Machine learning Interview
Открыть в Telegram
ИИ, Rust, вайбкодинг, Data Science, Deep Learning и делюсь тем, что интересно и полезно! Вопросы - @workakkk РКН: clck.ru/3FmwRz
Больше
📈 Аналитический обзор Telegram-канала Machine learning Interview
Канал Machine learning Interview (@machinelearning_interview) языкового сегмента Русский является активным участником. Сейчас сообщество объединяет 30 574 подписчиков, занимая 4 355 место в категории Технологии и приложения и 20 915 место в регионе Россия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 30 574 подписчиков.
Согласно последним данным от 04 ноября, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило 246, а за последние 24 часа — 4, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 10.94%. В первые 24 часа после публикации контент обычно набирает 6.98% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 3 344 просмотров. В течение первых суток публикация набирает 2 134 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 19.
- Тематические интересы: Контент сосредоточен на ключевых темах, таких как claude, llm, контекст, hermes, nvidia.
📝 Описание и контентная политика
Автор описывает ресурс как площадку для выражения субъективного мнения:
“ИИ, Rust, вайбкодинг, Data Science, Deep Learning и делюсь тем, что интересно и полезно!
Вопросы - @workakkk
РКН: clck.ru/3FmwRz”
Благодаря высокой частоте обновлений (последние данные получены 05 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.
30 574
Подписчики
+424 часа
-97 дней
+24630 дней
Архив постов
🔥 GaLore is a new Memory Efficient Fine-tuning Technique
GaLore - это новый метод файнтюнинга, позволяющий эффективно использовать память, для “полной настройки” моделей с миллиардами параметров, таких как Llama 2 7B на графических процессорах. В отличие от LoRa, GaLore сокращает объем памяти, проецируя состояния оптимизатора и градиенты в более низкое измерение. 🤯
🚀 Обучает модели до 7 миллиардов параметров на графических процессорах, таких как NVIDIA RTX 4090
💾 До 82,5% сокращается объем памяти для хранения состояний оптимизатора
🔺 Может комбинироваться с 8-разрядными оптимизаторами для максимальной эффективности памяти
🥇 Превосходит LoRa на GLUE и предварительную подготовку Llama на C4
🤗 Интегрирован в Hugging Face Transformers с galore_adamw или galore_adamw_8bit
Статья: https://huggingface.co/papers/2403.03507
Блог с примерами: https://huggingface.co/blog/galore
@machinelearning_interview
+1🖥 Cheatsheet по Pandas
Держите годную шпаргалку по работе с библиотекой Pandas, тут описано самое основное, что может понадобиться в работе:
⏩Группировка данных по заданным параметрам.
⏩Объединение нескольких таблиц в одну сводную.
⏩Очищение данных от дубликатов и невалидных строк или столбцов.
⏩Вывод определенных значений по фильтрам или уникальности.
⏩Использование агрегирующих функций, включая подсчет значений, суммы элементов, определение среднего значения.
⏩Визуализация собранных данных.
Пользуйтесь)
@pythonl
🤖 Выступите с докладом про AI и ML в кибербезопасности на PHDays Fest 2 в «Лужниках»!
AI — угроза или революция? Как бы то ни было, с угрозами и возможностями использования AI и ML, в том числе в сфере кибербезопасности, мы сталкиваемся уже сегодня.
Вы эксперт в этой теме и у вас есть свежий взгляд на актуальные проблемы искусственного интеллекта в кибербезе и на пути их решения? Тогда вы можете собрать на доклад целый стадион! Успейте до 1 апреля подать заявку на выступление на киберфестивале Positive Hack Days 2, который пройдет с 23 по 26 мая в Москве.
Успейте подать заявку до 1 апреля на сайте киберфестиваля
🔥 Вот обновленная таблица теоретического сравнения TFLOPS, включающая только что анонсированные B100 и B200:
https://github.com/stas00/ml-engineering/tree/master/compute/accelerator#tflops-comparison-table
@machinelearning_interview
Is Fashion ML Profession?
Правильный ответ Lamoda Tech назовет на Data Science митапе 28 марта. Приходиобсудить ML-эксперименты и готовые решения «под капотом» крупнейшей моднойплатформы в России!
