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 293 602 подписчиков, занимая 326 место в категории Технологии и приложения и 1 281 место в регионе Россия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 293 602 подписчиков.
Согласно последним данным от 02 июля, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -6 464, а за последние 24 часа — -249, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 7.49%. В первые 24 часа после публикации контент обычно набирает 5.71% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 21 989 просмотров. В течение первых суток публикация набирает 16 765 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 173.
- 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 03 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.
293 602
Подписчики
-24924 часа
-1 5267 дней
-6 46430 день
Архив постов
293 488
Хочешь научиться программировать на самом востребованном языке и зарабатывать от 100 000 руб?
Записывайся на онлайн курс «Профессия Java-разработчик» от Skillbox.
Шесть месяцев бесплатно — оплата с седьмого месяца! Переходи по ссылке и узнай подробности: https://clc.to/5orrBw
В это время ты посещаешь лекции и воркшопы, прокачиваешь навыки, находишь себе работу и начинаешь зарабатывать.
Что ты получишь?
✅ Интересную программу, состоящую из 22 тем. Без воды, только важная информация.
✅ Много часов практики.
✅ Своего личного тренера-наставника, которому можно будет задавать любые вопросы.
✅ Крутое резюме в конце.
По окончании обучения Skillbox поможет тебе найти работу мечты! А еще, в декабре действуют скидки до 60%! Поторопись!
293 488
293 488
pixelNeRF: Neural Radiance Fields from One or Few Images.
Github: https://github.com/sxyu/pixel-nerf
Paper: http://arxiv.org/abs/2012.02190
@ai_machinelearning_big_data
293 488
Дата-сайентисты — этот пост к вам!
12 декабря Альфа-Групп запускает online-чемпионат по Data Science: Alfa-Battle 2.0
Задачи придумали team leaders Data Science в Альфа-Банке. Поэтому — будет сложно, но интересно.
Призовой фонд — 1 000 000 рублей!
Ключевые даты:
12 декабря — старт чемпионата.
12 декабря - 20 января — время на решение задач.
Зарегистрироваться: https://link.alfabattle.ru/nGAq6
Дата-сайентисты, за вами — будущее.
Если вам просто интересно послушать самых узнаваемых Data Scientists в РФ — смотрите онлайн-конференцию “Data Science. От моделей к продуктам” 12 декабря в 12:00 по ссылке - https://link.alfabattle.ru/ioDiU
293 488
A Photogrammetry-based Framework to Facilitate Image-based Modeling and Automatic Camera Tracking
Github: https://github.com/SBCV/Blender-Addon-Photogrammetry-Importer
Paper: https://arxiv.org/abs/2012.01044v1
@ai_machinelearning_big_data
293 488
Using AutoML for Time Series Forecasting
http://ai.googleblog.com/2020/12/using-automl-for-time-series-forecasting.html
@tensorflowblog
293 488
Learning to Summarize from Human Feedback
Github: https://github.com/openai/summarize-from-feedback
Dataset: https://openaipublic.blob.core.windows.net/summarize-from-feedback/website/index.html#/
Paper: https://proceedings.neurips.cc//paper/2020/file/1f89885d556929e98d3ef9b86448f951-Paper.pdf
@ai_machinelearning_big_data
293 488
Deep & Cross Network (DCN).
https://www.tensorflow.org/recommenders/examples/dcn
Code: https://github.com/tensorflow/recommenders/blob/main/docs/examples/dcn.ipynb
TensorFlow Recommenders: Scalable retrieval and feature interaction modelling: https://blog.tensorflow.org/2020/11/tensorflow-recommenders-scalable-retrieval-feature-interaction-modelling.html
Paper: https://arxiv.org/pdf/2008.13535.pdf
@ai_machinelearning_big_data
293 488
All Machine Learning Algorithms with Python
https://thecleverprogrammer.com/2020/11/27/machine-learning-algorithms-with-python/
@ai_machinelearning_big_data
293 488
PyTorch Static Quantization.
