Machinelearning
Відкрити 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
Показати більше
📈 Аналітичний огляд Telegram-каналу Machinelearning
Канал Machinelearning (@ai_machinelearning_big_data) у мовному сегменті Російська є активним учасником. На даний момент спільнота об'єднує 275 683 підписників, посідаючи 336 місце в категорії Технології та додатки та 1 376 місце у регіоні Росія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 275 683 підписників.
За останніми даними від 08 листопада, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -2 581, а за останні 24 години на -147, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 7.93%. Протягом перших 24 годин після публікації контент зазвичай збирає 6.43% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 21 878 переглядів. Протягом першої доби публікація в середньому набирає 17 732 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 341.
- Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як openai, claude, api, gemini, контекст.
📝 Опис та контентна політика
Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“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”
Завдяки високій частоті оновлень (останні дані отримано 09 листопада, 2026), канал підтримує актуальність та високий рівень охоплення публікацій. Аналітика показує, що аудиторія активно взаємодіє з контентом, що робить його важливою точкою впливу в категорії Технології та додатки.
275 683
Підписники
-14724 години
-9337 днів
-2 58130 днів
Архів дописів
275 683
TFX Estimator Component Tutorial | TensorFlow
https://www.tensorflow.org/tfx/tutorials/tfx/components
@ai_machinelearning_big_data
275 683
Essential Math for Data Science: Integrals And Area Under The Curve
https://hadrienj.github.io/posts/Essential-Math-Integrals/
@ai_machinelearning_big_data
275 683
Object Detection Using Mask R-CNN with TensorFlow 2.0 and Keras.
https://blog.paperspace.com/mask-r-cnn-tensorflow-2-0-keras/
Mask_RCNN project: https://github.com/matterport/Mask_RCNN
@ai_machinelearning_big_data
275 683
Мы рады анонсировать Workshop “Data Science: Расти в экспертность или управление?” Акселератора Data Science от Skillfactory PRO 26 ноября (четверг) в 20:00
Участие бесплатно, необходима регистрация 👉 skillfactory.ru/dsexpert-workshop2611?utm_source=channel
Какой путь роста выбрать продвинутому специалисту Data Science: управлять командой или реализовывать проекты? В прямом эфире вы можете подробнее узнать об обоих вариантах, изучить опыт продвинутых экспертов и задать свои вопросы.
Эксперты:
- Иван Ямщиков, исследователь ИИ и когнитивных наук в Институте Макса Планка.
Cооснователь Creaited Labs, евангелист искусственного интеллекта в компании ABBYY
- Полина Полунина, ex-руководитель Data Science направлений HR, финансов и видеоаналитики в группе «М.Видео — Эльдорадо».
Победительница международных чемпионатов по анализу данных, основала с нуля 3 Data Science направления (HR, Финансы, Видео-аналитика)
Также в прямом эфире разработаем траекторию для ML-инженера, О. получил степень бакалавра в Московском техническом университете, затем продолжил обучение и получил степень магистра в инновационном ВУЗе по направлению “Data Science”, также активно проходит дополнительные курсы по Machine Learning и Data Science. Опыт работы О. в сфере Data Science уже насчитывает более 3-х лет, включая работу в России и за рубежом. На данный момент занимает должность “ML Engineer” в крупной международной компании.
Он хотел бы сейчас двигаться в сторону экспертности, но при этом быть универсальным специалистом, знать обо всём, а через 2-3 года начать делать управленческие шаги. Насколько это возможно и реализуемо? Нет ли в этом противоречий? Что на самом деле ему стоит предпринять? Ответы на все эти вопросы мы узнаем на нашем воркшопе, не пропустите!
📱 Обсудить в чате 👉 https://t.me/joinchat/CwioCE1FcYCCu9pzFzvFyQ
275 683
Computer Vision at Scale With Dask And PyTorch
https://www.saturncloud.io/s/computer-vision-at-scale-with-dask-and-pytorch/
Code: https://github.com/saturncloud/saturn-cloud-examples/tree/main/pytorch-demo
@ai_machinelearning_big_data
275 683
Хотите больше узнать о Data science?
❗️Тогда записывайтесь в программу повышения квалификации по управлению на основе данных «КЛИК-Интенсив»!
Когда: 23 ноября
Стоимость: БЕСПЛАТНО
Длительность: 2 недели
Получите:
Удостоверение установленного образца от «Университета 2035»
Вы узнаете:
👉Как с помощью данных решать задачи вашего бизнеса.
👉Как и где применяется ML (машинное обучение)
Как визуализировать данные.
👉Познакомитесь с кейсами лидеров рынка по внедрению технологий и практик управления на основе данных.
275 683
FinRL: A Deep Reinforcement Learning Library for Automated Stock Trading in Quantitative Finance
Github: https://github.com/AI4Finance-LLC/FinRL-Library
Paper: https://arxiv.org/abs/2011.09607
@ai_machinelearning_big_data
275 683
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
275 683
Adversarial Examples in Deep Learning.
https://blog.djsarkar.ai/adversarial-learning-attacks-1/
Github: https://github.com/dipanjanS/adversarial-learning-robustness
@ArtificialIntelligencedl
275 683
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
275 683
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
275 683
🎨 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
275 683
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
275 683
💰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
275 683
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
