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 277 Технологии и приложения330...

📈 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

22 682

Просмотры поста

~ 16 17824 часа

~ 18 00148 часов

7.71%

Коэффициент вовлеченности

~ 6

Постов в день

Ads index

beta

Архив постов

294 065

Repost from AI Deal Watch

С 2018 по 2019 г. количество вакансий специалистов по машинному обучению выросло в 1,3 раза. В 2022 году возрастает спрос на специалистов Middle и Senior ML Engineer. Чтобы выйти из ситуации нехватки кадров и обеспечить себе команды профессионалов, крупные компании открывают свои школы и сотрудничают с университетами. Предпочтение уходит талантам, которые уже адаптированы под бизнес-задачи компаний. Так, в Университете ИТМО была запущена уникальная магистратура «Инженерия машинного обучения» с участием компании «Татнефть»: ▪️работа на больших данных компании и развитие до Middle уровня ▪️спонсирование проживания на базе современного кампуса в г.Альметьевск ▪️спонсирование онлайн-обучения в ИТМО - лидирующем вузе страны по компьютерным наукам До 6 августа можно оставить заявку на сайте проекта!

294 065

💬 Expanding Language-Image Pretrained Models for General Video Recognition by Microsoft. Video-specific prompting scheme, which leverages video content information for generating discriminative textual prompts. Github: https://github.com/microsoft/VideoX/tree/master/X-CLIP Paper: https://arxiv.org/abs/2208.02816v1 Dataset: https://paperswithcode.com/dataset/ucf101 @ai_machinelearning_big_data

294 065

🔥 CLIFF: Carrying Location Information in Full Frames into Human Pose and Shape Estimation Github: https://github.com/huawei-noah/noah-research/tree/master/CLIFF Paper: https://arxiv.org/abs/2208.00571v1 Pretrained checkpoints : https://drive.google.com/drive/folders/1EmSZwaDULhT9m1VvH7YOpCXwBWgYrgwP Dataset: https://paperswithcode.com/dataset/human3-6m @ai_machinelearning_big_data

294 065

👨 Deep Deformable 3D Caricature with Learned Shape Control (DD3C) Github: https://github.com/ycjungsubhuman/deepdeformable3dcaricatures Paper: https://arxiv.org/abs/2207.14593v1 Project: https://ycjungsubhuman.github.io/DeepDeformable3DCaricatures Dataset: https://paperswithcode.com/dataset/facewarehouse Video: https://youtu.be/WLMPEaK6E4M @ai_machinelearning_big_data

294 065

Всем привет! Продолжается набор на бесплатное обучение в Академии больших данных MADE. Мы полностью обновили программу. Теперь за один год вы сможете получить базовые знания и опыт в области больших данных. Основной упор сделан на практическую часть — во время обучения вы дважды пройдете полный цикл реализации DS- и ML- продуктов. Регистрация открыта до 6 августа: https://vk.cc/ceWl31

294 065

🔥📐 Rewriting Geometric Rules of a GAN Method which allows edit a GAN model to synthesize many unseen objects with the desired shape Github: https://github.com/peterwang512/ganwarping Paper: https://arxiv.org/abs/2207.14288v1 Project: https://peterwang512.github.io/GANWarping/ Dataset: https://paperswithcode.com/dataset/ffhq Video: https://www.youtube.com/watch?v=2m7_rbsO6Hk @ai_machinelearning_big_data

294 065

🔘 ALBench: A Framework for Evaluating Active Learning in Object Detection An active learning benchmark framework named as ALBench for evaluating active learning in object detection. Github: https://github.com/industryessentials/ymir Paper: https://arxiv.org/abs/2207.13339v1 Projects: https://github.com/IndustryEssentials/ymir/projects Dataset: https://paperswithcode.com/dataset/coco @ai_machinelearning_big_data

294 065

11 августа состоится Alfa Data Science MeetUp в стиле кибер-футуризма📟 Если вы в Москве 👉 регистрируйтесь на сайте и приезжайте в офис Альфа-Банка по адресу: проспект Андропова 18, корп. 6 или подключайтесь к онлайн трансляции! Темы и спикеры: 🖲 Развитие клиентской базы: моделирование LTV и прогноз будущих доходов - Сергей Королёв, Middle Data Scientist Альфа-Банк 🖲 Uplift-моделирование в ценообразовании кредитных продуктов - Максим Коматовский, Junior Data Scientist Альфа-Банк 🖲 Совершенный код расчёт - Максим Cтаценко, Team Lead/Senior DWH Developer в Яндекс 🖲 Применение подхода reject/inference в нейросетевом кредитном скоринге - Алексей Фирстов, Senior Data Scientist Альфа-Банк Мероприятие пройдет в необычном формате. У вас будет время вспомнить «Бегущего по лезвию» или «Cyberpunk 2077», вдохновиться, поучаствовать в конкурсе и получить призы за креативность 🕶 Регистрируйтесь на сайте, приходите в гости, будет интересно!

