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 294 933 підписників, посідаючи 332 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 294 933 підписників.
За останніми даними від 26 червня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -6 463, а за останні 24 години на -216, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 7.82%. Протягом перших 24 годин після публікації контент зазвичай збирає 5.40% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 23 058 переглядів. Протягом першої доби публікація в середньому набирає 15 914 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 179.
- 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 27 червня, 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.
294 933
Підписники
-21624 години
-1 5507 днів
-6 46330 день
Архів дописів
294 887
📐 AlphaGeometry: An Olympiad-level AI system for geometry
Deepmind представили AlphaGeometry: систему искусственного интеллекта, которая решает олимпиадные задачи по геометрии на уровне, приближающемся к уровню золотого медалиста.
Система была обучена исключительно на синтетических данных и знаменует собой прорыв ИИ в области математики.
https://deepmind.google/discover/blog/alphageometry-an-olympiad-level-ai-system-for-geometry/
🖥 Code: https://github.com/facebookresearch/audiocraft/blob/main/docs/MAGNET.md#api
🚀 Deepmind: https://deepmind.google/discover/blog/alphageometry-an-olympiad-level-ai-system-for-geometry/
📚 Paper: https://www.nature.com/articles/s41586-023-06747-5
@ai_machinelearning_big_data
294 887
🔉 MAGNeT: Masked Audio Generation using a Single Non-Autoregressive Transformer
Мощная система преобразования текста в звук от FAIR.
И да, она с открытым исходным кодом.
🖥 Code: https://github.com/facebookresearch/audiocraft/blob/main/docs/MAGNET.md#api
🚀 HF: https://huggingface.co/collections/facebook/magnet-659ef0ceb62804e6f41d1466
📚 Paper: https://arxiv.org/abs/2401.04577
🌟 Project: https://pages.cs.huji.ac.il/adiyoss-lab/MAGNeT/
⚛️ Datasets: https://github.com/facebookresearch/audiocraft/blob/main/docs/DATASETS.md
@ai_machinelearning_big_data
294 887
Международная online конференция про AI от основателей Epic Growth
Лучшие практики для разработчиков, инженеров, ресерчеров, дата сайентистов, тим-лидов и продактов, от ведущих мировых компаний, которые создают AI-based продукты и инфраструктуру.
Выступят спикеры 📣
— Meta (команда Llama-2)
— Github (команда Copilot)
— Databricks
— Hugging Face
— Anyscale
— Zilliz
— Writer
— Speechify
— Twelve Labs
И других классных компаний, которые прямо сейчас создают AI-будущее.
Будут затронуты самые актуальные темы:
— AI Agents development
— Fine-tuning & RLHF
— AI devtools & infrastructure
— Retrieval-Augmented Generation
— LLMops
— Open Source AI
— Multimodal APIs
— AI & Data analytics
Конференция пройдет в Online формате 3️⃣0️⃣➖3️⃣1️⃣ января на английском языке 🇬🇧
Участники получат доклады, воркшопы и записи, а также доступ в нетворкинг-чат.
Скидка 1️⃣0️⃣ % по промо-коду — MBFIAA358
Регистрация через VPN
294 887
🖼️ DDColor: Towards Photo-Realistic Image Colorization via Dual Decoders 🔥
DDColor - фреймвор с двумя декодерами для естественной колоризации изображений.
Обширные эксперименты показывают, что DDColor превосходит все существующие современные разработки на бенчмарках.
🖥 Code: github.com/piddnad/DDColor
📚 Paper: arxiv.org/abs/2212.11613
🌟 Colab: https://github.com/camenduru/DDColor-colab
@ai_machinelearning_big_data
294 887
💊 AMIE: A research AI system for diagnostic medical reasoning and conversations
149 актеров, играющих пациентов, общались в прямом эфире с одним из 20 врачей, отобранных для теста и новым медицинским LLM от Google, AMIE.
После врачи-специалисты и пациенты оценивали качество обслуживания. AMIE обошел врачей.
💡 Blog: https://blog.research.google/2024/01/amie-research-ai-system-for-diagnostic_12.html
📚 Paper: https://arxiv.org/abs/2401.05654
@ai_machinelearning_big_data
294 887
Создать и обучить нейросеть — вопрос времени.
Получить необходимый для этого навык — вообще не вопрос.
Приходите на бесплатный интенсив «Погружение в Data Science: обучите свою первую нейросеть за два дня» от онлайн-школы Skillfactory.
С 16 по 17 января будете строить алгоритмы и обучать нейронную сеть.
А за лучшее решение домашнего задания сможете получить мини-курс по аналитическому мышлению в подарок.
Зарегистрироваться: https://go.skillfactory.ru/&erid=2VtzqusXUGV
Реклама, ООО «Скилфэктори», ИНН: 9702009530
294 887
⚡️ SigLIP: a better CLIP model
SigLIP от Google теперь доступен в 🤗 Transformers!
Он улучшает CLIP с помощью функции сигмоидальной потери.