https://leimao.github.io/blog/PyTorch-Static-Quantization/
Code: https://github.com/leimao/PyTorch-Static-Quantization
Quantization for Neural Networks: https://leimao.github.io/article/Neural-Networks-Quantization/
@ai_machinelearning_big_data
293 488
Sparse R-CNN: End-to-End Object Detection with Learnable Proposals
Github: https://github.com/PeizeSun/SparseR-CNN
Paper: https://arxiv.org/abs/2011.12450
@ai_machinelearning_big_data
293 488
Junior Objects is a new book recently written by Yegor Bugayenko, the author of Elegant Objects — a very provocative and very popular book about object-oriented programming. The book is not only for junior programmers. It covers the entire domain of software development, from choosing the right laptop to designing your architecture in UML. Everything you need to know in order to boost your career from a beginner to a senior engineer with six-figure salary. Join Yegor's telegram channel to learn more: @yegor256news
293 488
TFX Estimator Component Tutorial | TensorFlow
https://www.tensorflow.org/tfx/tutorials/tfx/components
@ai_machinelearning_big_data
293 488
Essential Math for Data Science: Integrals And Area Under The Curve
https://hadrienj.github.io/posts/Essential-Math-Integrals/
@ai_machinelearning_big_data
293 488
Object Detection Using Mask R-CNN with TensorFlow 2.0 and Keras.
https://blog.paperspace.com/mask-r-cnn-tensorflow-2-0-keras/
Mask_RCNN project: https://github.com/matterport/Mask_RCNN
@ai_machinelearning_big_data
293 488
Мы рады анонсировать Workshop “Data Science: Расти в экспертность или управление?” Акселератора Data Science от Skillfactory PRO 26 ноября (четверг) в 20:00
Участие бесплатно, необходима регистрация 👉 skillfactory.ru/dsexpert-workshop2611?utm_source=channel
Какой путь роста выбрать продвинутому специалисту Data Science: управлять командой или реализовывать проекты? В прямом эфире вы можете подробнее узнать об обоих вариантах, изучить опыт продвинутых экспертов и задать свои вопросы.
Эксперты:
- Иван Ямщиков, исследователь ИИ и когнитивных наук в Институте Макса Планка.
Cооснователь Creaited Labs, евангелист искусственного интеллекта в компании ABBYY
- Полина Полунина, ex-руководитель Data Science направлений HR, финансов и видеоаналитики в группе «М.Видео — Эльдорадо».
Победительница международных чемпионатов по анализу данных, основала с нуля 3 Data Science направления (HR, Финансы, Видео-аналитика)
Также в прямом эфире разработаем траекторию для ML-инженера, О. получил степень бакалавра в Московском техническом университете, затем продолжил обучение и получил степень магистра в инновационном ВУЗе по направлению “Data Science”, также активно проходит дополнительные курсы по Machine Learning и Data Science. Опыт работы О. в сфере Data Science уже насчитывает более 3-х лет, включая работу в России и за рубежом. На данный момент занимает должность “ML Engineer” в крупной международной компании.
Он хотел бы сейчас двигаться в сторону экспертности, но при этом быть универсальным специалистом, знать обо всём, а через 2-3 года начать делать управленческие шаги. Насколько это возможно и реализуемо? Нет ли в этом противоречий? Что на самом деле ему стоит предпринять? Ответы на все эти вопросы мы узнаем на нашем воркшопе, не пропустите!
📱 Обсудить в чате 👉 https://t.me/joinchat/CwioCE1FcYCCu9pzFzvFyQ
293 488
Computer Vision at Scale With Dask And PyTorch
https://www.saturncloud.io/s/computer-vision-at-scale-with-dask-and-pytorch/
Code: https://github.com/saturncloud/saturn-cloud-examples/tree/main/pytorch-demo
@ai_machinelearning_big_data
293 488
Хотите больше узнать о Data science?
❗️Тогда записывайтесь в программу повышения квалификации по управлению на основе данных «КЛИК-Интенсив»!
Когда: 23 ноября
Стоимость: БЕСПЛАТНО
Длительность: 2 недели
Получите:
Удостоверение установленного образца от «Университета 2035»
Вы узнаете:
👉Как с помощью данных решать задачи вашего бизнеса.
👉Как и где применяется ML (машинное обучение)
Как визуализировать данные.
👉Познакомитесь с кейсами лидеров рынка по внедрению технологий и практик управления на основе данных.
293 488
FinRL: A Deep Reinforcement Learning Library for Automated Stock Trading in Quantitative Finance
Github: https://github.com/AI4Finance-LLC/FinRL-Library
Paper: https://arxiv.org/abs/2011.09607
@ai_machinelearning_big_data
