uk
Feedback
Machinelearning

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 291 898 підписників, посідаючи 327 місце в категорії Технології та додатки та 1 297 місце у регіоні Росія.

📊 Показники аудиторії та динаміка

З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 291 898 підписників.

За останніми даними від 11 липня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -6 089, а за останні 24 години на -172, загальне охоплення залишається високим.

  • Статус верифікації: Не верифікований
  • Рівень залученості (ER): Середній показник залученості аудиторії становить 7.14%. Протягом перших 24 годин після публікації контент зазвичай збирає 5.61% реакцій від загальної кількості підписників.
  • Охоплення публікацій: В середньому кожен допис отримує 20 847 переглядів. Протягом першої доби публікація в середньому набирає 16 386 переглядів.
  • Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 153.
  • 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 12 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.

291 898
Підписники
-17224 години
-1 2407 днів
-6 08930 день
Архів дописів
Интересное в мире DS/ML (в этот раз негусто): - Andrew Ng открыл новый курс на Курсере про Deep Learning - ссылка выше (было) - Facebook полностью перешел на нейросети для перевода - https://goo.gl/VhjA9H - Pytorch v0.2 - https://goo.gl/99QpB3 - может кому-то актуально - Люди из Salesforce тренируют LTSM сети для перевода с одного языка на другой, берут получившийся декодер (часть сети) и используют его чтобы скормить его выход другим нейросетям, которые делают более простые вещи - https://goo.gl/6Kt77o #data_science

Focal Loss for Dense Object Detection Tsung-Yi Lin, Priya Goyal, Ross Girshick, Kaiming He, Piotr Dollár The highest accuracy object detectors to date are based on a two-stage approach popularized by R-CNN, where a classifier is applied to a sparse set of candidate object locations. In contrast, one-stage detectors that are applied over a regular, dense sampling of possible object locations have the potential to be faster and simpler, but have trailed the accuracy of two-stage detectors thus far. In this paper, we investigate why this is the case. We discover that the extreme foreground-background class imbalance encountered during training of dense detectors is the central cause. We propose to address this class imbalance by reshaping the standard cross entropy loss such that it down-weights the loss assigned to well-classified examples. Our novel Focal Loss focuses training on a sparse set of hard examples and prevents the vast number of easy negatives from overwhelming the detector during training. To evaluate the effectiveness of our loss, we design and train a simple dense detector we call RetinaNet. Our results show that when trained with the focal loss, RetinaNet is able to match the speed of previous one-stage detectors while surpassing the accuracy of all existing state-of-the-art two-stage detectors. https://arxiv.org/abs/1708.02002 #deeplearning #paper

В ИТМО через 10 дней пройдет летняя школа машинного обучения ЦРТ. Учеба бесплатная, организаторы оплачивают билеты и проживание 20 участникам. http://algorythm.tech/

#machinelearning in python for trading http://upflow.co/l/6E7H

Занятная статья - мысли профессора финансов про биткоины (несовместимые вещи) =) - https://goo.gl/DkgWfH #internet

вот тут хорошо разобрали почему так есть https://habrahabr.ru/company/mailru/blog/331696/