Вже доступно! Дослідження Telegram за 2025 — головні інсайти року 
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 294 113 підписників, посідаючи 330 місце в категорії Технології та додатки та 1 277 місце у регіоні Росія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 294 113 підписників.
За останніми даними від 30 червня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -6 432, а за останні 24 години на -166, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 7.71%. Протягом перших 24 годин після публікації контент зазвичай збирає 5.50% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 22 682 переглядів. Протягом першої доби публікація в середньому набирає 16 178 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 176.
- 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 01 липня, 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.
294 113
Підписники
-16624 години
-1 5837 днів
-6 43230 день
Архів дописів
294 113
OTUS совместно с CloudМТС проведет онлайн-митап, посвященный миграции на новые облачные сервисы
Завтра в 18:00 мы расскажем о специфике миграции в облако МТС: разберем предпосылки, сценарии и технологии.
Своим опытом поделятся практикующие эксперты:
– Антон Губарев - разработчик Platform as a Service, Авито,
– Василий Никулин - Руководитель направления поддержки продаж федеральных клиентов, Департамент облачного бизнеса,
– Денис Кузьмичёв - Менеджер по продукту, CloudMТС
Каждый участник расскажет о миграции с учетом личного опыта и экспертизы. В конце мероприятия вы сможете задать вопросы всем участникам и получить гайд по миграции с комментариями экспертов.
Начинаем 6 сентября в 18:00 по Москве. Приходите по ссылке и приглашайте коллег!
Реклама. Информация о рекламодателе на сайте otus.ru
294 113
🤖 Transformers are Sample Efficient World Models
New state of the art for methods without lookahead search, and even surpasses MuZero.
⚙️Github:
➡️ Paper
💻Dataset
@ai_machinelearning_big_data
294 113
@python_job_interview - здесь собраны все возможные вопросы и ответы с реальных Python собеседований.
@golang_interview - пройти Golang собеседование.
@machinelearning_interview - канал подготовит к собеседованию по машинному обучению и алгоритмам .
@data_analysis_ml - самая востребованная Python профессия.
294 113
🏙 2BiVQA: Double Bi-LSTM based Video Quality Assessment of UGC Videos
Github: https://github.com/atelili/2bivqa
Paper: https://arxiv.org/abs/2208.14774v1
Dataset: https://paperswithcode.com/dataset/live-vqc
Tasks: https://paperswithcode.com/task/video-quality-assessment
@ai_machinelearning_big_data
294 113
Как организовать потоковую обработку данных. Часть 2!
В первой части Евгений Ненахов из центра Big Data МТС Digital рассказал об основных компонентах методологии, а сейчас — о том, как ими пользоваться.
Из новой статьи вы узнаете:
➖ где хранить конфигурации
➖ как настроить Kafka и Spark Streaming
➖ как снизить нагрузку на GC и многое другое
О том, как создать универсальный инструмент потоковой обработки данных и построить с его помощью мощную систему стриминга, способную обрабатывать 7 млн событий в пике, читайте в блоге МТС на Хабре.
294 113
🖼 PyTorch Image Quality (PIQ) is a collection of measures and metrics for image quality assessment.
$ pip install piq
Github: https://github.com/photosynthesis-team/piq
Paper: https://arxiv.org/abs/2208.14818v1
Docs: https://piq.readthedocs.io.
Datasets: https://paperswithcode.com/dataset/kadid-10k
@ai_machinelearning_big_data
294 113
Практический опыт в Data Science нужно получать у практиков.
DataWorkshop 5 сентября запускает 3-недельный курс "Практическое введение в Python для Data Science". До 3 сентября (включительно) данный курс можно получить бесплатно.
15 лет опыта в коммерческом программировании, 9 лет в Data Science - у автора курсов. Опыт получал в европейских и американских компаниях. Обучает с 2017 года.
Обучение только на реальных данных. Полученные знания можно сразу применять в рабочих проектах.
1000+ студентов из разных стран мира уже прошли обучение на курсах в DataWorkshop.