Раскроем все details: как адаптируем каталог под индивидуальный стильпользователей, отвечаем на сложные запросы в поиске, подбираем образы на уровнестилистов и рекомендуем подходящие размеры.
Программа:
19:05 Data Science в Lamoda: особенности применения ML в Fashion E-commerce
Александр Желубенков, Head of Data Science
19:35 Рекомендация размера с помощью машинного обучения
Никита Чуркин, Teamlead of Personalisation
20:20 В поисках стиля: Deep Learning в fashion-индустрии
Илья Черников, Senior Data Scientist
Между выступлениями и после будем общаться за вкусными закусками и напитками, аеще поиграем в настольный теннис и кикер.
Ждем вас в нашем офисе или онлайн! Регистрация обязательна по ссылке
⚡️ Статья от ML-разработчика Яндекса о том, что такое квантизация нейросетевых моделей, зачем она нужна и как с ней работать.
Квантизация — это процесс преобразования значений из представления с большим объёмом информации в более компактное представление. Она позволяет повысить эффективность модели, сэкономить ресурсы и улучшить пользовательский опыт. О методах, типах данных и сложностях, с которыми встречаются ML-инженеры, можно прочитать в статье.
▪️ Хабр
@machinelearning_interview
📌Статья про метод главных компонент (PCA)
⏩Метод главных компонент (Principal Component Analysis или же PCA) — алгоритм обучения без учителя, используемый для понижения размерности и выявления наиболее информативных признаков в данных. Его суть заключается в предположении о линейности отношений данных и их проекции на подпространство ортогональных векторов, в которых дисперсия будет максимальной.
⏩В статье рассказывается о том, что:
• PCA может быть реализован с использованием различных методов, включая вычисление собственных векторов и собственных значений ковариационной матрицы данных и сингулярное разложение матрицы данных.
• PCA имеет преимущества, такие как понижение размерности с сохранением большого количества информации и ускорение обучения моделей.
• Однако PCA также имеет недостатки, включая потерю части информации в данных и отсутствие смыслового значения главных компонент.
• Существуют альтернативы PCA, такие как LLE, t-SNE, UMAP и autoencoders, которые могут быть предпочтительными в определенных ситуациях и типах данных.
📎 Статья
@machinelearning_interview
⚡20 марта в 20.00 мск приглашаем на открытый урок курса “Reinforcement Learning” в OTUS, на котором построим торгового агента с использованием фреймворка FinRL.
На эфире мы:
- посмотрим на один из свободно распространяемых фреймворков для моделирования финансового рынка;
- узнаем, как реализовать модель и построить торгового агента в несколько строк кода с использованием FinRL;
- ответим на все возникающие вопросы.
👉Регистрация https://otus.pw/OGTx/?erid=LjN8K2yZr
💡Обучение на курсе позволит применять алгоритмы RL для решения разнообразных задач в реальном мире, включая игровую индустрию, робототехнику и решение финансовых задач, таких как управление финансовым портфелем и задачи кредитного скоринга. При поступлении в группу возможны разные способы оплаты и рассрочка платежа
⚡️ Interactively explore your Huggingface dataset with one line of code
Библиотека датасетов Hugging Face не только предоставляет доступ к более чем 70 тыс. общедоступных наборов данных, но и предлагает очень удобные конвейеры подготовки данных для пользовательских наборов.
Renumics Spotlight позволяет создавать интерактивные визуализации ваши данных. Поскольку Spotlight понимает семантику данных в наборах данных Hugging Face, вы можете начать работу всего с нескольких строк кода:
import datasets
from renumics import spotlight
ds = datasets.load_dataset('speech_commands', 'v0.01', split='validation')
spotlight.show(ds)
📌 Читать дальше
📌 Github
@machinelearning_interviewВариант для тех, кто ищет виртуальный сервер с хорошей веб-защитой — Aéza:
– Виртуальные сервера до 6.0 ГГц на лучших процессорах;
– Профессиональная фильтрация атак StormWall;
– Круглосуточная поддержка;
– Anycast фильтрация;
– Низкие цены;
– 15% кешбэка по ссылке.
