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 293 457 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 293 457 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.
293 457
Подписчики
-24924 часа
-1 5267 дней
-6 46430 день
Архив постов
293 419
Metrics to Use to Evaluate Deep Learning Object Detectors.
https://www.kdnuggets.com/2020/08/metrics-evaluate-deep-learning-object-detectors.html
A Survey on Performance Metrics for Object-Detection Algorithms: https://www.researchgate.net/publication/343194514_A_Survey_on_Performance_Metrics_for_Object-Detection_Algorithms
Github: https://github.com/ultralytics/yolov3/issues/898
@ai_machinelearning_big_data
293 419
Multilingual Speech Synthesis
Synthesized samples, training and evaluation data, source code, and parameters for Multilingual Speech Synthesis.
Github: https://github.com/Tomiinek/Multilingual_Text_to_Speech
Demo Code: https://colab.research.google.com/github/Tomiinek/Multilingual_Text_to_Speech/blob/master/notebooks/code_switching_demo.ipynb
Website with samples: https://tomiinek.github.io/multilingual_speech_samples/
Paper: https://arxiv.org/abs/2008.00768
@ai_machinelearning_big_data
293 419
Netflix’s Polynote is a New Open Source Framework to Build Better Data Science Notebooks
Polynote is an experimental polyglot notebook environment. Currently, it supports Scala and Python, SQL, and Vega.
https://www.kdnuggets.com/2020/08/netflix-polynote-open-source-framework-better-data-science-notebooks.html
Project page: https://polynote.org/
Github: https://github.com/polynote/polynote
@ai_machinelearning_big_data
293 419
Почему тимлиды в «Лаборатории Касперского» не стрессуют? За год они прошли 8075 сеансов массажа прямо в офисе! Приходи в команду разработки безопасных решений для мобильных (KasperskyOS).
Все подробности тут!
293 419
How to Use XGBoost for Time Series Forecasting
https://machinelearningmastery.com/xgboost-for-time-series-forecasting/
@ai_machinelearning_big_data
293 419
Train your TensorFlow model on Google Cloud using TensorFlow Cloud
https://blog.tensorflow.org/2020/08/train-your-tensorflow-model-on-google.html
293 419
Привет! Уже в этот четверг в 19:00 (6 августа) состоится онлайн-митап “Как правильно учить людей программированию и Data Science?”, который организует SkillFactory.
Спикеры:
Наталья Кузнецова (SkillFactory) "Как мы используем метрики для улучшения продукта"
Анатолий Карпов (автор курсов по data science, Mail.ru) "Как правильно учить data science"
Артем Пичугин (Newprolab) "Только 4С/ID, только хардкор"
Если вы занимаетесь обучением программированию и анализу данных - то будет очень интересно.
Регистрируемся на митап в телеграм-чате по ссылке: https://t.me/joinchat/CwioCBfsTKoFGBHP0rR2dw
293 419
On the Convergence of Tsetlin Machines for the IDENTITY- and NOT Operators
The Tsetlin Machine solves complex pattern recognition problems with easy-to-interpret propositional formulas.
Github: https://github.com/cair/TsetlinMachine
Paper: https://arxiv.org/abs/2007.14268v1
293 419
The channel for software engineers
Daily Pattern
- software design patterns
- architectural solutions
- refactoring
- tips for writing clean code
Subscribe:
@dailypattern
@dailypattern
@dailypattern
293 419
SipMask: Spatial Information Preservation for Fast Image and Video Instance Segmentation
Github: https://github.com/JialeCao001/SipMask
Paper: https://arxiv.org/abs/2007.14772v1
@ai_machinelearning_big_data
293 419
Building a Content-Based Book Recommendation Engine
https://www.kdnuggets.com/2020/07/building-content-based-book-recommendation-engine.html
Content-Based Recommendation System using Word Embeddings: https://medium.com/towards-artificial-intelligence/content-based-recommendation-system-using-word-embeddings-c1c15de1ef95
@ai_machinelearning_big_data
293 419
👶 BabyAI 1.1
BabyAI is a platform used to study the sample efficiency of grounded language acquisitio
Github: https://github.com/mila-iqia/babyai
https://github.com/mila-iqia/babyai
Paper: https://arxiv.org/abs/2007.12770v1
@ai_machinelearning_big_data
293 419
TensorFlow 2.3.0 Release
TensorFlow 2.3 has been released!
https://blog.tensorflow.org/2020/07/whats-new-in-tensorflow-2-3.html
Release : https://github.com/tensorflow/tensorflow/releases
@ai_machinelearning_big_data
293 419
DeepSVG
A Hierarchical Generative Network for Vector Graphics Animation.
https://blog.alexandrecarlier.com/deepsvg/
Github: https://github.com/alexandre01/deepsvg
Paper: https://arxiv.org/abs/2007.11301
@ai_machinelearning_big_data
293 419
LOOCV for Evaluating Machine Learning Algorithms
https://machinelearningmastery.com/loocv-for-evaluating-machine-learning-algorithms/
@ai_machinelearning_big_data
293 419
Whole-Body Human Pose Estimation in the Wild
Github: https://github.com/jin-s13/COCO-WholeBody
Paper: https://arxiv.org/abs/2007.11858v1
Dataset: https://cocodataset.org/#keypoints-2017
293 419
Using Snorkel and NLP Models to Predict Multiple Sclerosis Severity Scores
https://www.kdnuggets.com/2020/07/labelling-data-using-snorkel.html
Tutorial: https://nlp4h.com/blog/snorkel_tutorial/
293 419
Хочешь попробовать свои силы в Data Science? Пройди онлайн-интенсив по анализу данных и научись использовать продвинутые методы, чтобы автоматизировать рутину, работать быстрее и получить хорошо оплачиваемую востребованную профессию.
Участвуй в бесплатном интенсиве: https://clc.to/d53k4A.
Что тебя ждёт?
💣 Основы языка Python.
💣 Работа с библиотеками Pandas и Matplotlib.
💣 Техники исследования данных и практические кейсы.
💣 Практические задания.
💣 Общение с опытным специалистом.
Все, кто дойдёт до конца занятий, получат электронную книгу Кея Петерсона и Дэвида Колба «Век живи — век учись».
293 419
Private prediction methods: A systematic study by Facebook Research
https://ai.facebook.com/blog/private-prediction-methods-a-systematic-study/
Github: https://github.com/facebookresearch/private_prediction
Paper: https://arxiv.org/pdf/2007.05089.pdf
@ai_machinelearning_big_data
293 419
Multi-scale Interactive Network for Salient Object Detection.
Github: https://github.com/lartpang/MINet
Paper: https://arxiv.org/abs/2007.09062v1
Results & Pretrained Parameters: https://drive.google.com/drive/folders/16yTcf_m-ehnhWgXlN6hbZpBKMy6lYIQQ
