![Data Science | Machinelearning [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1dVo3O%2F5217464346798572541%3Fty%3Dl&w=48&q=75){kind=small}
Data Science | Machinelearning [ru]
Открыть в Telegram
Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM. MAX - https://max.ru/devsp Личный блог - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD
Больше![Сеть: Frontender's notes [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1qrVZ3%2F5348049928330532677%3Fty%3Dx&w=32&q=75){kind=small}
📈 Аналитический обзор Telegram-канала Data Science | Machinelearning [ru]
Канал Data Science | Machinelearning [ru] (@devsp) языкового сегмента Русский является активным участником. Сейчас сообщество объединяет 19 667 подписчиков, занимая 6 673 место в категории Технологии и приложения и 33 353 место в регионе Россия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 19 667 подписчиков.
Согласно последним данным от 08 ноября, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -100, а за последние 24 часа — -7, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 7.46%. В первые 24 часа после публикации контент обычно набирает 4.46% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 1 467 просмотров. В течение первых суток публикация набирает 877 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 5.
- Тематические интересы: Контент сосредоточен на ключевых темах, таких как llm, nvidia, контекст, openai, архитектура.
📝 Описание и контентная политика
Автор описывает ресурс как площадку для выражения субъективного мнения:
“Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM.
MAX - https://max.ru/devsp
Личный блог - @just_genych
По вопросам рекламы или разработки - @g_abashkin
РКН: https://vk.cc/cJPGXD”
Благодаря высокой частоте обновлений (последние данные получены 09 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.
19 667
Подписчики
-724 часа
-297 дней
-10030 дней
Архив постов
![Data Science | Machinelearning [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1dVo3O%2F5217464346798572541%3Fty%3Dx&w=64&q=75){kind=small}
Как прокачать свои знания в ИТ и стать уверенным специалистом по машинному обучению и ИИ?
Магистратура Университета ИТМО Проектирование и разработка систем искусственного интеллекта
Вы научитесь создавать законченный программный продукт и станете программистом сложных многокомпонентных систем со знаниями в области искусственного интеллекта. На программе 22 бюджетных места, а поступить можно дистанционно.
На программе вы научитесь:
• собирать бизнес-требования к системам;
• понимать особенности использования методов и технологий машинного обучения и их встраивания в продуктовые системы;
• проектировать архитектуры систем машинного обучения (ML system design), включая инференс модели;
• строить системы мониторинга и сопровождать модели машинного обучения;
• работать с инструментами MLFlow, AirFlow, DVC, Tensorboard, ClearML и др.
Большинство преподавателей сотрудники крупных ИТ-компаний. Партнеры программы компании MTS, VK Education, Nexign.
После выпуска вы сможете работать архитектором систем искусственного интеллекта (AI Architect), руководителем команды разработки ML-систем (ML TeamLead или ML Project Manager).
Полное описание программы и подача документов по ссылке.
Реклама. Университет ИТМО ИНН:7813045547 erid:2VfnxxkNTfe
💻 AutoCodeRover: Autonomous Program Improvement
AutoCodeRover — это полностью автоматизированный подход к решению проблем GitHub (исправление ошибок и добавление функций), в котором LLM сочетается с возможностями анализа и отладки для определения приоритетности местоположений исправлений, которые в конечном итоге приводят к созданию исправления.
AutoCodeRover решает ~ 16 % проблем SWE-bench (всего 2294 проблем GitHub) и ~ 22 % проблем SWE-bench lite (всего 300 проблем GitHub), улучшая текущую эффективность инженеров-программистов искусственного интеллекта.
▪️Github
▪️Paper
@Devsp — Подписаться
Приглашаем выпускников и студентов старших курсов программ бакалавриата по математике и IT испытать себя сложными математическими задачами машинного обучения в рамках олимпиады «Математика машинного обучения».
Победители олимпиады получат призы и могут быть зачислены на совместную магистратуру Сколтеха и НИУ ВШЭ «Математика машинного обучения» (победа в олимпиаде приравнивается к успешному прохождению конкурсного отбора).
Регистрация открыта до 5 мая, успейте подать заявку и загрузить все документы
⚡️ LLMRec: Large Language Models with Graph Augmentation for Recommendation
LLMRec — это новая структура, которая расширяет возможности рекомендателей за счет применения трех простых, но эффективных стратегий расширения графов на основе LLM к системе рекомендаций.
🖥 Github: https://github.com/hkuds/llmrec
📕Paper: https://arxiv.org/abs/2311.00423v1
⏩Project: https://llmrec.github.io/
🌐 Dataset: https://llmrec.github.io/#
@Devsp — Подписаться
🖥TORCH UNCERTAINTY
TorchUncertainty — это пакет, разработанный, чтобы помочь вам использовать методы количественной оценки неопределенности и сделать ваши глубокие нейронные сети более надежными.
TorchUncertainty в настоящее время поддерживает классификацию, вероятностную и точечную регрессию и сегментацию.
