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 294 814 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 294 814 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.
294 814
Підписники
-21624 години
-1 5507 днів
-6 46330 день
Архів дописів
294 759
⚡️ LLMRec: Large Language Models with Graph Augmentation for Recommendation
LLMRec - это новый фреймворк и датасет, улучшающий рекомендательные системы путем применения простых, но эффективных стратегий дополнения графов на основе LLM.
🖥 Github: https://github.com/hkuds/llmrec
📕 Paper: https://arxiv.org/abs/2311.00423v1
⏩ Project: https://llmrec.github.io/
🌐 Dataset: https://llmrec.github.io/#
@ai_machinelearning_big_data
294 759
Открыта регистрация на новый трек “Системный инженер” оплачиваемой ротационной программы Excellence!
Excellence — ротационная программа развития в международной FMCG-компании JTI. В рамках трека «Системный инженер» тебя ждут 3 ротации в разных командах JTI — от 5 до 12 месяцев в каждой. За это время ты погрузишься в ключевые процессы автоматизации производства на одной из крупнейших фабрик в структуре JTI и обретёшь необходимые знания для дальнейшей роли.
Узнать больше на сайте программы
Для кого эта программа?
Для тех, у кого уже есть опыт работы с АСУ ТП или в смежных областях.
Для тех, кто владеет английским на уровне Intermediate и выше.
Мы предлагаем:
— Стартовая зарплата от 165 000 руб. гросс
— ДМС с расширенной стоматологией и страхование жизни;
— Помощь с переездом в Санкт-Петербург для участников из других городов.
Успей подать заявку на участие в отборе до 8 ноября
Реклама. ООО «Дж.Т.И. Россия».ИНН 7703386329
Erid: LatgBjpJ5
294 759
🚀 Важное событие в области искусственного интеллекта! Восьмая глобальная онлайн-конференция AI Journey 2023 в сфере ИИ.
С 22 по 24 ноября главные эксперты по ИИ из России и других стран поделятся информацией о новых трендах в области искусственного интеллекта и машинного обучения. Конференцию также можно посмотреть онлайн.
Кроме того, AI Journey 2023 объявит официальных финалистов AI Journey Science и вручит награды победителям международных онлайн-соревнований AI Challenge и AIJ Contest.
Смотрим тут.
@ai_machinelearning_big_data
294 759
🔥 Learn from Andrew Ng! Generative AI for Everyone
Узнайте, как работает генеративный искусственный интеллект в новой курсе от легендарного Эндрю Ын. Как использовать ИИ в профессиональной или личной жизни и как он повлияет на работу, бизнес и общество.
Этот курс доступен для всех и не предполагает наличия опыта кодинга или работы с искусственным интеллектом.
https://www.deeplearning.ai/courses/generative-ai-for-everyone/
@ai_machinelearning_big_data
294 759
🔥 Learning From Mistakes Makes LLM Better Reasoner
LEMA fine-tunes LLMs on mistakecorrection data pairs generated by GPT-4.
Большие языковые модели недавно продемонстрировали замечательные способности к рассуждениям при решении математических задач. Для дальнейшего улучшения этих возможностей в данной работе предлагается метод обучения на ошибках (LeMa), аналогичный процессам обучения человека.
Если взять студента, который не смог решить математическую задачу, для достижения успеха, студент узнает, какую ошибку он допустил и как ее исправить. Имитируя этот процесс обучения, основанный на ошибках, LeMa производит тонкую настройку LLM на парах данных "ошибка-исправление", генерируемых GPT-4.
В частности, сначала собираются неточные пути рассуждений от различных ЛЛМ, а затем используется GPT-4 в качестве "
корректора", чтобы (1) определить ошибочный шаг, (2) объяснить причину ошибки, (3) исправить ошибку и сформировать окончательный ответ.
LeMa стабильно улучшает производительность моделей по сравнению с тонкой настройкой и превосходит показатели SOTA, достигнутые другими моделями с открытым исходным кодом на различных сложных задачах.
🖥 Github: https://github.com/microsoft/codet
📕 Paper: https://arxiv.org/pdf/2310.20689v1.pdf
⏩ Dataset: https://paperswithcode.com/dataset/math
@ai_machinelearning_big_data294 759
Repost from Яндекс
Три совета джунам от технических директоров и героев нового выпуска шоу «1х1» 🤓 Это Станислав Макеев и Никита Илясов, которые руководят разработкой в Лавке и Еде.
