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 292 076 подписчиков, занимая 327 место в категории Технологии и приложения и 1 296 место в регионе Россия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 292 076 подписчиков.
Согласно последним данным от 10 июля, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -6 123, а за последние 24 часа — -119, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 7.19%. В первые 24 часа после публикации контент обычно набирает 5.53% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 21 001 просмотров. В течение первых суток публикация набирает 16 166 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 157.
- 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 11 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.
292 076
Подписчики
-11924 часа
-1 1997 дней
-6 12330 день
Архив постов
292 054
В Китае искусственный интеллект создал спецэффекты для клипа
Искусственный интеллект создал спецэффекты для клипа китайской поп-певицы. Об этом сообщает Еngadget.
"Специалисты компании Intel использовали искусственный интеллект для создания спецэффектов в клипе китайской поп-звезды Chris Lee на песню "Дождливый день, но мы вместе", - говорится в сообщении.
Данный клип стал первым где была применена подобная технология. Нейросеть смогла нарисовать эффекты серебристых капель на лице исполнительницы и сияние звезд. Также интеллект научился следить за лицом певицы, что позволило снимать клип без специального костюма с отслеживающими датчиками.
В Intel не исключают, что создание спецэффектов может стать одним из основных направлений разработки в ближайшее время.
Как сообщал NewsOne ранее, поп-певица Тарин Саутерн записала свой новый альбом в паре с искусственным интеллектом.
Источник: newsone.ua
292 054
Опыт успешной подготовки к прохождению собеседования на позицию специалиста по машинному обучению в LinkedIn, Salesforce Einstein, Google, Airbnb и Facebook https://medium.com/@XiaohanZeng/i-interviewed-at-five-top-companies-in-silicon-valley-in-five-days-and-luckily-got-five-job-offers-25178cf74e0f #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
292 054
Ученые обучили искусственный интеллект различать голоса в толпе
азработанные технологии с внедренным искусственным интеллектом ученые обучили распознавать голос определенного человека в речевом потоке толпы. Технологию, которую применили инженеры из Mitsubishi Electric, презентовали впервые на уникальной выставке «Comined Exhibition of Advanced Technologies» в Японии.
Для создания разработки специалисты использовали технику машинного обучения под названием «глубокое аггрегирование». Каждый индивид наделен уникальным «образцом голоса», поэтому технология способна распознавать особенности конкретного человека. После идентификации система производит распределение отдельных черт каждого из говорящих по категориям. В результате этого становится возможным отличить друг от друга конкретные голоса.
В эксперименте приняли участие 100 людей, которые говорили на английском языке. Эксперты отметили, что система распределяла голоса по группам даже в случае, если определенный человек говорил на японском языке. В один микрофон могут говорить два собеседника, при этом технология сможет отличить речь конкретного индивида с точностью до 90 %. Если подключить еще одного человека, то способность системы снижается на 10 %.
Источник: http://oane.ws #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
292 054
Transformer — новая архитектура нейросетей для работы с последовательностями
Необходимое предисловие: я решил попробовать современный формат несения света в массы и пробую стримить на YouTube про deep learning.
https://habrahabr.ru/post/341240/
292 054
Machine Learning Algorithms: Which One to Choose for Your Problem
#AI #MachineLearning #DeepLearning #ML #DL #tech
https://dzone.com/articles/machine-learning-algorithms-which-one-to-choose-fo …
292 054
Кейс по оценке кредитного риска при помощи алгоритмов машинного обучения => https://goo.gl/as65JQ
292 054
Этические и социальные проблемы развития искусственного интеллекта => https://goo.gl/bFHYkr
#искусственныйинтеллект #машинноеобучение #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
292 054
Прототип Adobe на базе искусственного интеллекта позволяет изменять содержание фото и видео
Успехи в искусственном интеллекте облегчают, как никогда, редактирование и управление фотографиями и изображениями. Компания Adobe продолжает разрабатывать новые, все более убедительные демонстрации этой технологии. Как заметил FastCo.Design, компания недавно продемонстрировала некоторые прототипы AI на своей ежегодной конференции MAX. Все они разрабатываются подразделением Sensei, занимающимся машинным обучением.
Последний из показанных инструментов, называемый Scene Stitch, представляет собой, в основном, расширенную версию Content Aware Fill, применяемый Adobe для удаления ненужных элементов из изображений. Но Content Aware Fill изменяет части изображения за счет других областей на этом же фото, а Scene Stitch использует вместо этого библиотеку фотографий Adobe. Он анализирует изображение, которое пользователь пытается редактировать, находит похожие сцены в фотобанке и дает возможность путем подмены изменить содержание части фотографии.
Adobe сообщает, что ведется работа над тем, чтобы сделать этот инструмент семантически осведомленным, поэтому он не только распознает состав изображения, но и контент, то есть то, что на нем изображено. Это, например, позволяет заменить одного человека большим количеством людей, деревья одного вида - деревьями другого вида. #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
292 054
Интервью с гендиректором компании Cognitive Technologies Андреем Черногоровым про внедрение методов машинного обучения в закупки. https://goo.gl/M14wqp
#hyperleeformachinelearning #hyperlee #machinelearning #машинноеобучение #интервью #закупки #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
292 054
Наверняка вы уже слышали, что прогамма AlphaGo обыграла сильнейшего игрока по игре Go в трёх матчах. Не прошло и года, как AlphaGo проиграла. Сто матчей из ста.
Встречайте нового победителя — AlphaGo Zero.
Новость не была бы такой интересной (ничего удивительного, что новая версия обыграла старую), если бы не одно но — новая версия была создана с нуля, и она (в отличие от AlphaGo)... не обучалась на партиях игроков–людей, а просто играла сама с собой. Сначала она делала бессмысленные случайные ходы, но уже через три дня, сыграв почти 5 млн партий, сумела обыграть предыдущего чемпиона с разгромным счётом.
Вдумайтесь — новая программа была получена путём выбрасывания из неё наших человеческих знаний об игре. В связи с чем она смогла освободиться от лишних ограничений и изобрела свои собственные превосходящие стратегии. То есть человеческое знание для обучения роботов не только бесполезно, но и вредно.
По правде сказать, в новой программе сделано ещё несколько изменений, и в частности такое — она запоминает, как каждый конкретный ход повлиял на окончательный результат, и на основе этого корректирует ходы в новых партиях. Но тем не менее. #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
