening
Method can effectively capture the sparsity and unique structure of line drawings while preserving the details during inbetweening.
Создание промежуточных кадров между двумя рисунками - трудоемкий и дорогостоящий процесс, новый фреймворк AnimeInbet позволяет автоматизировать эту задачу.
AnimeInbet, геометризирует растровые линейные рисунки в графы конечных точек, решая задачу слияния графов с перестановкой вершин.
🖥 Github: https://github.com/lisiyao21/animeinbet
☑️ Demo: https://youtu.be/iUF-LsqFKpI?si=9FViAZUyFdSfZzS5
📕 Paper: https://arxiv.org/pdf/2309.16643v1.pdf
⭐️ Dataset: https://drive.google.com/file/d/1SNRGajIECxNwRp6ZJ0IlY7AEl2mRm2DR/view?usp=sharing
ai_machinelearning_big_data
294 728
🤖 Machine Learning Tutorials Repository
Добро пожаловать в репозиторий учебников по машинному обучению. Примеры кода и поянения по:
1.🖥 Python
2.👁🗨 Computer Vision: Techniques, algorithms
3.🖋 NLP
4.📊 Matplotlib
5.🔢 NumPy
6.🐼 Pandas
7.🎇 MLOps
8.🧠 LLMs
9.🔥 PyTorch/TensorFlow
git clone https://github.com/patchy631/machine-learning
ai_machinelearning_big_data294 728
📚 С помощью Telegram-бота GigaChat можно искать IT-курсы
Сервис Сбера в ответ на запрос о курсах предлагает не только названия ресурсов, где их можно найти, но и ссылки. К примеру, на запрос о поиске курсов по kubernetes нейросеть предложила пять популярных сайтов.
@gigachat_bot также умеет писать тексты и генерировать картинки, создавать инструкции и отвечать на вопросы. Кроме того, бота можно добавлять в групповые чаты и пользоваться совместно.
Попробовать GigaChat можно, перейдя по ссылке.
ai_machinelearning_big_data
294 728
🔊 Listen, Think, and Understand
AI model that has both audio perception and a reasoning ability.
LTU-AS - модель универсального восприятия звука , которая способна к рассуждению. В частности, благодаря интеграции Whisper в качестве модуля восприятия и LLaMA в качестве модуля рассуждений, LTU-AS может одновременно распознавать и совместно понимать устный текст, паралингвистику, практически все, что можно воспринять из аудиосигналов.
🖥 Github: https://github.com/YuanGongND/ltu
☑️ Demo: https://18c618fc8f07ec494e.gradio.live/
📕 Paper: https://arxiv.org/abs/2309.14405v1
🤗 HH: https://huggingface.co/spaces/yuangongfdu/ltu-2
⭐️ Dataset: https://paperswithcode.com/dataset/iemocap
ai_machinelearning_big_data
294 728
+1➕ fastMONAI: A low-code deep learning library for medical image analysis
Simplifying deep learning for medical imaging.
fastMONAI упрощает использование современных методов глубокого обучения в анализе трехмерных медицинских изображений для решения задач классификации, регрессии и сегментации. fastMONAI предоставляет пользователям функциональные возможности для поэтапной загрузки данных, предварительной обработки, обучения и интерпретации результатов.
git clone https://github.com/MMIV-ML/fastMONAI
🖥 Github: https://github.com/MMIV-ML/fastMONAI
Project: https://fastmonai.no
📕 Paper: https://www.sciencedirect.com/science/article/pii/S2665963823001203
🖥 Colab: https://colab.research.google.com/github/MMIV-ML/fastMONAI/blob/master/nbs/10a_tutorial_classification.ipynb
ai_machinelearning_big_data294 728
VK Data Meetup — митап об инструментах и людях, которые умеют работать с данными
⏰ Когда: 12 октября, 14:00 по Москве
📍 Регистрация
VK Data Meetup — это серия событий о практиках работы с данными на разных уровнях.
Митап 12 октября посвящен работе с большими данными и ML. Обсудим:
• Тренды работы с данными;
• Процессы взаимодействия со смежными подразделениями и внутри дата-команд;
• Новые инструменты, такие как Spark on Kubernetes и No Code AutoML-платформы;
• Кейсы решения практических бизнес-задач от ведущих российских компаний.
Митап будет интересен дата- и ML-инженерам, тимлидам и разработчикам платформ данных, архитекторам и специалистам по Data Science.
Присоединяйтесь к сообществу VK Data Meetup, чтобы узнать про работающие практики и поделиться своим опытом.
Зарегистрироваться
294 728
+3⭐️Scenimefy: Learning to Craft Anime Scene via Semi-Supervised Image-to-Image Translation
Фреймворк для автоматической высококачественной генерации аниме-сцен из изображений реального мира.
git clone https://github.com/Yuxinn-J/Scenimefy.git
🖥 Github: https://github.com/Yuxinn-J/Scenimefy/tree/main
☑️ Demo: https://huggingface.co/spaces/YuxinJ/Scenimefy
📕 Paper: https://arxiv.org/abs/2308.12968
⏩Project: https://yuxinn-j.github.io/projects/Scenimefy.html
⭐️ Dataset: https://github.com/Yuxinn-J/Scenimefy/tree/main#open_file_folder-anime-scene-dataset
ai_machinelearning_big_data294 728
⭐️ CMU Advanced NLP
Advanced NLP from Carnegie Mellon University.
The course covers current state-of-the-art NLP techniques & algorithms.
Курс: Продвинутый NLP от Университета Карнеги-Меллон.
Курс охватывает современные техники и алгоритмы NLP.