294 065

🦠 Learning Protein Representations via Complete 3D Graph Networks DIG: Dive into Graphs is a turnkey library for graph deep learning research. Github: https://github.com/divelab/DIG Paper: https://arxiv.org/abs/2207.12600v1 Tutorials: https://diveintographs.readthedocs.io/en/latest/tutorials/graphdf.html Documentation: https://diveintographs.readthedocs.io/ Benchmarks: https://github.com/divelab/DIG/tree/dig-stable/benchmarks Dataset: https://paperswithcode.com/dataset/atom3d @ai_machinelearning_big_data

294 065

⚡️Рассказываем про альтернативу зарубежным облакам для ML-разработки⚡️ Лавры высокотехнологичной компании манят всех. Но разговоры о BigData, AI и ML становятся тише, когда на стол ложится смета на обновление инфраструктуры. ✅Платформа ML Space станет отличным местом для первых шагов в ML-разработке для компаний с любым уровнем погружения в AI, и вот почему: 1️⃣Полный цикл работ: от импорта данных и обучения модели до эксплуатации готового AI-сервиса. 2️⃣ Для обучения моделей доступны CPU и GPU-ресурсы, что ускоряет сроки разработки и приближает момент получения выгоды от AI на несколько месяцев. 3️⃣ Оплата pay-as-you-go исключает капитальные затраты и позволяет масштабировать ресурсы. 4️⃣ Платформа аттестована по УЗ-1, входит в Единый реестр российского ПО, имеет лицензии ФСТЭК и ФСБ, так что проблем с безопасностью не будет. 🔥Ну, и главный плюс — для знакомства вложений не требуется, достаточно зарегистрироваться как юрлицо и получить грант от 5 до 180 тысяч рублей. 📍Протестировать

294 065

🦾 Learning Visual Representation from Modality-Shared Contrastive Language-Image Pre-training Github: https://github.com/hxyou/msclip Paper: https://arxiv.org/abs/2207.12661v1 Dataset: https://paperswithcode.com/dataset/sst @ai_machinelearning_big_data

294 065

Cтартовал первый контест для разработчиков от Brand Analytics. ⚡️ Призовой фонд - 500 тысяч рублей. Задача участников - написать приложение, которое выявляет сбои в работе российских публичных сервисов на основе анализа сообщений из соцмедиа. Для разработки решения предоставляются датасеты публичного потока данных соцмедиа, гарантированно включающие информацию о сбоях в работе сервисов. Ограничений на используемые языки программирования, инструментарии и библиотеки — нет. Срок подачи решений до 17 августа 2022 г. 20:00 MSK. Следите за новостями контеста в официальном Telegram-канале. И присоединяйтесь на devchamp.ru.

294 065

🔥 Practical Course Deep Learning A 🚀free course from fast.ai learn how to apply deep learning and machine learning to practical problems. Course Git @ai_machinelearning_big_data

294 065

⚡️ Последние дни набора на продвинутый онлайн-курс «Machine Learning Advanced» Редкая возможность для тех, кто занимается машинным обучением! Ответьте на 10 вопросов и проверьте, насколько вы готовы к обучению на углубленном курсе - «Machine Learning. Advanced» от OTUS и его партнера — Сбера. 📌 РЕЗУЛЬТАТ ПРОХОЖДЕНИЯ КУРСА: Вы освоите продвинутые приемы машинного обучения, которые позволят вам уверенно себя чувствовать на ведущих Middle/ Senior позициях и справляться даже с нестандартными задачами. Время прохождения теста ограничено 20 минут 👉 Пройдете вступительный тест — сможете занять место в группе по спец.цене https://otus.pw/Ssrw/

294 065

☀️ MAPIE - Model Agnostic Prediction Interval Estimator MAPIE allows you to easily estimate prediction intervals (or prediction sets) using your favourite scikit-learn-compatible model for single-output regression or multi-class classification settings. Github: https://github.com/scikit-learn-contrib/mapie Paper: https://arxiv.org/abs/2207.12274v1 Docs: https://mapie.readthedocs.io/en/latest/ @ai_machinelearning_big_data

294 065

Курс «Английский для IT-профессий» от Яндекс Практикума Для тех, кто хочет изменить свою профессиональную жизнь и работать в международной команде. Обучение построено не вокруг абстрактной теории, а вокруг рабочих ситуаций и полезных для карьеры навыков: ✋Стендапы. Подготовитесь обсуждать задачи, задавать вопросы и просить о помощи. 👨‍💻 Работа с заказчиками. Научитесь презентовать решения, говорить про баги и фичи. 📣 Митапы. Сможете понимать на слух доклады и выступать сами. 😎 Собеседования. Научитесь рассказывать про свой опыт, понимать вопросы и тактично переспрашивать. 👯 Неформальное общение с коллегами. Сможете рассказать о своих интересах, опыте, планах на будущее. 💻 Код-ревью. Сможете описать сделанное, дать обратную связь, тактично отстоять своё мнение. Запишитесь на бесплатную консультацию. Определим ваш уровень языка, расскажем про обучение и ответим на все вопросы

294 065

👱‍♂️ Multiface: A Dataset for Neural Face Rendering Github: https://github.com/facebookresearch/multiface Paper: https://arxiv.org/abs/2207.11243v1 Dataset: https://paperswithcode.com/dataset/facewarehouse @ArtificialIntelligencedl

294 065

Есть опыт в машинном обучении, но хотите двигаться ещё дальше? Специально для вас Валерий Бабушкин, Head of Data Science в Blockchainꓸcom, вместе с командой опытных специалистов из Яндекса, AliExpress и X5 Retail Group подготовил продвинутый курс, который поможет глубже копнуть в машинное обучение и разобраться со всеми этапами работы ML-инженера: от сбора и разметки данных до деплоя собственных приложений. К концу обучения вы создадите пять ML-сервисов, каждый из которых будет решать важную и востребованную бизнесом задачу. Переходите по ссылке и записывайтесь на курс до 1 августа — по промокоду MLBD дарим скидку 10%. Ждём вас!

294 065

🌟 SimAM: A Simple, Parameter-Free Attention Module for Convolutional Neural Networks Simple but very effective attention module for Convolutional Neural Networks (ConvNets). Github: https://github.com/ZjjConan/SimAM Paper: http://proceedings.mlr.press/v139/yang21o.html Dataset: https://paperswithcode.com/dataset/cifar-10 Google Drive: https://drive.google.com/drive/folders/1rRT0UCPeRLPdTCJvv43hvAnGnS49nIWn?usp=sharing @ai_machinelearning_big_data