⬇️ «Образование нужно»
Да, знание уравнений в частных производных вряд ли пригодится на практике, но научит разбираться в сложных темах и строить конструкции в голове.
⬇️ «Слушайте фидбэк»
Для этого рядом нужны более опытные коллеги. В сообществе сильных специалистов вы будете расти быстрее.
⬇️ «Создайте систему знаний»
Она позволит легко вернуться к вещам, которые вам когда-то понравились, и не потерять полезную информацию.
Подписывайтесь 👉 @yandex
294 759
🪄IC|TC: Image Clustering Conditioned on Text Criteria
New methodology for performing image clustering based on user-specified criteria in the form of text by leveraging modern Vision-Language Models and Large Language Models
В данной работе представлена новая методика кластеризации изображений на основе заданных пользователем текстовых описаний с использованием современных моделей "зрение-язык" и больших языковых моделей.
Метод Image Clustering Conditioned on Text Criteria (IC TC), представляет собой новую парадигму кластеризации изображений и требует минимального вмешательства человека и предоставляет пользователю полный контроль над результатами кластеризации. Эксперименты показали, что IC TC может эффективно кластеризовать изображения с различными критериями, такими как действия человека, его физическое местоположение или настроение, значительно превосходя при этом другие решения.
🖥 Github: https://github.com/sehyunkwon/ictc
📕 Paper: https://arxiv.org/pdf/2310.18297v2.pdf
⏩Tasks: https://paperswithcode.com/task/clustering
https://t.me/ai_machinelearning_big_data
294 759
Руководитель ML-направления в Яндекс Учебник
Москва / гибрид
Team Lead
Яндекс Учебник — это платформа, которая помогает проще и эффективнее осваивать школьную программу. Мы хотим изменить парадигмы образования, чтобы ускорить изучение тем и повысить качество их закрепления. Для этого мы разрабатываем GPT в Учебнике — инструмент, который упростит процесс обучения как для ребёнка, так и для учителя. Мы стремимся, чтобы машинное обучение и GPT в частности помогали выстраивать оптимальный образовательный маршрут, выполнять задания и прорабатывать ошибки.
Какие задачи вас ждут
- руководить процессом разработки нейросети, которая будет учить школьников информатике: анализировать успехи, составлять учебные планы, давать советы и искать проблемные области, и всё это — с индивидуальным подходом;
- налаживать взаимодействие между продуктом и командой ML, которая обучает первые версии моделей, основанных на YaGPT;
- совместно с командой ML разрабатывать методические инструменты, которые будут на основе больших данных о поведении пользователя оценивать, какие его навыки нуждаются в проработке, и помогать совершенствовать их.
Мы ждем, что вы
- знаете Python и SQL, работали с SciPy, Pandas, Torch, TensorFlow;
- хорошо понимаете принципы ML и применяли их на практике;
- можете с нуля построить пайплайн обучения модели: формулирование требований, выбор метрик, выбор алгоритма машинного обучения, сбор данных, обучение алгоритма, оценка качества, развёртка в продакшн;
- понимаете, как модель будет работать в продакшне, с учётом ограничений;
- руководили командой.
Будет плюсом, если вы
- проектировали и разрабатывали высоконагруженные ML-сервисы.
Откликнуться
Контакт в тг: @bachinina_ek
294 759
Работаешь на пределе → Выгораешь → Прокрастинируешь → Опять надо работать на пределе
Этот порочный круг можно разорвать с тем самым Neiry Mind Tracker
Наш софт обрабатывает электрическую активность твоего мозга и дает персональные рекомендации: когда мозг готов к работе, а когда пора отдохнуть...
😖 Иначе ты снова поймаешь ту самую прокрастинацию
Это функцию мы называем «Нейропомодоро», потому что это похоже на тот самый таймер: ты работаешь 20-30 минут и потом софт говорит, что пора сделать паузу...
