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

Сітка:Machinelearning Росія1 276 Технології та додатки327...

📈 Аналітичний огляд Telegram-каналу Machinelearning

Канал Machinelearning (@ai_machinelearning_big_data) у мовному сегменті Російська є активним учасником. На даний момент спільнота об'єднує 293 879 підписників, посідаючи 327 місце в категорії Технології та додатки та 1 276 місце у регіоні Росія.

📊 Показники аудиторії та динаміка

З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 293 879 підписників.

За останніми даними від 01 липня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -6 444, а за останні 24 години на -235, загальне охоплення залишається високим.

Статус верифікації: Не верифікований
Рівень залученості (ER): Середній показник залученості аудиторії становить 7.55%. Протягом перших 24 годин після публікації контент зазвичай збирає 5.55% реакцій від загальної кількості підписників.
Охоплення публікацій: В середньому кожен допис отримує 22 202 переглядів. Протягом першої доби публікація в середньому набирає 16 311 переглядів.
Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 172.
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 02 липня, 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.

293 879

Підписники

-23524 години

-1 5517 днів

-6 44430 день

22 202

Перегляди допису

~ 16 31124 години

~ 18 21848 годин

7.55%

Коефіцієнт залучення

~ 6

Дописів на день

Ads index

beta

Архів дописів

293 807

18 ноября в 11:00 МСК состоится вебинар «Бесплатная оптимизация ИИ-моделей на базе ML Space с помощью Intel ®️ oneAPI». Эксперт облачного провайдера услуг и сервисов SberCloud Владимир Новоженов расскажет об инструментах Intel oneAPI — OpenVino на облачной платформе ML Space, ставших теперь доступными для физических лиц, и продемонстрирует, как с их помощью оптимизировать ИИ-модели. Также вы узнаете, где получить бесплатный доступ к инструментам Intel oneAPI на платформе ML Space. Intel oneAPI Toolkits – это набор инструментов для разработки приложений под различные архитектуры: CPU, GPU, FPGA и другие. В состав набора входит компилятор языка Data Parallel C++, библиотеки для API-программирования и комплект средств для анализа и отладки приложений. Intel oneAPI обеспечивает разработчикам продуктивное и производительное гетерогенное программирование. Присоединяйтесь! Будет интересно и полезно: https://sbercloud.ru/ru/warp/webinar?id=9657285

293 807

🔄 Unofficial PyTorch implementation of Masked Autoencoders Are Scalable Vision Learners Github: https://github.com/pengzhiliang/MAE-pytorch Paper: https://arxiv.org/abs/2111.06377 Pytorch: https://github.com/lucidrains/vit-pytorch Dataset: https://paperswithcode.com/dataset/ade20k @ai_machinelearning_big_data

293 807

Must have для каждого специалиста по машинному обучению! Последняя в этом году практическая группа по «Machine Learning. Advanced» старт уже 29 ноября. Приглашаем вас на бесплатный 2-х дневный интенсив: ⌛️22-23 ноября в 20:00 (мск) «Деплой ml модели: от грязного кода в ноутбуке к рабочему сервису» от OTUS и Сбер: https://otus.pw/9wGG/ Ответьте на 10 вопросов и проверьте свой уровень знаний. Пройдите вступительный тест на онлайн-курс, чтобы определить подойдет ли вам сложность курса, и успейте словить бонусную скидку.

293 807

📌 Dense Unsupervised Learning for Video Segmentation Github: https://github.com/visinf/dense-ulearn-vos Paper: https://openreview.net/pdf?id=i8kfkuiCJCI Video: https://www.youtube.com/watch?v=BqVtZJSLOzg&ab_channel=VisualInference Dataset: https://paperswithcode.com/dataset/davis-2017 @ai_machinelearning_big_data

293 807

🏡 AlphaGardenSim The simulator implements a custom OpenAI gym reinforcement learning environment for this polyculture farming setup. Github: https://github.com/berkeleyautomation/alphagarden Paper: https://arxiv.org/abs/2111.06014v1 Project: https://rieff.jacksonchui.ai/ @ai_machinelearning_big_data

293 807

⚡️ Как обучить нейросеть объяснять себе задачу Яндекс внедрил метод P-tuning для языковой модели YaLM, который проще традиционных подходов и требует меньше ресурсов. Хорошего качества с ним можно добиться, обучая всего 40 тысяч параметров из трех миллиардов — такая модель в итоге опережает даже тысячекратно более трудоемкие решения. https://habr.com/ru/company/yandex/blog/588214/

293 807

👁‍🗨 OCR Post Correction for Endangered Language Texts Github: https://github.com/shrutirij/ocr-post-correction Paper: https://arxiv.org/abs/2111.02622v1 Docs: https://shrutirij.github.io/ocr-el/ @ai_machinelearning_big_data

293 807

Создайте свою первую нейросеть за 10 дней Благодаря машинному обучению нам доступны чудеса вроде распознавания лиц, написания песен в стиле «Гражданской обороны» и картин в духе Рембрандта. Создать свою собственную нейросеть реально — и не только для опытных дата-сайентистов. Вы тоже можете попробовать. На бесплатном курсе Нетологии «Искусственный интеллект: создайте свою первую нейросеть» вы узнаете, как устроены нейросети и в каких сферах они применяются, а также самостоятельно обучите до 4-х математических моделей. Мир Data Science и искусственного интеллекта — доступнее, чем кажется. Убедитесь в этом сами ↓ https://netolo.gy/hdO

