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
294 030
Идея для лета — нырнуть в Data Science с головой
Станьте специалистом по Data Science и приручите алгоритмы под свои амбициозные цели: от решения бизнес-задач до развития медицинских технологий. На курсе Яндекс Практикума вы можете за 8 месяцев изучить Python, SQL, машинное обучение и визуализацию данных — необходимый минимум для работы младшим специалистом.
Пять «П» — преимущества обучения в Практикуме:
— Помощь с трудоустройством: 78% выпускников находят работу в течение 4 месяцев после окончания курса.
— Портфолио: 16 проектов на основе реальных задач бизнеса и диплом о профессиональной переподготовке.
— Поддержка: преподаватели, наставники, кураторы и ревьюры помогают пройти обучение.
— Подходящий формат: можете заниматься из любой точки мира когда вам удобно.
— Практика: курс на 75% состоит из задач в онлайн-тренажёре и учебных проектов.
→ Старт потока — 21 июля.
Оплачивать учёбу можно помесячно, от 6 090 ₽/мес, или 112 000 ₽ сразу.
Начните учиться бесплатно и решите, подходит ли вам роль специалиста по Data Science.
→ Попробуйте курс бесплатно
294 030
KGI (Knowledge Graph Induction) for slot filling
Github: https://github.com/ibm/kgi-slot-filling
KILT data and knowledge source: https://github.com/facebookresearch/KILT
Paper: https://arxiv.org/abs/2207.06300v1
Dataset: https://paperswithcode.com/dataset/natural-questions
@ai_machinelearning_big_data
294 030
⁉️ Разработать одну ML-модель и провести ее валидацию — уже давно не проблема. Как экспериментировать сразу с сотнями моделей и с разными параметрами и при этом не захлебнуться в разнообразии экспериментов? Как не потерять этот опыт и легко воспроизводить эксперименты годовой давности?
📌 20 июля в 20:00 на открытом уроке OTUS мы разберем инструмент MLFlow. Он позволяет легко выбирать лучшие модели среди всех экспериментов и при этом легко сравнивать эти модели, и всегда иметь понятное описание эксперимента.
💻 Занятие проведет Миленькин Александр, старший менеджер по работе с большими данными в X5 Retail Group.
💣 Чтобы зарегистрироваться на урок, пройдите вступительный тест
⚠️ Еще больше знаний о том, как устроен процесс внедрения ML-решения, ждет вас на онлайн-курсе «MLOps». Он рассчитан на специалистов по машинному обучению или Software инженеров.
294 030
🏎 Instance Shadow Detection with A Single-Stage Detector
Deep framework, and an evaluation metric to approach this new task.
Github: https://github.com/stevewongv/InstanceShadowDetection
Instance Shadow Detection: https://github.com/stevewongv/SSIS
Video: https://www.youtube.com/watch?v=p0b_2SsFypw
Colab: https://colab.research.google.com/drive/1y9UpS5uA1YuoMyvYVzcKL4ltA_FDu_x0?usp=sharing
Paper: https://arxiv.org/abs/2207.04614v1
Datasets: https://paperswithcode.com/dataset/soba
@ai_machinelearning_big_data
294 030
❓ Как сделать тематическое моделирование сообществ в Telegram?
Для начала пару слов о том, что такое тематическое моделирование. Тематическое моделирование (оно же topic modeling) — задача и процесс построения тематической модели.....
🎯 Читать статью в habr — https://otus.pw/MKRq/
Статья подготовлена в рамках онлайн-курса с продвинутыми приемами машинного обучения — Machine Learning Advanced».
🔥 Ответьте на 10 вопросов и проверьте, насколько вы готовы к обучению на углубленном курсе - «Machine Learning. Advanced» от OTUS и его партнера — Сбера.
👉🏻 ПРОЙТИ ТЕСТ
https://otus.pw/vth9/
294 030
🧍♂ PeopleSansPeople: A Synthetic Data Generator for Human-Centric Computer Vision
Human-centric privacy-preserving synthetic data generator with highly parametrized domain randomization.
Github: https://github.com/unity-technologies/peoplesanspeople
Paper: https://arxiv.org/abs/2207.05025v1
Demo Video: https://www.youtube.com/watch?v=mQ_DUdB70dc
@ai_machinelearning_big_data
294 030
Большие данные захватили мир
Как стриминговые сервисы понимают, что вы любите? Анализ данных уже давно открыл человечеству новые возможности. Бизнес активно использует инструменты Data Science на полную: голосовые ассистенты, чат-боты, персонализированная реклама.
IT-школа Skillfactory и лучший технический вуз МФТИ ответят на эти вопросы и раскроют главный секрет на своём бесплатном онлайн-интенсиве:
“Кем ты будешь через 2 года, если пойдешь учиться на Data Science сейчас?”
