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
276 293
🧠 Free AI for Beginners Course
Artificial Intelligence for Beginners
MindMap
Description
@ai_machinelearning_big_data
276 293
Эволюция машинного обучения и проблема «черного ящика»
Какие бенчмарки используются в ML?
Благодаря чему произошел прорыв в технологиях машинного обучения?
Как метод LIME помогает интерпретировать алгоритмы ИИ?
Почему нейронки по-прежнему работают не так, как хотелось бы ученым?
Ученые Yandex Research рассказали, как они исследуют логику нейросетей и почему людям до сих пор сложно прочитать их «мысли».
276 293
Эволюция машинного обучения и проблема «черного ящика»
Какие бенчмарки используются в ML?
Благодаря чему произошел прорыв в технологиях машинного обучения?
Как метод LIME помогает интерпретировать алгоритмы ИИ?
Почему нейронки по-прежнему работают не так, как хотелось бы ученым?
Ученые Yandex Research рассказали, как они исследуют логику нейросетей и почему людям до сих пор сложно прочитать их «мысли».
276 293
🧩 Per-Clip Video Object Segmentation
Progressive matching mechanism for efficient information-passing within a clip.
Github: https://github.com/pkyong95/PCVOS
Paper: https://arxiv.org/abs/2208.01924v1
Dataset: https://paperswithcode.com/dataset/davis
Video: https://youtu.be/6QATHDwrUx0
@ai_machinelearning_big_data
276 293
Под бой курантов цели на год приходят в голову легко — уйду в IT работать на удалёнке! А вот путь к ним перекрывают сомнения: не потяну, не смогу работать и учиться, не возьмут без опыта, это всё не для меня. Вот уже лето, а цель всё так же далека.
Стать аналитиком данных за год реально — на курсе Яндекс Практикума. Вот почему мы в этом уверены:
— Размеренную учёбу по 10–15 часов в неделю можно совмещать с работой, вузом и семьёй.
— После курса у вас будет портфолио: 14 учебных проектов и два боевых, от реальных заказчиков.
— Работу находят выпускники с очень разным опытом — бывший офицер, звукорежиссёр, менеджер и другие.
— 78% наших выпускников трудоустраиваются. Смогли они — получится и у вас.
Дойти до цели вам поможет команда сопровождения. Специалисты объяснят сложные темы на вебинарах, проверят проекты, научат писать резюме и проходить собеседования.
Курс можно оплатить в рассрочку: 15 500 ₽ в месяц. Сэкономить 13 020 ₽ поможет промокод DAPLUSAUGUST — он даёт 7% скидки на курс с 8 по 21 августа.
Протестируйте формат бесплатно →
276 293
💻 P2P: Tuning Pre-trained Image Models for Point Cloud Analysis with Point-to-Pixel Prompting
Github: https://github.com/wangzy22/P2P
Paper: https://arxiv.org/abs/2208.02812v1
Dataset: https://paperswithcode.com/dataset/imagenet
Model: https://shapenet.cs.stanford.edu/media/modelnet40_normal_resampled.zip
@ai_machinelearning_big_data
276 293
🚀 @machinelearning_interview - в Канале собраны все возможные вопросы и ответы с собеседований по Аналитике данных и Машинному обучению. Канал от Data Analytics.
Материалы канала реально помогут подготовиться к data science собеседованию.
👉Перейти
276 293
➡️ Prompt Tuning for Generative Multimodal Pretrained Models
Github: https://github.com/ofa-sys/ofa
Paper: https://arxiv.org/abs/2208.02532v1
Dataset: https://paperswithcode.com/dataset/snli-ve
Demo: https://huggingface.co/spaces/OFA-Sys/OFA-Generic_Interface
@ai_machinelearning_big_data
276 293
Repost from AI Deal Watch
С 2018 по 2019 г. количество вакансий специалистов по машинному обучению выросло в 1,3 раза. В 2022 году возрастает спрос на специалистов Middle и Senior ML Engineer.