10 000+ человек приняли участие в различных образовательных программах от DataWorkshop.
9 из 10 человек дают наивысшую оценку курсам DataWorkshop за их практический подход и сжатый концентрат только нужной информации.
В их телеграм канале периодически открываются записи в том числе и на бесплатные образовательные программы.
294 113
🔋 Self-Supervised Pyramid Representation Learning
for Multi-Label Visual Analysis and Beyond
Github: https://github.com/wesleyhsieh0806/ss-prl
Paper: https://arxiv.org/abs/2208.14439v1
Datasets: https://github.com/wesleyhsieh0806/ss-prl#books-prepare-dataset
Downstream: http://host.robots.ox.ac.uk/pascal/VOC/
@ai_machinelearning_big_data
294 113
⚡️ Готовитесь стать дата-сайентистом?
Начните обучение с области машинного обучения Natural Language Processing (NLP), которая занимается автоматической обработкой текстов.
Приглашаем на открытый урок «NLP сегодня: от истоков до трансформеров» 5 сентября в 18:00 мск в OTUS.
На вебинаре обсудим алгоритмы и подходы, которые сегодня применяются в NLP, начиная от самых простых и заканчивая трансформерными моделями, являющимися стандартом в области.
👩🏻🎓 Спикер: Мария Тихонова, Senior Data Scientist Сбера.
Больше полезных знаний об NLP и других областях ML ждет вас на углубленном онлайн-курсе «Machine Learning. Professional» для людей со знанием высшей математики и знакомых с Python.
👉 РЕГИСТРАЦИЯ
https://otus.pw/36eY/
294 113
⭐️ YOLOX-PAI: An Improved YOLOX Version by PAI
Github: https://github.com/alibaba/EasyCV
Paper: https://arxiv.org/abs/2208.13040v1
Datasets: https://paperswithcode.com/dataset/coco
@ai_machinelearning_big_data
294 113
🥇 The Complete Data Science Study Roadmap
➡️ Read
🎲 Statistics Fundamental by Josh Starmer
👨🎓 CS229 machine learning Stanford
@ai_machinelearning_big_data
294 113
Это — самый короткий путь к работе в SberDevices!
4 сентября участвуй в One Day Offer: пройди fast-интервью за 1 день и получи оффер мечты!
Кто мы? Создаём умные устройства, виртуальных ассистентов и другие продукты в области Speech Recognition, NLP, PLP SmartSearch. У нас очень сильная, а главное, драйвовая команда, в которой ты точно найдёшь проекты по душе!
Кого мы ищем? Специалистов в сферах Data Science, Machine Learning, data-аналитиков, data-инженеров. Опыт работы в DS/ML от 2 лет.
Что такое One Day Offer? Это возможность за 1 день заявить о себе, пройти все этапы отбора и получить предложение присоединиться к команде.
Узнай больше и оставь заявку здесь: http://sber.me/?p=1hcrz
294 113
✅ Awesome-Dataset-Distillation
Github: https://github.com/Guang000/Awesome-Dataset-Distillation
Awesome Computer Vision: https://github.com/jbhuang0604/awesome-computer-vision
Paper: https://arxiv.org/abs/2208.11311v1
Datasets: https://paperswithcode.com/dataset/cifar-10
@ai_machinelearning_big_data
294 113
🔥 Image as a Foreign Language: BEiT Pretraining for All Vision and Vision-Language Tasks
Masked "language" modeling on images (Imglish), texts (English), and image-text pairs ("parallel sentences") in a unified manner.
Github: https://github.com/microsoft/unilm/tree/master/beit
Paper: https://arxiv.org/abs/2208.10442v1
Datasets: https://paperswithcode.com/dataset/visual-genome
@ai_machinelearning_big_data
294 113
Надоело прыгать от инструмента к инструменту в процессе работы над машинным обучением?
☑️ 31 августа Cloud проводит бесплатный вебинар для дата-сайентистов, дата-инженеров и всех, кто сейчас в поиске удобного инструмента для полного цикла ML-разработки.
У каждого будет шанс:
▪️ вместе с экспертом пройти полный путь от загрузки данных на платформу ML Space до вывода модели в production;
▪️ узнать, что помогает сделать обучение моделей более прозрачным;
▪️ увидеть, как наша платформа ускоряет время разработки внутри команды Data Science;
▪️ разобрать практический кейс применения ML-решения;
▪️ узнать, как получить грант на тестирование платформы и убедиться в преимуществах самостоятельно.
Регистрируйтесь по ссылке и запускайте AI продукты до 30% быстрее!
294 113
Надоело прыгать от инструмента к инструменту в процессе работы над машинным обучением?
☑️ 31 августа Cloud проводит бесплатный вебинар для дата-сайентистов, дата-инженеров и всех, кто сейчас в поиске удобного инструмента для полного цикла ML-разработки.
У каждого будет шанс:
▪️ вместе с экспертом пройти полный путь от загрузки данных на платформу ML Space до вывода модели в production;
▪️ узнать, что помогает сделать обучение моделей более прозрачным;
▪️ увидеть, как наша платформа ускоряет время разработки внутри команды Data Science;
▪️ разобрать практический кейс применения ML-решения;
▪️ узнать, как получить грант на тестирование платформы и убедиться в преимуществах самостоятельно.
Регистрируйтесь по ссылке и запускайте AI продукты до 30% быстрее!
Зарегистрироваться
294 113
⚙️ Cold Diffusion: Inverting Arbitrary Image Transforms Without Noise
Github: https://github.com/arpitbansal297/cold-diffusion-models
Paper: https://arxiv.org/abs/2208.09392v1
Cold-Diffusion: https://arxiv.org/abs/2208.09392
Datasets: https://paperswithcode.com/dataset/celeba
@ai_machinelearning_big_data
294 113
🎆 Unifying Visual Perception by Dispersible Points Learning
Conceptually simple, flexible, and universal visual perception head for variant visual task
Github: https://github.com/sense-x/unihead
Paper: https://arxiv.org/abs/2208.08630v1
Model: https://drive.google.com/file/d/1TwFCog_PMd1HWA7s-s9pN2F_fgyMyR3x/view
Datasets: https://paperswithcode.com/dataset/imagenet
@ai_machinelearning_big_data
294 113
Новые быстрые IT-курсы от Практикума
Освоить новую профессию теперь можно на буткемпах — новых программах длительностью от 2 до 5 месяцев. Курсы подойдут тем, у кого нет опыта в программировании или анализе данных, но есть желание и время, чтобы интенсивно учиться.
На буткемпах от Практикума можно стать аналитиком данных, фронтенд-разработчиком, специалистом по Data Science или инженером по тестированию.
Особенности коротких программ:
- Еженедельное планирование с наставником.
Распределите нагрузку и поймёте, на чём нужно сфокусироваться.
- Наставник на связи весь день.
В течение ~8 учебных часов можете писать наставнику любые вопросы по заданиям.
- Вебинары каждую неделю.
Разберёте сложные темы, получите помощь с проектами и ответы на вопросы.
- Каникулы в середине курса.
Отдохнёте неделю — и закончите учёбу с новыми силами.
- Помощь с трудоустройством.
Научитесь писать резюме, составлять портфолио и искать вакансии.
Начните учиться бесплатно сейчас.
И регистрируйтесь на ближайший поток:
— для аналитиков данных и специалистов по Data Science — 8 сентября;
— для инженеров по тестированию и фронтенд-разработчиков — 1 сентября.
294 113
🧔 StyleFaceV - Official PyTorch Implementation
StyleFaceV produces high-fidelity identity-preserving face videos with vivid movements
Github: https://github.com/arthur-qiu/stylefacev
Project: http://haonanqiu.com/projects/StyleFaceV.html
Video: https://youtu.be/BZNLcD04-Fc
Paper: https://arxiv.org/abs/2208.07862v1
Dataset: https://paperswithcode.com/dataset/faceforensics-1
@ai_machinelearning_big_data
