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 275 818 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 275 818 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.
275 818
Підписники
-14724 години
-9337 днів
-2 58130 днів
Архів дописів
275 790
Pixellib is a library for performing segmentation of objects in images and videos.
Github: https://github.com/ayoolaolafenwa/PixelLib
Paper: https://vixra.org/abs/2101.0122
Documentation: https://pixellib.readthedocs.io/en/latest/
Video: https://www.youtube.com/watch?v=hxczTe9U8jY&feature=emb_logo&ab_channel=AyoolaOlafenwa
@ai_machinelearning_big_data
275 790
Extreme Gradient Boosting (XGBoost) with R and Python
https://datascience-enthusiast.com/R/ML_python_R_part2.html
@ai_machinelearning_big_data
275 790
🦾 Robustness Gym is a Python evaluation toolkit for natural language processing.
Github: https://github.com/robustness-gym/robustness-gym
Paper: https://arxiv.org/abs/2101.04840v1
Project: https://robustnessgym.com/
@ai_machinelearning_big_data
275 790
🔥 Fast convolutional neural networks on FPGAs with hls4ml
Github: https://github.com/fastmachinelearning/hls4ml
Paper: https://arxiv.org/abs/2101.05108v1
Documentation: https://fastmachinelearning.org/hls4ml/
@ai_machinelearning_big_data
275 790
🪐 A Bayesian neural network predicts the dissolution of compact planetary systems
Post/code: https://astroautomata.com/paper/bnn-instability-model/
API: https://github.com/dtamayo/spock
Paper: https://arxiv.org/abs/2101.04117
@ai_machinelearning_big_data
275 790
FaceX-Zoo: A PyTorch Toolbox for Face Recognition
Github: https://github.com/JDAI-CV/faceX-Zoo
Paper: https://arxiv.org/abs/2101.04407v2
@ai_machinelearning_big_data
275 790
Datasets
Datasets collected for network science, deep learning and general machine learning research.
Github: https://github.com/benedekrozemberczki/datasets
Paper: https://arxiv.org/abs/2101.03091v1
@ai_machinelearning_big_data
275 790
🔝 Top 10 Computer Vision Papers 2020
https://www.kdnuggets.com/2021/01/top-10-computer-vision-papers-2020.html
@ai_machinelearning_big_data
275 790
🔝 Top 10 Computer Vision Papers 2020
https://www.kdnuggets.com/2021/01/top-10-computer-vision-papers-2020.html
275 790
TensorFlow Lite on GPU
https://www.tensorflow.org/lite/performance/gpu_advanced
@tensorflowblog
275 790
📛Sharded: A New Technique To Double The Size Of PyTorch Models
Article: https://towardsdatascience.com/sharded-a-new-technique-to-double-the-size-of-pytorch-models-3af057466dba
Habr ru: https://habr.com/ru/company/skillfactory/blog/536394/
ZeRO: Memory Optimizations Paper: https://arxiv.org/abs/1910.02054
@ai_machinelearning_big_data
275 790
🔇 Deep Noise Suppression Challenge – ICASSP 2021
Github: https://github.com/microsoft/DNS-Challenge
Paper: https://arxiv.org/abs/2101.01902v1
Training and test datasets: https://github.com/microsoft/DNS-Challenge/tree/master/datasets
Challenge: https://www.microsoft.com/en-us/research/academic-program/deep-noise-suppression-challenge-icassp-2021/
@ai_machinelearning_big_data
275 790
🦾 Volumetric Grasping Network.
Github: https://github.com/ethz-asl/vgn
Paper: https://arxiv.org/abs/2101.01132
Video: https://www.youtube.com/watch?v=FXjvFDcV6E0&feature=youtu.be
@ai_machinelearning_big_data
275 790
🚀 DALL·E is a 12-billion parameter version of GPT-3 trained to generate images from text descriptions
Introduction: https://openai.com/blog/tags/multimodal/
Deepmind Blog: https://openai.com/blog/dall-e/
Github: https://github.com/openai/CLIP
Paper: https://cdn.openai.com/papers/Learning_Transferable_Visual_Models_From_Natural_Language.pdf
Colab: https://colab.research.google.com/github/openai/clip/blob/master/Interacting_with_CLIP.ipynb
@ai_machinelearning_big_data
275 790
🦠 COVID-Affinity-Model
Github: https://github.com/AlexTS1980/COVID-Affinity-Model
Paper: https://www.medrxiv.org/content/10.1101/2020.12.29.20248987v1.full.pdf
@ai_machinelearning_big_data
275 790
Not All Memories are Created Equal: Learning to Expire
Github: https://github.com/lucidrains/learning-to-expire-pytorch
Paper: https://openreview.net/forum?id=ZVBtN6B_6i7
@ai_machinelearning_big_data
275 790
Первый сериал про Data Science в жанре edutainment!😱
В рамках чемпионата Alfa Battle 2.0 банк и партнеры позволили себе небольшой эксперимент и теперь мы наблюдаем за историей, как стажёр Денис только что прошел отбор в программу стажировок Альфа-Банка.
Нейронные сети, искусственный интеллект, машинное обучение… О секретах использования больших данных в компаниях Альфа-Групп он узнает на встречах по обмену опытом, на которые попадает мистическим образом🔮
Персонажи и описываемые события являются реальными. Все трюки в сериале выполнены профессиональными дата-сайентистами компаний Альфа-Групп. Не пытайтесь повторить дома)
Cмотреть сериал - https://link.alfabattle.ru/TMSse
275 790
👁🗨 LambdaNetworks: Modeling long-range Interactions without Attention
New approach to image recognition that reaches SOTA on ImageNet
Github: https://github.com/leaderj1001/LambdaNetworks
Paper: https://openreview.net/forum?id=xTJEN-ggl1b
Fork: https://github.com/leaderj1001/LambdaNetworks
@ai_machinelearning_big_data
275 790
🗒 Machine Learning Cheat Sheets
https://sites.google.com/view/datascience-cheat-sheets
Machine Learning Animations: https://sites.google.com/view/mlingifs#h.341bzfgiuxfx
@ai_machinelearning_big_data
275 790
Хотите увидеть, как большие данные помогают врачам открывать революционные методы лечения? Узнать, как «простые айтишники» двигают медицину и фарминдустрию вперед? Нужен ли для этого диплом медвуза? А зарплаты высокие?
Приходите на онлайн-интенсив по Data Science в медицине от GeekBrains! Вас ждут два часа живого общения с преподавателем и море практики. Узнаете, как работает наука о данных, что такое биометрия и какие знания нужны для начала карьеры аналитика в медицине. В финале получите видеозапись занятия и сертификат о прохождении обучения.
Переходите по ссылке https://geekbrains.ru/link/Grq2wK, записывайтесь на интенсив и врывайтесь в одну из самых топовых профессий современности. И да, спойлер, зарплаты там — высокие.
Записаться
