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
275 765
🗒 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
275 765
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
275 765
🎨 Colorization Transformer
Github: https://github.com/satoshiiizuka/siggraphasia2019_remastering
Results: http://iizuka.cs.tsukuba.ac.jp/projects/remastering/en/index.html
Paper: https://openreview.net/forum?id=5NA1PinlGFu
@ai_machinelearning_big_data
275 765
🧠 2020: A Year Full of Amazing AI Papers — A Review
https://www.kdnuggets.com/2020/12/2020-amazing-ai-papers.html
@ai_machinelearning_big_data
275 765
💉 MeDAL: Medical Abbreviation Disambiguation Dataset for Natural Language Understanding Pretraining
Github: https://github.com/BruceWen120/medal
Paper: https://arxiv.org/abs/2012.13978v1
Dataset: https://www.kaggle.com/xhlulu/medal-emnlp
Pre-trained: https://huggingface.co/xhlu/electra-medal
@ai_machinelearning_big_data
275 765
Soft-IntroVAE: Analyzing and Improving Introspective Variational Autoencoders
Project: https://taldatech.github.io/soft-intro-vae-web/
Github: https://github.com/taldatech/soft-intro-vae-pytorch
Paper: https://arxiv.org/abs/2012.13253v1
@ai_machinelearning_big_data
275 765
Solving Mixed Integer Programs Using Neural Networks
Article on speeding up Mixed Integer Programs with ML. Mixed Integer Programs are usually NP-hard problems:
- Problems solved with linear programming
- Production planning (pipeline optimization)
- Scheduling / Dispatching
Or any problems where integers represent various decisions (including some of the graph problems).
ArXiV: https://arxiv.org/abs/2012.13349
Wikipedia on Mixed Integer Programming: https://en.wikipedia.org/wiki/Integer_programming
#NPhard #MILP #DeepMind #productionml #linearprogramming #optimizationproblem
275 765
Check the data science channel there you will find a lot of articles, links and advanced researches .
Join and learn hot topics of data science @opendatascience
275 765
🌐 Global Context Networks
Github: https://github.com/xvjiarui/GCNet
Paper: https://arxiv.org/abs/2012.13375v1
@ai_machinelearning_big_data
275 765
Реализация RCNN на настраиваемом набор данных!
Читать
Код: https://github.com/jackfrost1411/MaskRCNN
@machinelearning_ru
275 765
🔥 DeiT: Data-efficient Image Transformers
Gittub: https://github.com/facebookresearch/deit
Facebook’s research: https://ai.facebook.com/blog/data-efficient-image-transformers-a-promising-new-technique-for-image-classification/
Paper: https://arxiv.org/abs/2012.12877v1
Vision Transformer: https://github.com/lucidrains/vit-pytorch
@ai_machinelearning_big_data
275 765
Feature Selection with Stochastic Optimization Algorithms
https://machinelearningmastery.com/feature-selection-with-optimization/
@ai_machinelearning_big_data
275 765
Повышаем градус киберпанка уходящего года: в 2020 прошло первое нейросетевое Евровидение, AI Song Contest. Выступления участников можно посмотреть на youtube; местами они прокляты и это смешно. Смешнее, необычнее и криповее, чем Uno от Little Big. Отсюда вопрос: что будет с музыкой, если в нее уже пришли роботы?
Первая мысль, конечно: мы все умрем, мир захватят Grimes x Endel. На деле: и нет, и да. Нет — ИИ отлично дописывает, но сочиняет посредственно. Новый Боуи или новые Queen вряд ли будут на 100% цифровыми. Зато эмбиент для йоги и медитаций он пишет, как Брайан Ино, и каверы создает из чего угодно.
Здесь можно посмотреть на прогнозы от SberCloud. От ожидаемого: ТЦ перестанут приглашать на праздники кавер-группы, до экзотики вроде юридических тонкостей работы лейблов и ИИ. Последнее, если подумать, задел на целый раздел авторского права со своими спецами, судами, скандалами. Юристы, выдыхайте. Без работы вы не останетесь.
Ссылка
275 765
YolactEdge: Real-time Instance Segmentation on the Edge
Github: https://github.com/haotian-liu/yolact_edge
Demo: https://www.youtube.com/watch?v=GBCK9SrcCLM
Paper: https://arxiv.org/abs/2012.12259
@ai_machinelearning_big_data
275 765
🎇 TensorFlow Tutorial
https://datascience-enthusiast.com/DL/Tensorflow_Tutorial.html
@ai_machinelearning_big_data
275 765
🔮 An end-to-end machine learning project with Python Pandas, Keras, Flask, Docker and Heroku
Article: https://towardsdatascience.com/an-end-to-end-machine-learning-project-with-python-pandas-keras-flask-docker-and-heroku-c987018c42c7
Habr Ru: https://habr.com/ru/company/skillfactory/blog/534078
Code: https://github.com/RyanEricLamb/rugby-score-prediction
@ai_machinelearning_big_data
275 765
Ещё не слушали наш подкаст с автором @loss_function_porn Каримом Искаковым? Многое теряете!
Как участники зум-конференций могут выдавать себя за других людей, как рэперы снимают клипы с Трампом, и причём тут специалист по компьютерному зрению родом из Кисловодска — всё в одном разговоре. Не пропустите.
275 765
Learning Continuous Image Representation with Local Implicit Image Function.
https://yinboc.github.io/liif/
Github: https://github.com/yinboc/liif
Video: https://www.youtube.com/watch?v=6f2roieSY_8
Paper: https://arxiv.org/abs/2012.09161
@ai_machinelearning_big_data
275 765
🌐 Optimization Algorithms in Neural Networks
https://datascience-enthusiast.com/DL/Optimization_methods.html
Most used optimizers: https://www.theaidream.com/post/optimization-algorithms-in-neural-networks
@ai_machinelearning_big_data