Один из лучших курсов по НЛП в Интернете!
📌 Лекции
ai_machinelearning_big_data
294 728
Сбер расширяет географию своих ивентов: 6 октября в Тбилиси состоится первый технологический митап, посвящённый разработке рекомендательных систем 👨💻
На RecSys MeetUp вы познакомитесь с экспертами Сбера, станете частью одного из крупнейших IT-комьюнити и узнаете о:
✔️ Технологических трендах в области искусственного интеллекта и машинного обучения.
✔️ Устройстве современных стримингов компаний-партнёров Сбера.
Гарантируем: будет интересно и безумно полезно каждому DS-специалисту. Регистрируйтесь по ссылке, встречаемся 6 октября в 18:30 по адресу: Тбилиси, Ресторан на 6 этаже отеля «Golden Palace», переулок Агмашенебели 62 💚
294 728
+1🎓 BayesDLL: Bayesian Deep Learning Library
New Bayesian neural network library for PyTorch for large-scale deep network
Новая библиотека байесовских нейронных сетей для PyTorch, предназначенную для работы с крупномасштабными глубокими сетями.
В библиотеке реализованы основные алгоритмы приближенного байесовского вывода: вариационный вывод, MC-dropout, стохастически-градиентный MCMC и аппроксимация Лапласа.
Основные отличия от других существующих библиотек байесовских нейронных сетей заключаются в следующем:
1) библиотека может работать с очень крупными моделями, в том числе с Vision Transformers
2) Практически не требует от пользователей модификации кода .
3)Позволяет использовать предварительно обученные веса модели в качестве средних значений, что полезно для проведения байесовских вычислений в крупномасштабных моделях типа ViTs, которые трудно оптимизировать с нуля на основе одних только исходных данных.
🖥 Github: https://github.com/samsunglabs/bayesdll
📕 Paper: https://arxiv.org/abs/2309.12928v1
⭐️ Dataset: https://paperswithcode.com/dataset/oxford-102-flower
ai_machinelearning_big_data
294 728
❗️ Как устроены методы коллаборативной фильтрации для рекомендательных систем?
👉 Изучаем SVD алгоритм на открытом уроке 25 сентября в 17:30 мск — «Методы коллаборативной фильтрации для рекомендательных систем: изучаем SVD алгоритм»
🔹 На занятии мы обсудим один из самых мощных алгоритмов области рексис, основанный на сингулярном разложении матрицы (SVD)
📌 Результаты урока:
Вы примените на практике подход на основе SVD разложения матрицы для построения рекомендательной системы
👉 РЕГИСТРАЦИЯ
https://otus.pw/efun/
Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru. Вебинар пройдет в преддверии старта онлайн-курса «Machine Learning. Advanced» от OTUS.
Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963. erid: LjN8JvLoA
294 728
+1🔎Detect Every Thing with Few Examples
DE-ViT surpasses the few-shot SoTA by 15 mAP on 10-shot and 7.2 mAP on 30-shot and one-shot SoTA by 2.8 AP50.
Высокоточный детектор объектов, который в отличие от популярного подхода с открытым словарем, описывает каждую категорию объектов не языком, а несколькими опорными изображениями. DE-ViT демонстрирует новые достижения в области обнаружения объектов с открытым словарем, несколькими снимками и одним снимком в сравнении с COCO и LVIS .
git clone https://github.com/mlzxy/devit.git
🖥 Github: https://github.com/mlzxy/devit
📕 Paper: https://arxiv.org/abs/2309.12969v1
⭐️ Dataset: https://paperswithcode.com/dataset/mscoco
ai_machinelearning_big_data
294 728
Команда AGIMA приглашает вас на онлайн-митап «Чат-боты и языковые модели: автоматизируй, нанимай, упрощай, формализируй». Он пройдет 28 сентября.
Эксперты из СДЭК, Маруся ВК, РЖД и AGIMA.AI расскажут:
какие функции есть у чат-ботов и как они упрощают обслуживание клиентов;
как создать голосового помощника и внедрить его в бизнес-процессы;
зачем и как внедрять корпоративные боты;
как быстро внедрить умные чат-боты на основе GPT.
Участие бесплатное, регистрация — по ссылке выше.
Реклама. ООО "АГИМА ПРОДАКШН". ИНН 7707398117. erid: LjN8KMmqi
294 728
+1🗣 Leveraging In-the-Wild Data for Effective Self-Supervised Pretraining in Speaker Recognition
Продвинутый инструментарий и набор данных для задач распознавания говорящего.
pip3 install wespeakerruntime
🖥 Github: https://github.com/wenet-e2e/wespeaker
📕 Paper: https://arxiv.org/abs/2309.11730v1
⏩ Demo: https://huggingface.co/spaces/wenet/wespeaker_demo
⭐️ Dataset: https://paperswithcode.com/dataset/wenetspeech
ai_machinelearning_big_data
294 728
⚡️TokenFlow: Consistent Diffusion Features for Consistent Video Editing
Framework that harnesses the power of a text-to-image diffusion model for the task of text-driven video editing.
TokenFlow - это фреймворк, позволяющий последовательно редактировать видео, используя предварительно обученную модель диффузии текста в изображение, без дополнительного обучения и настройки.
Нейросеть генерирует анимации высокого качества, сохраняя расположение и динамику из исходого ролика.
🖥 Github: https://github.com/omerbt/TokenFlow
🤗HF: https://huggingface.co/spaces/weizmannscience/tokenflow
📕 Paper: https://arxiv.org/abs/2307.10373
⏩ Project: https://diffusion-tokenflow.github.io/