SOTA для пары изображение в текст и наоборот.
🖥 Github: https://github.com/NielsRogge/Transformers-Tutorials/blob/master/SigLIP/Inference_with_(multilingual)_SigLIP%2C_a_better_CLIP_model.ipynb
📚 Paper: https://arxiv.org/abs/2303.15343
⚡️HF: https://huggingface.co/docs/transformers/main/en/model_doc/siglip
@ai_machinelearning_big_data
294 887
🔥Physics-based Text-to-Motion🔥
InsActor - генеративный фреймворк, использующий последние достижения в области диффузионных моделей движения человека для создания управляемых промптами анимаций персонажей, основанных на физике.
🖥 Code: github.com/jiawei-ren/insactor
📚 Paper: arxiv.org/abs/2312.17135
⚡️ Project: https://jiawei-ren.github.io/projects/insactor/
@ai_machinelearning_big_data294 887
⚡️ The SwiftInfer project combines StearmingLLM with TesorR-LLM to make the inference efficiency and productivity much higher.
Сегодня состоялся новый большой релиз от команды Colossal-AI!
Они выложили в открытый доступ новый алгоритм SwiftInfer.
Алгоритм позволяет на 46% улучшить производительность LLM!
Этот проект объединяет инновации из двух недавних проектов, таких как StreamingLLM и TensoRT-LLM, чтобы обеспечить лучшую производильность и низкую задержку при выводе LLM.
Как StreamingLLM решает эту проблему
📌 StreamingLLM решает проблему 'attentional sink' (поглощения внимания) , когда начальные лексемы в тексте получают непропорционально большое внимание алгоритма. В традиционных методах, производительность модели значительно снижается, как только эти начальные лексемы исключаются из окна внимания.
StreamingLLM решает эту проблему, обеспечивая постоянное включение этих важных начальных лексем в окно внимания, тем самым стабилизируя генерацию и поддерживая высокое качество без необходимости дополнительной тонкой настройки.
Очень интересный проект!
git clone https://github.com/hpcaitech/SwiftInfer.git
cd SwiftInfer
pip install.
🖥 Github
@ai_machinelearning_big_data294 887
🧠 BakedAvatar: Baking Neural Fields for Real-Time Head Avatar Synthesis
Рендеринг в реальном времени управляемых аватаров с 4D-головой на различных устройствах, включая мобильные.
BakedAvatar использует видеозаписи человека для создания качественных управляемых аватаров.
git clone https://github.com/buaavrcg/BakedAvatar
cd BakedAvatar
🖥 Code: https://github.com/buaavrcg/BakedAvatar
📚 Paper: https://dl.acm.org/doi/10.1145/3618399
⚡️ Page: https://buaavrcg.github.io/BakedAvatar/
@ai_machinelearning_big_data294 887
🖥 Transformers From Scratch
PYTHON
In this notebook we have built a transformer model based on the Attention Is All You Need paper following along with Andrej Karpathy’s fantastic YouTube video: Let’s build GPT.
В этом блоге показн процесс создания и обучения трансформеров с нуля.
Шаг за шагом рассмотрен каждый основополагающий элемент с объяснением, что происходит на каждом этапе.
Этот блог написан в блокноте Jupyter, который вы можете скачать и использовать для самостоятельного выполнения кода по ходу работы.
📌 Notebook
@ai_machinelearning_big_data
294 887
🦾 Free Course: The Hands-on Reinforcement Learning course 🚀
Обучение с подкреплением — один из способов машинного обучения, в ходе которого испытуемая система обучается, взаимодействуя с некоторой средой.
Это пошаговый практический курс, который поможет вам пройти изучить RL с сымых основ.
💻 Course
🖥 Github
@ai_machinelearning_big_data
294 887
🦜 DreamTalk: When Expressive Talking Head Generation Meets Diffusion Probabilistic Models
DreamTalk - это фреймворк для создания выразительных говорящих голов, который может создавать высококачественные видеоролики говорящих голов в различных стилях речи.
DreamTalk демонстрирует высокую производительность при работе с разнообразными исходными данными, включая песни, речь на нескольких языках, зашумленное аудио.
🖥 Code: https://github.com/ali-vilab/dreamtalk
📚 Paper: https://arxiv.org/abs/2312.09767
⚡️ Page: https://dreamtalk-project.github.io
🌟 Colab: https://github.com/camenduru/dreamtalk-colab
@ai_machinelearning_big_data
294 887
🎙OpenVoice: Versatile Instant Voice Cloning
OpenVoice: Универсальное мгновенное клонирование голоса ✨
1. Точное клонирование тональности голоса. OpenVoice может точно клонировать тон голоса и генерировать речь на нескольких языках и акцентах.
2. Гибкое управление стилем голоса. OpenVoice позволяет контролировать стили голоса, такие как эмоции и акцент, а также другие параметры стиля, включая ритм, паузы и интонацию.
3. Кросс-языковое клонирование голоса.
