![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 19 659 подписчиков, занимая 6 684 место в категории Технологии и приложения и 33 399 место в регионе Россия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 19 659 подписчиков.
Согласно последним данным от 09 ноября, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -107, а за последние 24 часа — -8, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 7.48%. В первые 24 часа после публикации контент обычно набирает 4.48% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 1 471 просмотров. В течение первых суток публикация набирает 881 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 10 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.
19 659
Подписчики
-824 часа
-297 дней
-10730 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}
📈 PromptBench: A Unified Library for Evaluating and Understanding Large Language Models.
PromptBench - это основанный на Pytorch пакет Python для оценки больших языковых моделей (LLM). Он предоставляет удобные API для исследователей, чтобы проводить оценку LLM.
🖥Code: https://github.com/microsoft/promptbench
🌟Docs: https://promptbench.readthedocs.io/en/latest/
📚Paper: https://arxiv.org/abs/2312.07910v1
⚡️Dataset: https://paperswithcode.com/dataset/mmlu
@Devsp — Подписаться
⚡️ UDiffText: A Unified Framework for High-quality Text Synthesis in Arbitrary Images via Character-aware Diffusion Models ✒ Colab 🥳
UDiffText: Единая платформа для высококачественной генерации текста на изображениях с помощью моделей диффузии.
🖥code: https://github.com/ZYM-PKU/UDiffText
⚡️page: https://udifftext.github.io
📚paper: https://arxiv.org/abs/2312.04884
🔥colab: https://github.com/camenduru/UDiffText-colab
@Devsp — Подписаться
🔊Amphion: An Open-Source Audio, Music, and Speech Generation Toolkit
Amphion — набор инструментов для создания аудио, музыки и речи. Его цель — поддержать воспроизводимые исследования и помочь младшим исследователям и инженерам начать работу в области исследований и разработок в области аудио, музыки и генерации речи. Amphion предлагает уникальную функцию: визуализацию классических моделей или архитектур.
🖥GitHub: https://github.com/open-mmlab/Amphion
📚Paper: arxiv.org/abs/2312.09911
🥩HF: https://huggingface.co/amphion
@Devsp — Подписаться
📽 Модель YandexGPT, которая пересказывает видео
В этой статье специалисты Яндекса рассказали, как внедрили в Браузер пересказ видео любой длины от нейросети. В материале привели полный пайплайн решения, рассказали о реализации с технической и с точки зрения UX продукта и разобрали причины, почему модель YandexGPT, заточенная под суммаризацию статей, не подходит для пересказа видео.
✍️ Habr: https://habr.com/ru/companies/yandex/articles/795397/
@Devsp — Подписаться
😂 Когда реально понял что такое скорость
@Devsp — Подписаться
🧐FIND: Interface Foundation Models' Embeddings
FIND может встраивать DD в модели IN- интерфейса Foundation в чередующееся общее пространство внедрения.
🖥Code: https://github.com/UX-Decoder/FIND
🎓Demo: http://find.xyzou.net/
🔮Project Page: https://x-decoder-vl.github.io
🥩Demo: http://find.xyzou.net
📚ArXiv: https://arxiv.org/pdf/2312.07532.pdf
@Devsp — Подписаться
⚡️ MotionCtrl: A Unified and Flexible Motion Controller for Video Generation
MotionCtrl может независимо управлять сложным движением камеры и движением объектов в созданных видео, используя только унифицированную модель.
🖥Code: https://github.com/TencentARC/MotionCtrl
🎓Colab: https://github.com/camenduru/MotionCtrl-colab
🔮Project Page: https://openxlab.org.cn/apps/detail/camenduru/MotionCtrl
📚ArXiv: https://arxiv.org/abs/2312.03641
@Devsp — Подписаться
⭐️ComfyUI-3D-Pack
Обширный набор узлов, который позволяет ComfyUI обрабатывать 3D-входы (сетки и UV-текстуры и т. д.) с использованием передовых алгоритмов (3DGS, NeRF и т. д.).
