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 276 197 подписчиков, занимая 336 место в категории Технологии и приложения и 1 374 место в регионе Россия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 276 197 подписчиков.
Согласно последним данным от 05 ноября, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -2 229, а за последние 24 часа — -129, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 8.04%. В первые 24 часа после публикации контент обычно набирает 6.20% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 22 218 просмотров. В течение первых суток публикация набирает 17 137 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 330.
- 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 06 ноября, 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.
276 197
Подписчики
-12924 часа
-8177 дней
-2 22930 дней
Архив постов
276 160
🔹 Exploring a Fine-Grained Multiscale Method for Cross-Modal Remote Sensing Image Retrieval
Github: https://github.com/xiaoyuan1996/AMFMN
Paper: https://arxiv.org/abs/2204.09868v1
Dataset: https://paperswithcode.com/dataset/kitti
@ai_machinelearning_big_data
276 160
Мониторинги показывают, что GPU загружены, при этом видно, что они не потребляют электричества. Что делать? Хорошая статья с ответом на этот вопрос.
Будет полезно почитать, даже если вы занимаетесь обучением моделек на домашних GPU.
276 160
🚀 TorchSparse: Efficient Point Cloud Inference Engine
Github: https://github.com/mit-han-lab/torchsparse
Paper: https://arxiv.org/abs/2204.10319v1
Dataset: https://paperswithcode.com/dataset/nuscenes
Demo: https://paperswithcode.com/dataset/pipal-perceptual-iqa-dataset
@ai_machinelearning_big_data
276 160
Количество вакансий в Data Science выросло на 433% за 3 года. По прогнозам Frost & Sullivan, рынок продолжит расти на 35,9% в год ближайшие 10 лет 🔝
Освойте Data Science с нуля в лучшем техническом вузе страны — МФТИ. Среди профессоров и выпускников института 10 лауреатов Нобелевской премии.
Онлайн-магистратура «Науки о данных» поможет вам:
✅ Изучить математические дисциплины для Machine Learning
✅ Получить практическую базу написания кода
✅ Погрузиться в интересное направление: Artificial Intelligence, Big Data или Machine Learning
✅ Освоить актуальный стек технологий и инструментов
✅ Набраться опыта на кейсах от партнеров программы: Danone, «Девхаб», First Line Software и др.
Вы сможете сами выбрать 3 электива из 6. А вместо магистерской диссертации — принять участие в реальном проекте.
У вас будет то, чего не хватает выпускникам краткосрочных курсов. Это глубокое понимание алгоритмов и принципов анализа данных, умение мыслить абстрактными категориями и творческий подход к решению сложных задач.
Вам будут преподавать IT-руководители, ML-инженеры, специалисты по Data Engineering. Те, кто сами прошли путь от новичка — до позиции Lead. И вам помогут.
Вы получите крепкий фундамент, убедительное портфолио и диплом МФТИ государственного образца. Плюс карьерные консультации от опытных HR-менеджеров для успешного трудоустройства.
Возможна оплата обучения с помощью образовательного кредита с господдержкой.
Совсем скоро мы запускаем бесплатный подготовительный курс для абитуриентов.
Успейте к нам присоединиться: https://clc.to/vDsqFg
276 160
Ты начинающий IT-специалист, но уверен в своих знаниях и уже готов работать на позиции джуна? Газпромбанк совместно с журналом «КОД» Яндекс.Практикума подготовил 4 интерактивных теста для начинающих разработчиков 👨💻
С помощью них ты посмотришь на себя глазами рекрутера, потренируешься проходить собеседования и справляться с первыми трудностями на работе > https://vk.cc/ccNVNV
276 160
🛠 MANIQA: Multi-dimension Attention Network for No-Reference Image Quality Assessment
Github: https://github.com/iigroup/maniqa
Paper: https://arxiv.org/abs/2204.08958v1
Dataset: https://paperswithcode.com/dataset/kitti
Demo: https://paperswithcode.com/dataset/pipal-perceptual-iqa-dataset
@ai_machinelearning_big_data
276 160
🎯 Хардкорный тест по Machine Learning
🚀 Ответьте на 10 вопросов и проверьте, насколько вы готовы к обучению на углубленном курсе -
«Machine Learning Professional» от OTUS и его партнера — Сбера.
🔥 РЕЗУЛЬТАТ ПРОХОЖДЕНИЯ КУРСА
Сильное портфолио, которое позволит вам претендовать на Junior+ и Middle позиции Data Scientist.
Время прохождения теста ограниченно 20 минут
👉 ПРОЙТИ ТЕСТ
https://otus.pw/W6UA/
276 160
🌄 NAFSSR: Stereo Image Super-Resolution Using NAFNet
Github: https://github.com/megvii-research/NAFNet
Paper: https://arxiv.org/abs/2204.08714v1
Dataset: https://paperswithcode.com/dataset/kitti
Demo: https://colab.research.google.com/drive/1dkO5AyktmBoWwxBwoKFUurIDn0m4qDXT?usp=sharing
@ai_machinelearning_big_data
276 160
Бесплатный митап - «Инженер данных: Перспективы профессии и обучение в Яндекс Практикуме»
На митапе поговорим:
* Про тренды в развитии области дата-инженерии.
* Познакомимся с авторами курса, расскажем про их опыт в профессии и карьерный путь.
* Расскажем про подход Яндекс Практикума к обучению и трудоустройству.