За 1,5 часа руководитель онлайн-магистратур в МФТИ Мария Савицкая расскажет преимущества специалистов с профильным образованием и перспективы развития Data Science.
А эксперт по Data Science Иван Ямщиков расскажет, как работает и в каких сферах применяется машинное обучение и что нас ждет через 10 лет!
По оценкам Frost & Sullivan, каждый год сфера Data Science растет на 35,9%. При этом опытных дата-сайентистов не хватает, поэтому их зарплата стабильно увеличивается. Сейчас специалисты с опытом работы 2-3 года получают от 250 000 ₽.
Переходите по ссылке и регистрируйтесь, это займёт меньше минуты: https://go.skillfactory.ru/N4Q9wg
294 030
🔸 An Efficiency Study for SPLADE Models
SParse Lexical AnD Expansion Model for First Stage Ranking.
Github: https://github.com/naver/splade
Paper: https://arxiv.org/abs/2207.03834v1
Dataset: https://paperswithcode.com/dataset/ms-marco
@ai_machinelearning_big_data
294 030
В VK стартовал набор в Академию больших данных MADE — это бесплатное обучение для специалистов с опытом в разработке.
👉 Регистрируйтесь до 6 августа: https://vk.cc/ceWl31
Программа длится один год, но будьте готовы к серьезной нагрузке: занятия займут 25–40 часов в неделю. За это время вы сможете повысить свой профессиональный уровень или освоить новое направление в IT.
Что вас ждёт:
🔹Много практики и работа над реальными проектами.
🔹Преподаватели — ведущие эксперты в области Data Science. Например, несколько дисциплин ведёт Сергей Николенко, автор бестселлера «Глубокое обучение» и создатель курсов в СПбГУ, НИУ ВШЭ и Harbour Space University.
🔹Профессиональное сообщество, где преподаватели, выпускники и слушатели делятся знаниями, общаются и помогают в решении сложных задач.
Для поступления нужно сдать экзамены по математике и программированию, пройти соревнование по машинному обучению и анкетирование.
294 030
👀 Object Centric Open Vocabulary Detection
Object-centric alignment of the language embeddings from the CLIP model.
Github: https://github.com/hanoonaR/object-centric-ovd
Paper: https://arxiv.org/abs/2207.03482v1
Dataset: https://paperswithcode.com/dataset/imagenet
@ai_machinelearning_big_data
294 030
⬆️ YOLOv7
YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors
Github: https://github.com/wongkinyiu/yolov7
Paper: https://arxiv.org/abs/2207.02696v1
Dataset: https://paperswithcode.com/dataset/coco
@ai_machinelearning_big_data
294 030
Нетология ищет экспертов
Преподавание для IT-специалистов — это не только дополнительный заработок, но и возможность улучшить своё ораторское мастерство и менторские навыки, развить личный бренд, найти единомышленников среди преподавателей.
Нетология ищет экспертов уровня middle и выше, которые готовы делиться накопленными знаниями. Если вы хотите лично обучить будущих коллег и развить свои менторские навыки — переходите по ссылке, оставляйте контакты и становитесь экспертом Нетологии.
Подробнее здесь https://netolo.gy/iKT
294 030
🔀 No Language Left Behind
Meta's open-sources models capable of delivering high-quality translations directly between any pair of 200+ languages.
Github: https://github.com/facebookresearch/fairseq/tree/nllb
Paper: https://research.facebook.com/publications/no-language-left-behind/
Website: https://ai.facebook.com/research/no-language-left-behind/
Demo: https://nllb.metademolab.com/
@ai_machinelearning_big_data
294 030
⚡️ ИНТЕНСИВ ML — для продвинутых
Присоединяйтесь 11 и 13 июля в 18:00 к открытому интенсиву OTUS, вас ждет глубокое погружение в область рекомендательных систем.
👩🏻🎓 Интенсив проведет специалист по анализу данных в команде AGI NLP в Сбере Мария Тихонова.
📌 НА ИНТЕНСИВЕ ИЗУЧИМ:
- Популярные подходы для формирования рекомендаций и реализуете один из них своими руками.
- Продвинутые методы на основе матричных разложений
- Готовые инструменты и библиотеки для построения рекомендательных систем.
После интенсива вы сможете продолжить осваивать продвинутые ML-приемы на онлайн-курсе «Machine Learning. Advanced» от OTUS и его партнера — Сбера.
День 1 - 11 июля в 18:00
https://otus.pw/Be4qY/
День 2 - 13 июля в 18:00
https://otus.pw/ni8N/
294 030
🔥 SeqDeepFake: Detecting and Recovering Sequential DeepFake Manipulation
First Seq-DeepFake dataset, where face images are manipulated sequentially with corresponding annotations of sequential facial manipulation vectors.