▪ComfyUI-3D-Pack: https://github.com/MrForExample/ComfyUI-3D-Pack
▪TGS: https://github.com/VAST-AI-Research/TriplaneGaussian
@Devsp — Подписаться
🧮 OpenMathInstruct-1: A 1.8 Million Math Instruction Tuning Dataset
OpenMathInstruct-1 — это набор данных для настройки математических инструкций, содержащий 1,8 миллиона пар «задача-решение», созданный с использованием лицензированной модели Mixtral-8x7B.
▪Dataset: https://huggingface.co/datasets/nvidia/OpenMathInstruct-1
▪Paper: https://huggingface.co/papers/2402.10176
@Devsp — Подписаться
🫥 Конференция UNION ALL: объединяем экспертов и дата-технологии
📆 20 марта, онлайн и офлайн (Москва, «Синема Парк Мосфильм»)
Большая конференция, на которой поговорим о работе с данными и о цифровой трансформации.
Приглашённые эксперты отрасли поделятся практическим опытом построения [ТХ1] дата-проектов в облаке — от создания корпоративных хранилищ данных в облаке до построения систем скоростной аналитики.
Также обсудим:
⏺ возможности работы с YandexGPT и запуск собственных ML-моделей;
⏺ безопасное хранение данных в облаке;
⏺ актуальные новости о сервисе для визуализации данных DataLens.
А ещё будет секретный доклад, зоны для нетворкинга, чат-бот для бизнес-знакомств, стильный мерч и афтепати.
Можно участвовать онлайн и офлайн.
📌 Участвую
🧐Enhancing Video Super-Resolution via Implicit Resampling-based Alignment
Video Super-Resolution — это задача компьютерного зрения, целью которой является увеличение разрешения видеопоследовательности, обычно от более низкого разрешения к более высокому. Цель состоит в том, чтобы генерировать видеокадры с высоким разрешением из входных данных с низким разрешением, улучшая общее качество видео.
🖥Github: https://github.com/kai422/iart
📕Paper: https://github.com/kai422/IART/blob/main/arxiv.pdf
🔥Datasets: https://paperswithcode.com/task/video-super-resolution
@Devsp — Подписаться
Почему стоит зарегистрироваться на GitVerse?
Разработчикам теперь доступна GitVerse – новая российская платформа от СберТеха для работы с исходным кодом.
Сервис позволяет бесплатно создавать проекты с открытым и закрытым кодом, приглашать новых участников и общаться с единомышленниками в ИТ-сообществе.
- Привлекайте соавторов для разработки и развития своего проекта с открытым исходным кодом.
- Разрешайте вносить изменения в репозиторий, получайте запросы на слияние и объединяйте ветки.
- Проверяйте и комментируйте код, объединяйте изменения.
- Оптимизируйте рабочий процесс: назначайте ответственных за ревью и отслеживайте результат.
- Переносите репозитории с других платформ и храните код в надежном месте.
Переходите на новый уровень разработки с GitVerse.
Зарегистрируйтесь и начните совместную работу над проектом уже сейчас.
🗣 EasyKV
EasyKV — это пакет Pytorch, предназначенный для вывода генеративной языковой модели с ограничением кэша ключей.
🖥Github: https://github.com/drsy/easykv
📕Paper: https://arxiv.org/pdf/2402.06262v1.pdf
🔥Datasets: https://paperswithcode.com/dataset/webtext
@Devsp — Подписаться
Что такое BI-платформы и как аналитику с ними работать?
Расскажет Роман Козлов — ведущий аналитик в ГКУ «Новые технологии управления». Встречаемся на бесплатном практическом уроке от OTUS, где вы разберете:
- определение и признаки BI-систем;
- задачи BI-систем;
- тренды развития;
- лидеры рынка vs Open-source.
После урока вы сможете выбрать BI-платформу в зависимости от поставленных задач.
Занятие пройдёт 5 марта в 20:00 мск и будет приурочено к старту курса «BI-аналитика». Доступна рассрочка на обучение!