❗️ Только в нашем случае — это персональный таймер, основанный на твоей РЕАЛЬНОЙ усталости
Под капотом — настоящая наука и длительные исследования нейрофизиологов
Узнай подробнее о майнд-трекере Neiry: https://neiry.ru/mindtracker?utm_source=tg_in&utm_medium=3110mac&utm_term=adP3
Реклама. ООО "НЕЙРИ". ИНН 9701140612. erid: LjN8KXJnS
294 759
☑ PERF: Panoramic Neural Radiance Field from a Single Panorama
PERF - новая систему синтеза
360-градусного обзора, которая генерирует Nerf я на основе одной панорамы.
PERF позволяет осуществлять трехмерное перемещение по сложным сценам без затратного и утомительного сбора изображений.
Многочисленные эксперименты на Replica и новом датасете PERF-in-the-wild демонстрируют превосходство PERF над другими современными методами. Модель подходит для задач преобразование панорамы в 3D, текста в 3D и стилизации 3D-сцен.
🖥 Github: https://github.com/perf-project/PeRF
⚡️Project: https://perf-project.github.io/
📕 Paper: https://arxiv.org/abs/2310.16831v1
⏩ Dataset: https://paperswithcode.com/dataset/replica
https://t.me/ai_machinelearning_big_data294 759
Запусти стартап и получи грант на его развитие
Заполняй заявку в акселератор Сбера для студентов, аспирантов и научных сотрудников вузов. Регистрация открыта!
За 6 месяцев ты:
— узнаешь, какие этапы нужно пройти, чтобы создать стартап
— соберешь команду или присоединишься к существующей
— создашь бизнес-проект под руководством наставника
— достигнешь первых бизнес-результатов: предзаказы, договоренности о пилотировании или MVP устройства
Какие есть преимущества?
— лучшие команды представят проекты на Демо-дне, где их оценят топ-менеджеры Сбера и других корпораций, бизнес-ангелы
— победители получат призы от Сбера, смогут рассчитывать на гранты от Moscow Seed Fund и на специальный грант Президента РФ для магистров
Выпускники программы создали более 1500 технологических стартап-проектов и привлекли больше 420 млн рублей на их развитие.
Хочешь так же? Регистрируйся!
294 759
🔅 FreeNoise: Tuning-Free Longer Video Diffusion via Noise Rescheduling
✅ totally no tuning ✅less than 20% extra time ✅ support 512 frames
LongerCrafter (FreeNoise) - это новый метод генерации длинных видео, не требующих настроек, на основе предварительно обученных моделей диффузии.
Обширные эксперименты показывают превосходство данного метода по сравнению с предыдущими для расширения генеративных возможностей диффузионных моделей видео.
Промт, который был использован для генерации видео: "Чихуахуа в костюме космонавта, парящая в космосе, кинематографическое освещение, эффект свечения";
Разрешение: 1024 x 576; Кадры: 64.
🖥 Github: https://github.com/arthur-qiu/LongerCrafter
📕 Paper: https://arxiv.org/abs/2310.15169
⏩ Project: http://haonanqiu.com/projects/FreeNoise.html
ai_machinelearning_big_data
294 759
❗️Как легко получить Spark кластер на 10 узлов?
Современные облачные инфраструктуры позволяют сделать это всего за несколько шагов.
▶️ 9 ноября в 20:00 мск в рамках онлайн-курса MLOps от OTUS пройдёт открытый урок «Big Data в облаках».
На открытом уроке:
🔹Рассмотрим как создать в Yandex Cloud Spark кластер.
🔹 Что лучше использовать в качестве хранилища: HDFS или S3.
🔹 Как можно экономить за счет динамического выделения ресурсов.
✅ Владение инструментами MLOps открывает новые карьерные горизонты специалистам ML, Data Scientist’ам и Software инженерам.
👉 РЕГИСТРАЦИЯ
https://otus.ru/lessons/ml-bigdata/?utm_source=telegram&utm_medium=cpm&utm_campaign=ml-bigdata&utm_content=lesson-09-11-2023&utm_term=ai_machinelearning_big_data#event-3489
Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963. erid: LjN8KLt6S
294 759
Masked Space-Time Hash Encoding for Efficient Dynamic Scene Reconstruction
Masked Space-Time Hash (MSTH) - новый метод эффективного восстановления динамических 3D-сцен из многоракурсного видео.
