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
293 476
TJU-DHD dataset (object detection and pedestrian detection)
Github: https://github.com/tjubiit/TJU-DHD
Paper: https://arxiv.org/abs/2011.09170v1
@ai_machinelearning_big_data
293 476
Adversarial Examples in Deep Learning.
https://blog.djsarkar.ai/adversarial-learning-attacks-1/
Github: https://github.com/dipanjanS/adversarial-learning-robustness
@ArtificialIntelligencedl
293 476
Liquid Warping GAN with Attention: A Unified Framework for Human Image Synthesis.
https://www.impersonator.org/work/impersonator-plus-plus.html
Code: https://github.com/iPERDance/iPERCore
Paper: https://arxiv.org/pdf/2011.09055
Dataset: https://svip-lab.github.io/dataset/iPER_dataset.html
@ai_machinelearning_big_data
293 476
Learning Efficient GANs using Differentiable Masks and Co-Attention Distillation
Github: https://github.com/SJLeo/DMAD
Paper: https://arxiv.org/abs/2011.08382
@ai_machinelearning_big_data
293 476
🎨 Stylized Neural Painting.
https://jiupinjia.github.io/neuralpainter/
Github: https://github.com/jiupinjia/stylized-neural-painting
Paper: https://arxiv.org/abs/2011.08114
@ai_machinelearning_big_data
293 476
Text classification with an RNN | TensorFlow Core
https://www.tensorflow.org/tutorials/text/text_classification_rnn
Code: https://github.com/tensorflow/docs/blob/master/site/en/tutorials/text/text_classification_rnn.ipynb
@ai_machinelearning_big_data
293 476
💰Full scholarships for graduate degree programs in Artificial Intelligence
Mohamed bin Zayed University of Artificial Intelligence - first in the world, graduate level, research-based institution that offers graduate degree programs to local and international students.
🌍Location: Abu Dhabi, UAE
✅Language of instruction - English
Offerings:
📍MSc in Machine Learning
📍MSc in Computer Vision
📍MSc in Natural Language Processing (Starting Spring 2022)
📍PhD in Machine Learning
📍PhD in Computer Vision
📍PhD in Natural Language Processing (Starting Spring 2022)
💰Scholarship Benefits:
- 100% tuition
- Accommodation
- Health Insurance
- Flight tickets
- Monthly Stipend (2100/2700$)
Application is open for Fall 2021
🚦Deadline: January 15, 2021
Contact:
Atrach@iie.org
+7 925 616-41-76
Learn more here
293 476
Tensorflow + dalex, or how to explain a TensorFlow model
Article: https://www.kdnuggets.com/2020/11/dalex-explain-tensorflow-model.html
Code: https://dalex.drwhy.ai/python-dalex-tensorflow.html
Explanatory Model Analysis: https://pbiecek.github.io/ema/
@ai_machinelearning_big_data
293 476
Fast Patch-Free Global Learning Framework for Fully End-to-End Hyperspectral Image Classification
Github: https://github.com/Z-Zheng/FreeNet
Paper: https://ieeexplore.ieee.org/document/9007624
@ai_machinelearning_big_data
293 476
Математика — зеленый свет к крутым должностям в Data Science. Твоя уверенность в результатах аналитики — твое конкурентное преимущество на собеседованиях.
Math for Data Science от OTUS — 5 месяцев онлайн-практики и прикладных для профессии навыков.
Выбери свой уровень подготовки — базовый или продвинутый и пройди вступительный тест, чтобы:
• оценить свои навыки
• занять место по специальной цене
• получить доступ к демо-урокам курсов
• попасть в закрытое сообщество профессионалов
👉Пройти тестирование: https://otus.pw/YFbC/
293 476
Deep Multimodal Fusion by Channel Exchanging
Github: https://github.com/yikaiw/CEN
Dataset: https://cs.nyu.edu/~silberman/datasets/nyu_depth_v2.html
Paper: https://arxiv.org/abs/2011.05005
@ai_machinelearning_big_data
293 476
Workshop Акселератора Data Science 15.11 (это воскресенье) в 13:00
“Построение траектории развития в Data Science для продвинутых специалистов” 👉 https://skillfactory.ru/dsexpert-workshop1511?utm_source=ml
Что?
В прямом эфире лучшие эксперты индустрии поделятся своим опытом и помогут вам понять, в какую сторону двигаться для достижения вашей цели:
- Проанализируют ваше резюме,
- Посоветуют, с каким проектами вам стоит поработать,
- Построят вашу траекторию развития
Как?
… уже работающему специалисту Data Science поддерживать свою ценность для своей компании, расти дальше и стать тем самым сотрудником, которого мечтают получить ведущие компании, предлагая самые интересные проекты, сильные команды и лучшие условия;
… из тысяч статей, уроков, вебинаров Computer Vision, Machine Learning, NLP и Reinforcement Learning выбрать самое ценное и составить свою траекторию развития.
Для кого?
Для профессионалов в области машинного обучения, анализа данных и data engineering.
Кто?
- Валентин Малых, Senior Research Scientist в Huawei.
Опубликовал исследовательскую работу на тему: «SumTitles: a Summarization Dataset with Low Extractiveness»
- Полунина Полина, Ex руководитель Data Science направлений HR, Финансы, Видеоаналитика в группе “М.Видео-Эльдорадо“.
Победительница международных чемпионатов по анализу данных, основала с нуля 3 Data Science направления (HR, Финансы, Видео-аналитика)
- Александр Кондрашкин, CTO & Co-Founder в loyaltylab.co, спикер Nvidia GTC.
Кратно улучшил рекомендации в offline ритейле
Как?
Онлайн! Микролекции от спикеров + воркшоп. Тайминг мероприятия 90 минут.
Когда?
15 ноября (вс) в 13:00 (по московскому времени)
Хотите посмотреть, какая траектория получится у вас? Пример возможной траектории 👉 http://joxi.ru/12MvZolcknlJ5A
Регистрируйтесь 👉 https://skillfactory.ru/dsexpert-workshop1511?utm_source=ml
Здесь полезная информация о курсе и не только 👉 https://t.me/SkillFactory_PRO
293 476
🐼 Pandas on Steroids: End to End Data Science in Python with Dask
https://www.kdnuggets.com/2020/11/pandas-steroids-dask-python-data-science.html
How to Work with BIG Datasets : https://www.kaggle.com/yuliagm/how-to-work-with-big-datasets-on-16g-ram-dask
@ai_machinelearning_big_data
293 476
Tequila is an Extensible Quantum Information and Learning Architecture
Github: https://github.com/aspuru-guzik-group/tequila
Paper: https://arxiv.org/abs/2011.03057v1
@ai_machinelearning_big_data
293 476
Анализируешь данные, изучаешь data science или разрабатываешь ML-приложения и их прототипы? Недавно @selectelnews выпустил бесплатный Data Science Docker Container с фреймворками и инструментами ML/DL.
Без навыков Devops с его помощью можно развернуть рабочую среду и обучать нейросети, экспериментировать с данными и запускать проекты машинного обучения.
Из явных плюсов:
— Выгодная оплата — платить нужно только за потребляемые ресурсы в облаке или кластере Managed Kubernetes. Если запускаешь контейнер на своем компьютере — платить вообще не нужно.
— Понятная документация. @selectelnews снял двухминутную инструкцию со всеми этапами запуска контейнера и описал процесс в базе знаний.
Запускай контейнер по ссылке: https://slc.tl/iEVET