Чтобы выйти из ситуации нехватки кадров и обеспечить себе команды профессионалов, крупные компании открывают свои школы и сотрудничают с университетами. Предпочтение уходит талантам, которые уже адаптированы под бизнес-задачи компаний.
Так, в Университете ИТМО была запущена уникальная магистратура «Инженерия машинного обучения» с участием компании «Татнефть»:
▪️работа на больших данных компании и развитие до Middle уровня
▪️спонсирование проживания на базе современного кампуса в г.Альметьевск
▪️спонсирование онлайн-обучения в ИТМО - лидирующем вузе страны по компьютерным наукам
До 6 августа можно оставить заявку на сайте проекта!
276 293
💬 Expanding Language-Image Pretrained Models for General Video Recognition by Microsoft.
Video-specific prompting scheme, which leverages video content information for generating discriminative textual prompts.
Github: https://github.com/microsoft/VideoX/tree/master/X-CLIP
Paper: https://arxiv.org/abs/2208.02816v1
Dataset: https://paperswithcode.com/dataset/ucf101
@ai_machinelearning_big_data
276 293
🔥 CLIFF: Carrying Location Information in Full Frames into Human Pose and Shape Estimation
Github: https://github.com/huawei-noah/noah-research/tree/master/CLIFF
Paper: https://arxiv.org/abs/2208.00571v1
Pretrained checkpoints : https://drive.google.com/drive/folders/1EmSZwaDULhT9m1VvH7YOpCXwBWgYrgwP
Dataset: https://paperswithcode.com/dataset/human3-6m
@ai_machinelearning_big_data
276 293
+1👨 Deep Deformable 3D Caricature with Learned Shape Control (DD3C)
Github: https://github.com/ycjungsubhuman/deepdeformable3dcaricatures
Paper: https://arxiv.org/abs/2207.14593v1
Project: https://ycjungsubhuman.github.io/DeepDeformable3DCaricatures
Dataset: https://paperswithcode.com/dataset/facewarehouse
Video: https://youtu.be/WLMPEaK6E4M
@ai_machinelearning_big_data
276 293
Всем привет!
Продолжается набор на бесплатное обучение в Академии больших данных MADE.
Мы полностью обновили программу. Теперь за один год вы сможете получить базовые знания и опыт в области больших данных. Основной упор сделан на практическую часть — во время обучения вы дважды пройдете полный цикл реализации DS- и ML- продуктов.
Регистрация открыта до 6 августа: https://vk.cc/ceWl31
276 293
+3🔥📐 Rewriting Geometric Rules of a GAN
Method which allows edit a GAN model to synthesize many unseen objects with the desired shape
Github: https://github.com/peterwang512/ganwarping
Paper: https://arxiv.org/abs/2207.14288v1
Project: https://peterwang512.github.io/GANWarping/
Dataset: https://paperswithcode.com/dataset/ffhq
Video: https://www.youtube.com/watch?v=2m7_rbsO6Hk
@ai_machinelearning_big_data
276 293
🔘 ALBench: A Framework for Evaluating Active Learning in Object Detection
An active learning benchmark framework named as ALBench for evaluating active learning in object detection.
Github: https://github.com/industryessentials/ymir
Paper: https://arxiv.org/abs/2207.13339v1
Projects: https://github.com/IndustryEssentials/ymir/projects
Dataset: https://paperswithcode.com/dataset/coco
@ai_machinelearning_big_data
276 293
11 августа состоится Alfa Data Science MeetUp в стиле кибер-футуризма📟
Если вы в Москве 👉 регистрируйтесь на сайте и приезжайте в офис Альфа-Банка по адресу: проспект Андропова 18, корп. 6 или подключайтесь к онлайн трансляции!