🖥 Github: https://github.com/ensta-u2is/torch-uncertainty
📕Paper: https://arxiv.org/abs/2311.01434v1
⏩Project: https://llmrec.github.io/
👣Api: https://torch-uncertainty.github.io/api.html
🌐 Dataset: https://paperswithcode.com/dataset/cifar-10
@Devsp — Подписаться
📊 Хотите углубиться в Machine Learning или Data Science?
Начните с изучения базовых методов парсинга и работы с html! Приходите на бесплатный практический урок от OTUS. Спикер Мария Тихонова — PhD Computer Science, Senior Data Scientist в SberDevices и преподаватель ВШЭ.
💻 На вебинаре вы:
— освоите основные принципы работы c html в Python;
— изучите основные инструменты парсинга;
— научитесь скачивать различные типы данных с сайтов на сайты.
👉 Встречаемся 22 апреля в 18:00 мск в рамках курса «Machine Learning. Professional». Все участники вебинара получат специальную цену на обучение и консультацию от менеджеров OTUS!
🟢 Пройдите короткий тест прямо сейчас, чтобы посетить бесплатный урок: https://otus.pw/Yn0U/
Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru
⚡️ EntitySeg Toolbox: Towards open-world and high-quality image segmentation
EntitySeg — это набор инструментов с открытым исходным кодом, предназначенный для сегментации изображений в открытом мире и высокого качества.
🖥 Github: https://github.com/qqlu/entity
📕Paper: https://arxiv.org/abs/2311.03352v1
🌐 Dataset: https://paperswithcode.com/dataset/coco
@Devsp — Подписаться
🚀 Introducing YOLO-NAS Pose : A Game-Changer in Pose Estimation
YOLO-NAS обеспечивает современную производительность с непревзойденной точностью и скоростью, превосходя другие модели, такие как YOLOv5, YOLOv6, YOLOv7 и YOLOv8.
Для решения различных задач модель выпускается в четырех вариантах, каждый из которых имеет свой размер и время задержки.
Также доступна модель YOLO-NAS-POSE для оценки позы, обеспечивающая современный компромисс между точностью и производительностью.
🖥 Github: https://github.com/Deci-AI/super-gradients
📕Notebook: https://colab.research.google.com/drive/1O4N5Vbzv0rfkT81LQidPktX8RtoS5A40
🚀 Demo: https://huggingface.co/spaces/Deci/YOLO-NAS-Pose-Demo
🌐 Colab: https://colab.research.google.com/drive/1agLj0aGx48C_rZPrTkeA18kuncack6lF
@Devsp — Подписаться
Данные сегодня ценнее золота. А умение извлекать из них пользу — навык, который уже сейчас нужен крупным работодателям.
Приходите на день открытых дверей онлайн-бакалавриата «Аналитика и Data Science» от ТюмГУ и Нетологии, чтобы погрузиться в тему больших данных. Встреча пройдёт 20 апреля в 14:00 мск.
Вы узнаете:
- Кто работает с данными и чем именно занимаются эти специалисты.
- Какие знания и навыки нужны, чтобы реализоваться в профессии.
- Как устроено обучение в бакалавриате и что входит в программу.
- Какие есть требования к поступлению.
Погрузитесь в одну из самых востребованных и перспективных профессий. Регистрируйтесь, чтобы сделать первый шаг к карьере аналитика или Data Scientist.
Записаться → https://netolo.gy/c4qL
Реклама ООО “Нетология” LatgBkVCK
🔥Создание 3D-моделей из плоской картинки с помощью DUSt3R
DUSt3R — новый подход геометрического конструирования 3D на основе 2D (Dense and Unconstrained Stereo 3D Reconstruction).
DUSt3R не требует калибровки камеры или данных о точке обзора.
🖥GitHub
@Devsp — Подписаться
🔥Wunjo AI — open-source проект позволяющий создавать дипфейки и не только
Wunjo AI - это локальное приложение, которое работает даже на слабых компьютерах, предоставляя вам возможности по созданию контента, любой длительности, т.е. по своей природе веб-сервисы не могут позволить обрабатывать часовые фильмы, а Wunjo AI может - это долго.
Помимо создания дипфейков этот проект с открытым исходным кодом может клонировать речь, генерировать видео, удалять текст и объекты, а также получать изображения без фона, прямо на вашем компьютере.
Приложение полностью бесплатное и с открытым исходным кодом, использует вычислительные ресурсы вашего компьютера, а не сервера.
📎Описание Wunjo AI от автора
📎GitHub
@Devsp — Подписаться
🚀 Освойте мониторинг и управление производительностью в Spark
👉 Приходите на бесплатный практический урок от OTUS, где вы вместе с опытным экспертом разберете:
— какие ключевые показатели производительности (KPIs) следует отслеживать для приложений Spark;
— подходы и практики для настройки мониторинга в реальном времени в кластерах Spark;
— инструменты и платформы для мониторинга и логирования;
— стратегии для сбора, анализа и визуализации метрик и логов в приложениях Spark.