Бесконечно можно смотреть на три вещи: на огонь, воду и скидку от Aeza!
Говорят: твоё от тебя не уйдет. А зачем ждать? Динозавры тоже ждали и остались в прошлом
Используй 50% скидку и погнали в будущее!
Кроме того, сейчас Aéza раздает личные бесплатные сервера, забираем тут. Регистрация, подписка, платежи не потребуются.
Реклама. Индивидуальный предприниматель Лобанов Леонид Константинович. ИНН 781625705648 erid: LjN8KEr3S
🔥 Microsoft выпустил отличные курсы по искусственному интеллекту
Сохраняй!
12 бесплатных уроков Github!
Научитесь создавать приложения с использованием нейронных сетей!
Среди уроков есть изучение и сравнение разных языковых моделей (LLMs), основы промт-инжиниринга и создание приложений с ИИ.
@DevOPSitsec
🚀 GPM AdTech Challenge
от «Газпром-Медиа» и Getintent
Когда: 18-30 марта
Формат: гибридный
Три задачи на выбор:
1) Сервис перевода и дубляжа видеоконтента
2) Предсказание конверсий пользователей в рекламном аукционе
3) Генератор креативов
Ты можешь стать победителем независимо от своего технического бэкграунда. Создавай прототип и участвуй в состязании за общий призовой фонд в 1 000 000 рублей.
Регистрация до 18 марта: https://cnrlink.com/gpmmli
🎙 Frontend Мeetup от Росбанка
Когда: 22 марта
Формат: очный, Казань
Вас ждут доклады специалистов Росбанка, СберМаркета и VK Добра.
Авторы лучших вопросов получат мерч.
Регистрация до 20 марта: https://cnrlink.com/rbkazanmli
💢 «Халява, приди!» от Codenrock
Когда: весь март
Формат: онлайн
Реши несложные задачи по программированию и получи возможность стать обладателем промокода на любой маркетплейс
Регистрация до 30 марта: https://cnrlink.com/halyavamli
Реклама. ООО "Цукер студия". ИНН 7751071015. erid: LjN8KPZM2
Ищете идеи для создания реальных ML-проектов? 💡
Создание системы ML, которая предсказывает невыплату кредитам.
Полный код👷🏾♀️👷↓
https://www.kaggle.com/code/faressayah/lending-club-loan-defaulters-prediction/notebook
@machinelearning_ru
До 31 марта регистрируйтесь на конкурс прикладной разработки «If…else».
Рады сообщить о запуске регистрации на конкурс прикладной разработки «If…else» от GitVerse в рамках олимпиады «IT-Планета 2024»!
Если вам от 18 до 35 лет, вы пишете на C/C++/Java/Python, у вас есть опыт разработки прикладных решений и отличные знания по части алгоритмов, участвуйте и получайте возможность выиграть до 500 тыс. рублей!
Для участия необходимо до 31 марта зарегистрироваться и пройти отборочное тестирование на площадке для разработчиков GitVerse от СберТеха.
Конкурс состоит из трех этапов: отборочное тестирование, основной этап в виде решения прикладной задачи и очный финал.
Призовой фонд конкурса составляет 500 тыс. рублей*!
Подробные условия конкурсов и регистрация.
Следите за новостями и удачи в конкурсе!
*За вычетом НДФЛ
📈 Вышел первый международный рейтинг Global Generative AI Landscape 2024. Его опубликовал AIPort.
В него попали самые заметные разработки в сфере GenAI по ключевым категориям, в том числе две нейросети от Яндекса: текстовая YandexGPT и мультимодальная YandexART.
Яндекс отмечен как одна из 11 компаний со всего мира, разрабатывающих более одного типа генеративных AI-моделей. В этот же список попали Open AI, Google, Microsoft, Meta, Tencent и другие.
Странами-лидерами по количеству активных компаний GenAI стали США, Китай, Аргентина, Великобритания, Израиль, Южная Африка.
▪️Читать
@machinelearning_interview
⚡️ Топ репозиториев для развития
ваших навыков разработчика.