Темы и спикеры:
🖲 Развитие клиентской базы: моделирование LTV и прогноз будущих доходов
- Сергей Королёв, Middle Data Scientist Альфа-Банк
🖲 Uplift-моделирование в ценообразовании кредитных продуктов
- Максим Коматовский, Junior Data Scientist Альфа-Банк
🖲 Совершенный код расчёт
- Максим Cтаценко, Team Lead/Senior DWH Developer в Яндекс
🖲 Применение подхода reject/inference в нейросетевом кредитном скоринге
- Алексей Фирстов, Senior Data Scientist Альфа-Банк
Мероприятие пройдет в необычном формате. У вас будет время вспомнить «Бегущего по лезвию» или «Cyberpunk 2077», вдохновиться, поучаствовать в конкурсе и получить призы за креативность 🕶
Регистрируйтесь на сайте, приходите в гости, будет интересно!
276 293
🦠 Learning Protein Representations via Complete 3D Graph Networks
DIG: Dive into Graphs is a turnkey library for graph deep learning research.
Github: https://github.com/divelab/DIG
Paper: https://arxiv.org/abs/2207.12600v1
Tutorials: https://diveintographs.readthedocs.io/en/latest/tutorials/graphdf.html
Documentation: https://diveintographs.readthedocs.io/
Benchmarks: https://github.com/divelab/DIG/tree/dig-stable/benchmarks
Dataset: https://paperswithcode.com/dataset/atom3d
@ai_machinelearning_big_data
276 293
⚡️Рассказываем про альтернативу зарубежным облакам для ML-разработки⚡️
Лавры высокотехнологичной компании манят всех. Но разговоры о BigData, AI и ML становятся тише, когда на стол ложится смета на обновление инфраструктуры.
✅Платформа ML Space станет отличным местом для первых шагов в ML-разработке для компаний с любым уровнем погружения в AI, и вот почему:
1️⃣Полный цикл работ: от импорта данных и обучения модели до эксплуатации готового AI-сервиса.
2️⃣ Для обучения моделей доступны CPU и GPU-ресурсы, что ускоряет сроки разработки и приближает момент получения выгоды от AI на несколько месяцев.
3️⃣ Оплата pay-as-you-go исключает капитальные затраты и позволяет масштабировать ресурсы.
4️⃣ Платформа аттестована по УЗ-1, входит в Единый реестр российского ПО, имеет лицензии ФСТЭК и ФСБ, так что проблем с безопасностью не будет.
🔥Ну, и главный плюс — для знакомства вложений не требуется, достаточно зарегистрироваться как юрлицо и получить грант от 5 до 180 тысяч рублей.
📍Протестировать
276 293
⚡️Рассказываем про альтернативу зарубежным облакам для ML-разработки⚡️
Лавры высокотехнологичной компании манят всех. Но разговоры о BigData, AI и ML становятся тише, когда на стол ложится смета на обновление инфраструктуры.
✅Платформа ML Space станет отличным местом для первых шагов в ML-разработке для компаний с любым уровнем погружения в AI, и вот почему:
1️⃣Полный цикл работ: от импорта данных и обучения модели до эксплуатации готового AI-сервиса.
2️⃣ Для обучения моделей доступны CPU и GPU-ресурсы, что ускоряет сроки разработки и приближает момент получения выгоды от AI на несколько месяцев.
3️⃣ Оплата pay-as-you-go исключает капитальные затраты и позволяет масштабировать ресурсы.
4️⃣ Платформа аттестована по УЗ-1, входит в Единый реестр российского ПО, имеет лицензии ФСТЭК и ФСБ, так что проблем с безопасностью не будет.
🔥Ну, и главный плюс — для знакомства вложений не требуется, достаточно зарегистрироваться как юрлицо и получить грант от 5 до 180 тысяч рублей.
📍Протестировать
276 293
🦾 Learning Visual Representation from Modality-Shared Contrastive Language-Image Pre-training
Github: https://github.com/hxyou/msclip
Paper: https://arxiv.org/abs/2207.12661v1
Dataset: https://paperswithcode.com/dataset/sst
@ai_machinelearning_big_data