293 807

⚡️ Alias-Free Generative Adversarial Networks (StyleGAN3) Github: https://github.com/pdillis/stylegan3-fun Paper: https://arxiv.org/abs/2111.02175v1 Dataset: https://paperswithcode.com/dataset/ffhq @ai_machinelearning_big_data

293 807

📏 OpenPrompt: An Open-source Framework for Prompt-learning Github: https://github.com/thunlp/OpenPrompt Paper: https://arxiv.org/abs/2111.01998v1 @ai_machinelearning_big_data

293 807

16 ноября⚡️INTERCOM’21⚡️ Ежегодная конференция о главных коммуникационных технологиях для бизнеса В этом году INTERCOM объединит представителей крупного бизнеса и ведущих IT-компаний, чтобы обсудить, как искусственный интеллект и машинное обучение меняют глобальный бизнес-ландшафт. В программе: опыт таких ведущих компаний, как NVIDIA, Сбeр, Yandex GO, IDC, Битрикс24 и многих других, а также тренды и прогнозы. Конференция пройдёт онлайн 💻 Регистрируйтесь, записывайте в свои календари и готовьтесь слушать крутые, интересные выступления и интервью! Участие: бесплатное Регистрация по ссылке: https://bit.ly/3mxeUiR До встречи на INTERCOM’21 👋🏼

293 807

🎯 Bayes-Newton Methods for Approximate Bayesian Inference with PSD Guarantees Github: https://github.com/AaltoML/BayesNewton Paper: https://arxiv.org/abs/2111.01721v1 @ai_machinelearning_big_data

293 807

Что прямо сейчас происходит в российских компьютерных науках? Канал «Русские норм!» поговорил с учеными из Яндекса и узнал, насколько хорошо нейросети рисуют логотипы и пишут шансон и какие нюансы нужно учесть, чтобы запустить беспилотники на улицы. Чему сейчас учат искусственный интеллект? Что такое графы и как их используют в современных приложениях? Что мешает роботам ориентироваться в реальном мире и можем ли мы им помочь? Актуальное о Machine Learning и нейросетях — смотрите в выпуске «Ученые норм!».

293 807

🖼 StudioGAN is a Pytorch library providing implementations of representative Generative Adversarial Networks (GANs) for conditional/unconditional image generation. Github: https://github.com/POSTECH-CVLab/PyTorch-StudioGAN Paper: https://arxiv.org/abs/2111.01118v1 Dataset: https://paperswithcode.com/dataset/cifar-10 @ai_machinelearning_big_data

293 807

Конференция NVIDIA GTC начнется уже на следующей неделе, 8 ноября. GTC пройдет онлайн, и участие в ней бесплатное. На GTС вы сможете узнать о самых актуальных разработках по направлениям Conversational AI/NLP, IVA, Reinforcement Learning, Robotics, ИИ в здравоохранении и др. Несколько ключевых выступлений: • A Step-by-step Guide to Building Large Custom Language Models [A31082] - NVIDIA • How Walmart and NVIDIA Defined a Large-Scale End-to-End Recommendation System for E-Commerce - Walmart Global Technology • MegaMolBart: Generally Applicable Chemical AI Models with Large-Scale Pretrained Transformers – AstraZeneca • Deep Learning: What the Future Might Hold – OpenAI • About StyleGAN v3: Alias-free Generative Adversarial Networks GTС откроет выступление CEO NVIDIA Дженсена Хуанга, который традиционно рассказывает об основных трендах на рынке и анонсирует все самые важные новости NVIDIA. Добавьте напоминание в календарь, чтобы не пропустить. Зарегистрируйтесь здесь для бесплатного участия.

293 807

🪛 OneFlow is a performance-centered and open-source deep learning framework. Github: https://github.com/Oneflow-Inc/oneflow Paper: https://arxiv.org/abs/2110.15032v2 @ai_machinelearning_big_data

293 807

One day offer в МТS Digital для мобильных разработчиков и не только Нужны iOS, Android и Angular разработчики, пишущие на Swift, ObjectiveC, Kotlin, тестировщики, а также продакты, дизайнеры и UX-редакторы. Кандидатам необходимо выбрать интересующее его направление и зарегистрироваться по этой ссылке. После одобрения резюме вы получите приглашение на one day offer, где вам предстоит пройти лишь одно интервью с экспертами вашего направления. В случае успешного прохождения вы получаете оффер в тот же день. One day offer состоится 17 ноября с 10:00 до 20:00 онлайн. MTS Digital — это инновационное подразделение МТС, которое работает над созданием экосистемы цифровых сервисов, с мобильными приложениями, продуктами в финтехе, в стриминге, гейминге, «облаках», AI и других направлениях.

293 807

😃 GoEmotions: A Dataset for Fine-Grained Emotion Classification Github: https://github.com/google-research/google-research/tree/master/goemotions Google AI: https://ai.googleblog.com/2021/10/goemotions-dataset-for-fine-grained.html @ai_machinelearning_big_data

293 807

🌲 Revisiting randomized choices in isolation forests Github: https://github.com/david-cortes/isotree Paper: https://arxiv.org/abs/2110.13402v1 @ai_machinelearning_big_data

293 807

❓Что должен знать и уметь специалист по Machine learning? ