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 276 293 підписників, посідаючи 336 місце в категорії Технології та додатки та 1 374 місце у регіоні Росія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 276 293 підписників.
За останніми даними від 05 листопада, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -2 229, а за останні 24 години на -129, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 8.04%. Протягом перших 24 годин після публікації контент зазвичай збирає 6.20% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 22 218 переглядів. Протягом першої доби публікація в середньому набирає 17 137 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 330.
- 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 06 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.
276 293
Підписники
-12924 години
-8177 днів
-2 22930 днів
Архів дописів
276 297
276 297
276 297
Курс «Английский для разработчиков» от Яндекс Практикума
Для специалистов, которые хотят изменить свою профессиональную жизнь и работать в международной команде. Обучение построено вокруг рабочих ситуаций и полезных для карьеры навыков:
• Самопрезентация. Рассказ о своей роли, задачах, сфере ответственности на поведенческом интервью и в неформальной беседе.
• Работа в команде. Стендапы, планирование спринтов, демонстрация навыков командной работы на собеседовании.
• Общение в процессе работ над кодом. Код-ревью, парное программирование, комментирование алгоритмических задач на собеседовании.
• Общение с заказчиками. Уточнение технического задания, решение спорных ситуаций.
• Нетворкинг. Выступление на митапах, неформальное общение с коллегами из отрасли.
• Рефлексия и самоанализ. Ретроспектива, ревью, ответы на сложные вопросы.
Запишитесь на бесплатную консультацию. Определим ваш уровень языка, расскажем про обучение и ответим на все вопросы.
276 297
276 297
⚡️ Конец набора на курс Machine Learning. Professional — для людей со знанием высшей математики и знакомых с Python.
⚠️ Вам предстоит справляться с «грязными» данными, просчитывать свои действия наперед, экспериментировать с решениями и готовить модели в продакшн.
📌 РЕЗУЛЬТАТ ПРОХОЖДЕНИЯ КУРСА:
Серьезное портфолио с проектами и возможность претендовать на Junior+ и Middle позиции Data Scientist
За 5 месяцев вы освоите современные инструменты анализа данных и научитесь выстраивать полный пайплайн работы с данными
👉 Ответьте на 10 вопросов и проверьте, насколько вы готовы к обучению на углубленном курсе - «Machine Learning. Professional» от OTUS и его партнера — Сбера.
https://otus.pw/vsaA/
Реклама. Информация о рекламодателе на сайте www.otus.ru
276 297
276 297
Встречай самое захватывающее, яркое и масштабное IT-соревнование года. Это больше, чем хакатон.
Регистрируйся на конкурс Лидеры цифровой трансформации, где тысячи представителей IT-профессий создают сервисы для улучшения жизни горожан.
Тебя ждут:
- Призовой фонд 20 000 000 ₽
- 10 задач и 2 недели на разработку
- Подарки от партнеров и эксклюзивный мерч для финалистов
- Грандиозный финал в формате двухдневного фестиваля
- Возможность пилотирования твоего прототипа и создания стартапа
В этом году участникам предстоит разработать ряд востребованных городом решений: от интерактивной карты ВДНХ и платформы для медицинской разметки до рекомендательных сервисов по размещению московских постаматов и выявлению перспективных производственных ниш.
Подай заявку прямо сейчас:
https://clck.ru/326ozW
В Telegram-чате конкурса ты узнаешь подробности и найдешь команду
https://t.me/leaders_2022
276 297
👁 Real-time Online Video Detection with Temporal Smoothing Transformers
git clone --recursive git@github.com:zhaoyue-zephyrus/TeSTra.git
⚙️ Github
🗒 Paper
🦾 Dataset
@ai_machinelearning_big_data276 297
20.09 @ai_machinelearning_big_data
Работаете специалистом по машинному обучению и хотите расширить свои знания в области Computer Vision?
⚡️ Начните осваивать необходимые навыки 22 сентября в 20:00 на открытом вебинаре «Сверточные нейронные сети»
На занятии мы рассмотрим:
⁃ сверточную нейронную сеть
⁃ деконволюцию и субдискретизацию
⁃ Dropout и BatchNorm для сверток
📚 Demo-занятие пройдет в рамках онлайн-курса «Computer Vision» и позволяет оценить качество материалов и познакомиться с преподавателем.
Чтобы записаться на мероприятие 👉Пройдите вступительное тестирование
276 297
🛠 Omni-Dimensional Dynamic Convolution
A novel multi-dimensional attention mechanism with a parallel strategy to learn complementary attentions for convolutional kernels.
⚙️ Github
🗒 Paper
🦾 Dataset
@ai_machinelearning_big_data
276 297
🛠 Generative Visual Prompt: Unifying Distributional Control of Pre-Trained Generative Models
⚙️ Github
🗒 Paper
🦾 Dataset
@ai_machinelearning_big_data
276 297
Yandex Research выложил в опенсорс RuLeanALBERT — самую большую BERT-подобную модель на русском языке, которая поместится на ваш компьютер
Нейросеть обучали децентрализованно с помощью вычислительной платформе Яндекса. На бенчмарках по пониманию языка она показывает результаты, сравнимые с другими открытыми моделями и где-то даже близкие к state-of-the-art.
Модель хотя и имеет миллиарды параметров, но вполне способна уместиться на одну домашнюю GPU: вы можете использовать её открытый код в своих проектах для классификации предложений, представления текстов и других языковых задач, не требующих генерации.
Yandex Research — это исследовательская группа в Яндексе, которая занимается фундаментальными проблемами в важнейших областях computer science.
Подробности – в статье на Хабре
276 297
+6Подборка инструментов инженера данных под разные задачи.
Взгляните, вдруг всё это время вы забивали гвозди микроскопом?
А если вы хотите сделать архитектуру данных на работе ещё мощнее — обратите внимание на курс Яндекс Практикума.
Пройдите тест в бесплатной вводной части курса, чтобы понять, подходит ли вам программа.
276 297
🤖 DAMO ConvAI
The official repository which contains the codebase for Alibaba DAMO Conversational AI.
⚙️ Github
➡️ Paper
📎 Tasks
🗒 Text-to-SQL Parsing
@ai_machinelearning_big_data
276 297
Стартовал первый Rosneft Challenge — самый масштабный среди ИТ-соревнований Роснефти. Его призовой фонд составляет 920 000 рублей 😊
Регистрируйтесь на сайте 👉🏻 https://events.rn.digital/hack/it2022rc1, получайте задание и дерзайте!
Вам предстоит создать модель машинного обучения и с ее помощью спрогнозировать дату отказа установки электроприводного центробежного насоса. В вашем распоряжении будет большой банк данных о скважине и установленном оборудовании.
Rosneft Challenge – ваш шанс выиграть крупный денежный приз, достойно продемонстрировать свои профессиональные компетенции и попасть в команду лидера нефтяной отрасли России!
Лучший результат найдет применение на предприятиях «Роснефти».
Подробнее https://bit.ly/3xsxqOt
276 297
🚀 StoryDALL-E: Adapting Pretrained Text-to-Image Transformers for Story Continuation
⚙️ Github
➡️ Paper
🛠 Demo
📄 Dataset
@ai_machinelearning_big_data
276 297
💥 Реализовать вау-фичи и задрайвить рост проекта? Задействуем Machine Learning (ML).Сделать удобнее базовые элементы сервисов? Тоже ML.
Технологии машинного обучения — это ответ на все вопросы и must have для тех, кто смотрит в будущее.
При поддержке VK на Saint HighLoad++ представлен целый трек докладов на эту тему. Поговорим о том, как на базе ML создавать практичные решения, готовые к большим нагрузкам. Расскажем, как встраивать их в существующие пайплайны и эксплуатировать в продакшене.
✅ Программа ML-трека - https://bit.ly/3RGQcJS
🖐 Встречаемся на Saint HighLoad++ 22 и 23 сентября.
276 297
👁🗨 Patch Similarity Aware Data-Free Quantization for Vision Transformers
PSAQ-ViT V2, a more accurate and general data-free quantization framework for ViTs, built on top of PSAQ-ViT.
git clone https://github.com/zkkli/PSAQ-ViT.git
cd PSAQ-ViT
⚙️ Github
➡️ Paper
📄 Dataset
@ai_machinelearning_big_data276 297
NewProLab запускает 12-недельную онлайн-программу «Специалист по большим данным»
Старт – 20 сентября.
В программе – 36 занятий, 9 лаб, 2 проекта и 3 варианта прохождения:
Полное погружение (только в даты проведения программы) – 36 живых занятий в ZOOM, возможность задавать вопросы, тесты, лабы, поддержка координаторов, сертификат об успешном прохождении.
Видео занятий и лабы (только в даты проведения программы) – видеозаписи 36 занятий, тесты, лабы, поддержка координаторов, сертификат об успешном прохождении.
Видео занятий и тесты (можно пройти в любое время) – видеозаписи 36 занятий, тесты, сертификат о прохождении.
Чему вы научитесь?
- обрабатывать данные в Pandas
- строить модели машинного обучения (логистическая регрессия, деревья, случайный лес) в Scikit-learn
- анализировать текстовые данные
- и многое другое
Подробности по ссылке
Для участников нашего сообщества организаторы предоставили промокод Machinelearning, по которому вы получите скидку 15% при покупке программы.
276 297
🦾 OpenMixup: Open Mixup Toolbox and Benchmark for Visual Representation Learning
open-source all-in-one toolbox for supervised, semi-, and self-supervised visual representation learning with mixup
conda create -n openmixup python=3.8 pytorch=1.12 cudatoolkit=11.3 torchvision -c pytorch -y
conda activate openmixup
pip install openmim
mim install mmcv-full
git clone https://github.com/Westlake-AI/openmixup.git
cd openmixup
python setup.py develop
⚙️ Github
➡️ Paper
🛠️Installation
📄 Dataset
@ai_machinelearning_big_data