Github: https://github.com/rshaojimmy/seqdeepfake
Project: https://rshaojimmy.github.io/Projects/SeqDeepFake
Paper: https://arxiv.org/pdf/2207.02204.pdf
Dataset: https://paperswithcode.com/dataset/imagenet
@ai_machinelearning_big_data
294 030
🔥 Хардкорный тест по MLOps 🔥
🚀 Ответьте на 10 вопросов и проверьте, насколько вы готовы к обучению на курсе - MLOps.
📊 Курс рассчитан на специалистов по Машинному обучению или Software инженеров, которые хотят научиться использовать современные инструменты MLOps для развертывания их решений в проде.
👉 ПРОЙТИ ТЕСТ - https://otus.pw/eL7y/
⏰ Время прохождения теста ограниченно 30 минут
💣 Пройдете тест, получите доступ к 2 открытым урокам курса:
✔️ Оркерстрация пайплайнов в AirFlow
✔️ Мониторинг моделей машинного обучения в MLFlow
294 030
Repost from Data Science Jobs
Вакансия: В PREDICTO открыта вакансия
Machine learning engineer
О компании:
Predicto с 2018 г. занимается анализом и сегментацией данных для крупных российских и иностранных клиентов. В этом году мы поставили себе амбициозную задачу разработки CDP и рекомендательной системы.
В нашей команде уже 10 сильных и классных ребят, но задач столько, что очень хотим еще!
📍Middle (важно)
📍 в классном офисе в Москве/гибрид;
📍250-400К руб., белая ЗП или ИП;
📍большой датасет, интересные задачи, возможность влиять на продукт.
✅Что нужно делать:
• Разработка моделей машинного обучения, в частности, предиктивных моделей (например, прогнозирование оттока клиентов) и рекомендательной системы;
• Самостоятельная постановка гипотез, анализ данных и дизайн фич, проведение и оценка экспериментов;
• Участие в продукционализации ML моделей вместе с нашими cloud инженерами и data инженерами.
✅ Требования
• Знание алгоритмов машинного обучения и статистического анализа;
• Опыт программирования на Python и знание основных библиотек для работы с данными и ML моделями; знание хотя бы одного из фреймворков для deep learning;
• Знание SQL и опыт работы с большими данными;
• Понимание жизненного цикла и опыт продукционализации ML моделей.
✅ Опционально (плюс):
• Опыт участия в соревнованиях по машинному обучению (Kaggle и др);
• Понимание принципов распределенной обработки данных, опыт работы с Spark’ом и Spark MLlib;
• Знание инструментов и методов MLOps.
Присылайте CV @naikava
@datascienceml_jobs - ML вакансии
294 030
🔌 Aug-NeRF: Training Stronger Neural Radiance Fields with Triple-Level Physically-Grounded Augmentations
For the first time brings the power of robust data augmentations into regularizing the NeRF training.
Github: https://github.com/vita-group/aug-nerf
Paper: https://arxiv.org/abs/2207.01164v1
Cloud Drive: https://drive.google.com/drive/folders/128yBriW1IG_3NJ5Rp7APSTZsJqdJdfc1
@ai_machinelearning_big_data
294 030
Как быть в курсе цен конкурентов, и точно знать, что вы не упускаете прибыль из-за несвоевременной выкладки товара на полки? Инструмент Product Analyzer, разработанный Napoleon IT, распознает любые товары и цены из продуктовых ритейл-сетей, чем облегчает ведение мониторинга.
Сейчас Product Analyzer доступен на маркетплейсе Cloud AI Services по модели freemium. Узнайте, как им пользоваться и какие возможности открывает сервис для ритейлеров на совместном вебинаре Cloud и Napoleon IT!
Вебинар «Первая AI-модель для распознавания товаров и цен в розничных продуктовых сетях на платформе ML Space» будет полезен маркетинговым и коммерческим директорам розничных сетей, категорийным менеджерам, директорам по закупкам, руководителям отделов мерчендайзинга. Регистрируйтесь по ссылке: Вебинар от команды платформы ML Space
294 030
Как быть в курсе цен конкурентов, и точно знать, что вы не упускаете прибыль из-за несвоевременной выкладки товара на полки? Инструмент Product Analyzer, разработанный Napoleon IT, распознает любые товары и цены из продуктовых ритейл-сетей, чем облегчает ведение мониторинга.
Сейчас Product Analyzer доступен на маркетплейсе Cloud AI Services по модели freemium. Узнайте, как им пользоваться и какие возможности открывает сервис для ритейлеров на совместном вебинаре Cloud и Napoleon IT!
Вебинар «Первая AI-модель для распознавания товаров и цен в розничных продуктовых сетях на платформе ML Space» будет полезен маркетинговым и коммерческим директорам розничных сетей, категорийным менеджерам, директорам по закупкам, руководителям отделов мерчендайзинга. Регистрируйтесь по ссылке: Вебинар от команды платформы ML Space