Пройдите короткий тест прямо сейчас, чтобы занять место на открытом уроке и получить запись: https://otus.pw/QIc9/
Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576
🎛 TIA Toolbox
TIAToolbox — это набор инструментов для вычислительной патологии, разработанный TIA Center, который предоставляет комплексный API для анализа изображений патологии с использованием лучших практик. Он основан на PyTorch , популярной платформе глубокого обучения, которая обеспечивает эффективную и гибкую реализацию самых современных алгоритмов. TIAToolbox поддерживает множество функций через интерфейс командной строки и может интегрироваться со стандартными модулями PyTorch. Он также предлагает инструменты для загрузки данных, предварительной обработки, вывода модели, постобработки и визуализации.
🖥Github: https://github.com/tissueimageanalytics/tiatoolbox
📕Paper: https://arxiv.org/pdf/2402.09990v1.pdf
✨Tasks: https://paperswithcode.com/task/whole-slide-images
@Devsp — Подписаться
Прямо сейчас в три команды Авито ищут дата-сайентистов:
1️⃣ Data Scientist в платформу анализа коммуникаций (Automated Speech Recognition)
2️⃣ Data Scientist в команду антифрода
3️⃣ Data Scientist в команду рекомендаций
Если вам хочется улучшать опыт миллионов пользователей, скорее откликайтесь!
Вас ждут интересные и сложные задачи на большом масштабе, а ещё:
– достойная зарплата (обсуждается индивидуально на собеседовании);
– сильная команда, которая всегда готова прийти на помощь;
– возможность изучать и пробовать новое, мощное железо для этого;
– бюджет на обучение, который можно тратить на курсы или профессиональную литературу;
– забота о здоровье: с первого дня у вас будет ДМС со стоматологией, в офисе принимают терапевт и массажист;
– возможность работать удалённо или из классных офисов в четырёх городах России.
Переходите по ссылкам и оставляйте отклики.
👾PDD: Positional Discourse Divergence
PDD — это новая автоматическая метрика, предназначенная для количественной оценки расхождения в дискурсе между двумя длинными статьями. Он разделяет предложения статьи на несколько ячеек позиций и вычисляет расхождение в структурах дискурса внутри каждой ячейки.
🖥Github: https://github.com/williamlyh/pos_div_metric
📕Paper: https://arxiv.org/pdf/2402.10175v1.pdf
🔥Dataset: https://paperswithcode.com/dataset/recipe1m-1
✨Tasks: https://paperswithcode.com/task/coherence-evaluation
@Devsp — Подписаться
👾PDD: Positional Discourse Divergence
PDD — это новая автоматическая метрика, предназначенная для количественной оценки расхождения в дискурсе между двумя длинными статьями. Он разделяет предложения статьи на несколько ячеек позиций и вычисляет расхождение в структурах дискурса внутри каждой ячейки.
🖥Github: https://github.com/williamlyh/pos_div_metric
📕Paper: https://arxiv.org/pdf/2402.10175v1.pdf
🔥Dataset: https://paperswithcode.com/dataset/recipe1m-1
✨Tasks: https://paperswithcode.com/task/coherence-evaluation
@Devsp — Подписаться
Если вы увлекаетесь Computer Science настолько, что хотите перейти от типовых кейсов к задачам со звёздочкой, советуем обратить внимание на образовательные программы под руководством экспертов-практиков. Такие форматы, насыщенные живым общением и возможностью поработать над реальными проектами, - лучший способ выйти на новый уровень.
Начать можно с интенсивов. Например, в апреле Яндекс Образование проведёт бесплатный двухнедельный студкемп по машинному обучению на базе НИУ ВШЭ. Среди преподавателей эксперты из Школы анализа данных, Яндекса и ВШЭ. Программа кемпа направлена на насыщенную практическую работу и обмен опытом - отличная возможность добавить новый проект и сертификат в портфолио.
На программе ждут студентов профильных направлений. Чтобы подать заявку, заполните анкету участника до 29 февраля. Всем, кто успешно пройдёт отбор, Яндекс Образование оплатит дорогу и проживание. Поторопитесь - количество мест ограничено.