21 апреля 19:00
Зарегистрироваться
276 160
👁 An Extendable, Efficient and Effective Transformer-based Object Detector
Github: https://github.com/naver-ai/vidt
Paper: https://arxiv.org/abs/2204.07962v1
Dataset: https://paperswithcode.com/dataset/coco
@ai_machinelearning_big_data
276 160
Бесконечно можно смотреть на три вещи: как горит огонь, как течет вода и как начинается новая серия любимого сериала 😏
Хотя давайте будем честны: многие из нас уже не представляют себе онлайн-кинотеатры без функции пропуска заставки и титров. Сегодня подобная фича есть у IVI, Netflix, Кинопоиска, Hulu и других.
Появилась она и в онлайн-кинотеатре KION от МТС. Как работает новая функция с точки зрения разработчиков и как искусственный интеллект помогает размечать контент, в статье на Хабре рассказал Алексей Мельников, продакт в KION.
Прочитать можно здесь.
276 160
📲 Deep-significance: Easy and Better Significance Testing for Deep Neural Networks
Github: https://github.com/Kaleidophon/deep-significance
Paper: https://arxiv.org/abs/2204.06815v1
Examples: https://github.com/Kaleidophon/deep-significance#examples
@ai_machinelearning_big_data
276 160
🌟 Parametric Distributionally Robust Optimization
Github: https://github.com/pmichel31415/P-DRO
Paper: https://arxiv.org/abs/2204.06340v1
Datasett: https://paperswithcode.com/dataset/celeba
@ai_machinelearning_big_data
276 160
Яндекс открывает резидентскую программу по машинному обучению ML Residency.
Ее участники будут проводить исследования и эксперименты в ML, писать научные работы и посещать ведущие конференции.
Подать заявку могут как студенты и аспиранты вузов, так и опытные специалисты в профильных областях: математике, физике, компьютерных науках. Работа в проекте оплачивается.
Узнать подробнее можно здесь.
276 160
🔩 Glass Segmentation with RGB-Thermal Image Pairs
Github: https://github.com/dong-huo/rgb-t-glass-segmentation
Paper: https://arxiv.org/abs/2204.05453v2
Datasett: https://drive.google.com/file/d/1ysG04qGmnZv7UaybZUuyybaJYJLUkNHX/view?usp=sharing
@ai_machinelearning_big_data
276 160
У Тинькофф появилась стипендиальная программа для студентов технических специальностей!
В отборе могут участвовать студенты бакалавриата, специалитета и магистратуры (кроме выпускного курса) технических специальностей из всех городов и вузов. Стипендия выдается на один учебный год и составляет 25 000 ₽ в месяц. Кроме этого — доступ к лекциям и общение с менторами.
Есть два трека — «Академический» и «Индустриальный» — для успевающих в учебе призеров олимпиад или чемпионатов по программированию и хакатонов. Выбирайте подходящий для себя и подавайте заявку по ссылке!
276 160
✔️ Localization Distillation for Dense Object Detection
Github: https://github.com/HikariTJU/LD
Paper: https://arxiv.org/abs/2102.12252
Datasett: https://paperswithcode.com/dataset/dota
@ai_machinelearning_big_data
276 160
День открытых дверей «Как начать в аналитике и Data Science»
В сфере аналитики множество профессий и порой в них можно запутаться. Чем отличаются дата-инженер и дата-сайентист? Зачем команде нужен системный аналитик и какие задачи решает аналитик данных? Рынку требуется всё больше специалистов, и в ближайшем будущем спрос будет только расти.
5 апреля в 19:00 на дне открытых дверей «Как начать в аналитике и Data Science» в Нетологии расскажут, кто такие Data Scientist, продуктовый аналитик, игровой аналитик, Data-журналист, маркетолог-аналитик, инженер данных, системный аналитик, аналитик BI, — и где они нужны. Вы раз и навсегда разберётесь в профессиях сферы аналитики, их ежедневных задачах и поймёте, какие должности вам наиболее близки.
Ждём всех, кому интересна работа с данными!
Записаться → https://netolo.gy/h9p
276 160
✏️ Sat2lod2: A Software For Automated Lod-2 Modeling From Satellite-Derived Orthophoto And Digital Surface Model
The proposed method starts building detection results through a deep learning-based detector and vectorizes individual segments into polygons using a “three-step” polygon extraction method
Github: https://github.com/jingkang50/openood
Paper: https://arxiv.org/abs/2204.05306v1
Dataset: https://entuedu-my.sharepoint.com/:f:/g/personal/jingkang001_e_ntu_edu_sg/Eso7IDKUKQ9AoY7hm9IU2gIBMWNnWGCYPwClpH0TASRLmg?e=iEYhXO
More tutorials: https://github.com/Jingkang50/OpenOOD/wiki/Get-Started
@ai_machinelearning_big_data
276 160
Сетевые диски в Selectel с поддержкой бэкапов по расписанию
Организовать хранение данных на облачных серверах в Selectel — быстро и безопасно! Подключите к сетевым дискам бэкапы по расписанию, чтобы регулярно делать резервные копии, а в случае ошибки или сбоя не потерять нужные вам данные.
Цены:
⚈ Сетевой диск — от 7,28 ₽ за 1 Гб,
⚈ Услуга по резервному копированию — 3,7 ₽ за 1 Гб бэкапов в месяц. Вы можете сделать расчет под нужный объем и количество копий.
Ссылка: https://slc.tl/0D2hm