🖥 Github: https://github.com/masked-spacetime-hashing/msth
🤗 HH: https://huggingface.co/datasets/masked-spacetime-hashing/Campus
📕 Paper: https://arxiv.org/abs/2310.17527v1
⏩ Dataset: https://paperswithcode.com/dataset/mip-nerf-360
ai_machinelearning_big_data
294 759
CS25: Transformers United V3
Новые лекции на курсе по Трансформерам от Стенфорда! На Stanford CS 25 "Transformers United" выступали такие звездные гости, как Андрей Карпаты, Ноам Браун, Лукас Бейер и сам Джефф Хинтон!
Вышел новый доклад, посвящённый созданию и рецептам создания универсальных ИИ-агентов в открытых мирах:
- MineDojo: открытый фреймворк и мультимодальная база данных для обучения агентов Minecraft.
- Voyager: агент для пожизненного обучения в Minecraft на базе LLM.
- Eureka: GPT-4 развивает функции вознаграждения, чтобы научить руку робота крутить ручку.
- VIMA: один из самых ранних мультимодальных LLM с.
- Взгляд в будущее: перспективные направления исследований.
☑️ Slides: https://drive.google.com/file/d/1lWIhijUaTZkkWOC_YwZHMoI0h7EAWVPL/view
📑 Lectures: https://web.stanford.edu/class/cs25
ai_machinelearning_big_data
294 759
Открыта регистрация на отборочный этап Всероссийского хакатона по биометрии с призовым фондом 1 000 000 рублей!
⠀
Тебе предстоит решить интересные задачи, чтобы победить в отборочном туре и принять участие в финале Всероссийского хакатона по биометрии, который пройдет уже 24-25 ноября в Москве.
Кейсы:
• Создание дипфейков для тестирования
• Обнаружение дипфейков
• Некооперативный фронтальный алгоритм защиты от атак предъявления
• Решения для использования новых биометрических модальностей на пользовательских устройствах
⠀ ⠀
🗓 Даты отборочного этапа в ОНЛАЙН-ФОРМАТЕ: 3-5 ноября 2023 года
❗️Даты финала: 24-25 ноября 2023 года 📍 Место: Москва
❗️ Формат: смешанный (отборочный этап в онлайн-формате, а финал на площадке в Москве)
👉 Регистрация на отборочный тур открыта до 29 октября 2023 года: https://tglink.io/a695c6866d5b
Реклама. ООО "АКСЕЛЕРАТОР ВОЗМОЖНОСТЕЙ". ИНН 9704005146. erid: LjN8KXChL
294 759
+1🕵️ Detecting Pretraining Data from Large Language Models
Min-K% Prob, простой и эффективный метод, который позволяет определить, была ли LLM предварительно обучена на заданном тексте, а также для обнаружения защищенного авторским правом текста.
Датасет WikiMIA служит бенчмарком, предназначенным для обнаружения данных предварительного обучения.
🖥 Github: https://github.com/swj0419/detect-pretrain-code
📕 Paper: https://arxiv.org/pdf/2310.16789.pdf
📘 WikiMIA Benchmark:
⏩ Project: https://swj0419.github.io/detect-pretrain.github.io/
ai_machinelearning_big_data294 759
💥Прокачайтесь в машинном обучении на бесплатных Тренировках по ML от Яндекса
ML — новое направление Тренировок от Яндекса, которое посвящено классическому машинному обучению. Курс разработан совместно со Школой анализа данных и подойдёт для выпускников технических вузов и начинающих ML-специалистов.
Тренировки пройдут с 30 октября по 29 ноября.
Тренировки по ML — это отличная возможность прокачаться в теме, закрепить знания и подготовиться к отбору в IT-компанию. Здесь вас ждут лекции от экспертов Яндекса, домашние задания и еженедельные онлайн-разборы.
🏆 Участники, которые проявят себя лучше других, получат фаст-трек в Яндекс, а те, кто пройдёт больше половины курса — сертификат о прохождении, который украсит портфолио.
Как проходят Тренировки по ML
1️⃣ Регистрируетесь: участвовать могут все желающие бесплатно и без конкурсного отбора. Старт Тренировок 30 октября.
2️⃣ Смотрите лекции и самостоятельно решаете задачи, которые определяют ваше место в рейтинге участников
3️⃣ Проверяете себя на еженедельных онлайн-разборах
4️⃣ Получаете награды от Яндекса
Я в деле!
Если вы уже чувствуете себя уверенно в направлении ML, то скорее подавайте заявку на оплачиваемую стажировку.