💻 Встречаемся 18 апреля в 20:00 мск в рамках курса «Spark Developer». Доступна рассрочка на обучение!
🔥 Пройдите короткий тест прямо сейчас, чтобы посетить бесплатный урок и получить запись: https://otus.pw/Yn0U/
Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru
🔥 Text Generation Inference v2.0.0 — готовый сервер для инференса LLM, написанный на Rust, Python и gRPC.
Text Generation Inference (TGI) — это набор инструментов для развертывания и обслуживания моделей большого языка (LLM).
TGI обеспечивает высокопроизводительную генерацию текста для самых популярных LLM с открытым исходным кодом, включая Llama, Falcon, StarCoder, BLOOM, GPT-NeoX и других.
В новую версию Text Generation Inference добавлена поддержка модели Command R+.
Используя возможности Medusa heads, на тестах достигается беспрецедентная скорость с задержкой всего в 9 мс на токен для модели 104B!
• Github
• Установка
@Devsp — Подписаться
🚀 Whisper-V3 / Consistency Decoder
Whisper — это предварительно обученная модель автоматического распознавания речи (ASR) и перевода речи.
Модели Whisper, обученные на 680 тысячах часов размеченных данных, демонстрируют сильную способность обобщать множество наборов данных и областей без необходимости тонкой настройки.
Модели, говорящие только на английском языке, были обучены задаче распознавания речи.
Для распознавания речи модель прогнозирует транскрипцию на том же языке, что и звук.
- Whisper paper: https://arxiv.org/abs/2212.04356
- Whisper-V3 checkpoint: https://github.com/openai/whisper/discussions/1762
- Consistency Models: https://arxiv.org/abs/2303.01469
- Consistency Decoder release: https://github.com/openai/consistencydecoder
@Devsp — Подписаться
Хотите учиться у экспертов в области IT? Школа анализа данных Яндекса принимает заявки до 12 мая, успейте зарегистрироваться.
ШАД для вас, если вы:
· интересуетесь Machine Learning
· имеете хорошую математическую подготовку
· уверенно владеете каким-либо языком программирования
Программа длится два года, обучение бесплатное. Можно выбрать одно из направлений: Data
Science, инфраструктура больших данных, разработка машинного обучения или анализ
данных и ИИ в прикладных науках.
Больше об учёбе в ШАД и возможностях для выпускников расскажем на днях открытых
дверей. Узнать даты и зарегистрироваться можно по ссылке.
🪞 Mirror: A Universal Framework for Various Information Extraction Tasks
Мощный инструмент для решения практически всех задач извлечения и унификации информации.
Предварительно обученная модель Mirror в настоящее время поддерживает задачи IE на английском языке.
🖥 Github: https://github.com/Spico197/Mirror
📕Paper: https://arxiv.org/abs/2311.05419v1
🌐 Dataset: https://paperswithcode.com/dataset/glue
@Devsp — Подписаться
⚡️ LCM-LoRA: A Universal Stable-Diffusion Acceleration Module
LoRA представляя собой универсальный ускоритель для различных задач генераций изображений.
Новый подход, который значительно уменьшает нагрузку на диффузионные модели для генерации изображений. Подход позволяет перевести любую существующую обученную LDM на быструю генерацию.
LCM можно выделить из любой предварительно обученной стабильной диффузии (SD) всего за 4000 шагов обучения (около 32 часов графического процессора A100) для создания высококачественных изображений с разрешением 768 x 768 за 2–4 шага или даже за один шаг, что значительно ускоряет обработку текста и генерацию изображения.
🖥 Github: https://github.com/luosiallen/latent-consistency-model
📕Paper: https://arxiv.org/abs/2311.05556v1
🌐 Project: https://latent-consistency-models.github.io
🤗 Demo: https://huggingface.co/spaces/SimianLuo/Latent_Consistency_Model
@Devsp — Подписаться
⚡️ LLocalSearch: completely locally running meta search engine using LLM Agents
LLocalSearch — это полностью локально работающий поисковый агрегатор с использованием агентов LLM.
Пользователь может задать вопрос, и система будет использовать цепочку LLM для поиска ответа.
▪️Github
@Devsp — Подписаться
🦾 Griffin: Mixing Gated Linear Recurrences with Local Attention for Efficient Language Models
Griffin соответствует производительности Llama-2, несмотря на то, что он обучен более чем в 6 раз меньшему количеству токенов.
Он может экстраполировать последовательности, значительно более длинные, чем те, которые наблюдались во время обучения.
▪️Статья: arxiv.org/abs/2402.19427
▪️Версия 2B на hugging face: huggingface.co/google/recurrentgemma-2b
@Devsp — Подписаться
🔥Мощная модель LLM для локального использования — Qwen 72B
Qwen — создан на массивной языковой модели и был обучен на ошеломляющих 3 триллионах токенов многоязычных данных.
Это чудо искусственного интеллекта понимает как английский, так и китайский язык, и было точно настроено для взаимодействия, подобного человеческому.
📎Перевод инструкции по установке
🖥GitHub
@Devsp — Подписаться