🖥 Code: https://github.com/myshell-ai/OpenVoice
📚 Paper: https://arxiv.org/abs/2312.01479
⚡️ Page: https://research.myshell.ai/open-voice
🌟 Colab: https://github.com/camenduru/OpenVoice-colab
@ai_machinelearning_big_data
294 887
✔️ AIJack: Security and Privacy Risk Simulator for Machine Learning
Security and Privacy Risk Simulator for Machine Learning.
AIJack - библиотека с открытым исходным кодом, предназначенная для оценки рисков безопасности и конфиденциальности, связанных с обучением и развертыванием моделей машинного обучения.
На фоне растущего интереса к большим данным и искусственному интеллекту ускоряется прогресс в исследованиях и применения в бизнесе инструментов машинного обучения. Однако недавние исследования выявили потенциальные угрозы, такие как кража обучающих данных и манипулирование моделями со стороны злоумышленников.
Поэтому полное понимание уязвимостей моделей машинного обучения в области безопасности и конфиденциальности имеет решающее значение для безопасной интеграции машинного обучения в реальные проекты.
AIJack призван решить эту задачу, предоставляя библиотеку с различными методами атак и защиты через единый API.
pip install git+https://github.com/Koukyosyumei/AIJack
🖥 Code: https://github.com/microsoft/promptbench
🌟 Docs: https://promptbench.readthedocs.io/en/latest/
📚 Paper: https://arxiv.org/abs/2312.07910v1
⚡️ Dataset: https://paperswithcode.com/dataset/mmlu
@ai_machinelearning_big_data294 887
🌹4DGen: Grounded 4D Content Generation with Spatial-temporal Consistency
Генерация 4D-контента с пространственно-временной согласованностью!
Пайплайн обеспечивает условное создание 4D, позволяя пользователям задавать геометрию генераци и движение (монокулярные видео), тем самым обеспечивая контроль над созданием контента. #GaussianSplatting #3DGS
🖥 Code: https://github.com/VITA-Group/4DGen
🔮 Project: https://vita-group.github.io/4DGen/
📚 ArXiv: https://arxiv.org/abs/2305.06456
@ai_machinelearning_big_data
294 887
🧍♂ Perpetual Humanoid Control for Real-time Simulated Avatars
Новая модель, которая позволяет добиться генерации текста в движение в режиме реального времени, используя симуляцию движения человека.
Контроллер, обеспечивает высокую точность имитации движений и восстановления положения при наличии помех и неожиданных падений.
🖥 Code: github.com/ZhengyiLuo/PerpetualHumanoidControl
🎓 Video: https://www.youtube.com/watch?v=zS6Y00EW37A
🔮 Project: https://zhengyiluo.github.io/PHC/
📚 ArXiv: https://arxiv.org/abs/2305.06456
@ai_machinelearning_big_data
294 887
⚡️ MotionCtrl: A Unified and Flexible Motion Controller for Video Generation
Новая модель-контроллер движения для генерации видео, который способен самостоятельно управлять сложным движением камеры и движением объектов в генерируемых видео.
🖥 Code: https://github.com/TencentARC/MotionCtrl
🎓 Colab: https://github.com/camenduru/MotionCtrl-colab
🔮 Project Page: https://openxlab.org.cn/apps/detail/camenduru/MotionCtrl
📚 ArXiv: https://arxiv.org/abs/2312.03641
@ai_machinelearning_big_data
294 887
🐱DiffMorpher: Unleashing the Capability of Diffusion Models for Image Morphing
DiffMorpher - новый подход, обеспечивающий плавное преобрахование изображений с помощью диффузионных моделей.
🖥 Code: https://github.com/Kevin-thu/DiffMorpher
🧪OpenXLab: https://openxlab.org.cn/apps/detail/KaiwenZhang/DiffMorpher
🎓 Colab: https://github.com/camenduru/DiffMorpher-colab
🔮 Project Page: https://kevin-thu.github.io/DiffMorpher_page
📚 ArXiv: https://arxiv.org/abs/2312.07409
@ai_machinelearning_big_data
294 887
🪩 Обучение генеративных моделей от А до Я
Сейчас генеративные модели широко используются в областях искусственного интеллекта и машинного обучения. Для них важна правильная предобработка данных, а для генерации эстетичных изображений используются две стадии: улучшение предварительно обученной модели, которая уже имеет некоторые знания, и обучение с подкреплением.
Однако в последнее время набирают популярность диффузионные модели: во многом благодаря своей простоте и возможности обучения на простых данных. Например, если модель обучается на изображениях кошек, она сможет генерировать похожие реалистичные изображения кошек.
Смотрите запись выступления Сергея Овчаренко из Яндекса, чтобы лучше разобраться в нюансах обучения генеративных картиночных диффузионных моделей. Там же в плейлисте доступны записи и других докладов с конференции Яндекса для разработчиков YaTalks.
Реклама ООО Яндекс, ИНН 7736207543, erid: 2SDnjdAJ3Jg