- Полное руководство по работе с данными: https://github.com/DataEngineer-io/data-engineer-handbook
- Руководство "Путь к Senior разработчику : https://github.com/jordan-cutler/path-to-senior-engineer-handbook
- Лучшие ресурсы по системному проектированию : https://github.com/systemdesign42/system-design
- Более 100 ресурсов, чтобы стать продвинутым разработчиком: https://github.com/gregorojstersek/resources-to-become-a-great-engineering-leader
@machinelearning_interview
HOSTKEY – международный хостинг-провайдер предлагает в аренду выделенные и виртуальные GPU-серверы с почасовой или месячной оплатой.
🔥Доступны конфигурации с игровыми картами RTX4090 и профессиональными RTX A500 24Gb и Tesla H100 / A100 80Gb. Дата-центры в России, Нидерландах и Исландии. Скидки до 30%. Стоимость от 10 руб./ч или 7 500 руб. в месяц.
HOSTKEY предлагает гранты для перспективных проектов в области Data Science и для победителей конкурсов по исследованию данных на платформе Kaggle и других площадках.
Спрос на серверы высокий, количество серверов ограничено.
🔥Закажите сервер сегодня или оставьте заявку на предзаказ.
erid: LjN8KCUNs
🌟 Самые известные виды и архитектуры нейронных сетей
Вот подробнее о некоторых из них:
⏩Перцептрон — состоит из 1 слоя нейронов, которые принимают входные данные, вычисляют взвешенную сумму входов и используют функцию активации для преобразования этой суммы в выходной сигнал. Используется в основном для обучения линейно разделимых наборов данных.
⏩Рекуррентная нейронная сеть (RNN) — имеет рекуррентные (обратные) связи, что позволяет ей использовать информацию из предыдущих шагов для обработки текущих входных данных. Это делает RNN идеальной для распознавания речи, рукописного текста и перевода.
⏩LSTM (Long Short-Term Memory) — способна обучаться долговременным зависимостям, что делает их особенно полезными для задач, связанных с последовательностями. Они используются в широком диапазоне приложений, от распознавания рукописного текста и распознавания речи до генерации текста и анализа временных рядов.
⏩Сверточная нейронная сеть (CNN) — используется для обработки данных с сетчатой топологией. Они особенно полезны для обработки изображений и других двухмерных входных данных. CNN широко используются в приложениях компьютерного зрения, таких как распознавание образов и обработка изображений.
⏩Глубокая сеть доверия (DBN) — использует алгоритм глубокого обучения для обучения сложным вероятностным моделям. Используются для решения многих видов задач, таких как классификация, регрессия, кодирование, декодирование, моделирование и генерация.
⏩Генеративно-состязательная сеть (GAN) — используется для генерации новых данных, похожих на данные обучения. GAN используется для решения многих видов задач, таких как генерация изображений, преобразование изображений и восстановление изображений.
Годная статья — "Зоопарк архитектур нейронных сетей"
@data_analysis_ml
⚡️ Шпаргалка для алгособеса 2 — графовые и строковые алгоритмы
📌 Читать дальше
📌Часть 1: алгоритмическая сложность, структуры данных, методы сортировки и Дейкстра
@machinelearning_interview
4️⃣самые популярные функции активации, о которых нужно иметь представление
— Сигмоида
Нелинейна по своей природе, поэтому комбинация таких функций производит тоже нелинейную функцию. Так что она хорошо подходит для комбинации слоёв. Чаще всего применяется в задачах бинарной классификации, где нужно предсказать вероятность принадлежности к одному из 2 классов.
— Tanh
Гиперболический тангенс — это скорректированная сигмоидная функция. Стоит отметить, что градиент тангенциальной функции больше, чем у сигмоиды; она растёт быстрее. Активное используется в рекуррентных сетях, вероятностных моделях и т.д.
— ReLU
Имеет низкую вычислительную сложность, устойчива к переобучению. Область допустимых значений ReLu —
[0, inf), то есть активация может "взорваться" от больших значений. Широко применяется в глубоких нейронных сетях благодаря простоте и отсутствию затухающего градиента
— Leaky ReLU
Модификация ReLU, призвана решить проблему "умирающей ReLU". Используется в нейронных сетях для введения нелинейности в выходные данные каждого нейрона.
📁Лекция МГУ в тему [pdf]
@data_analysis_ml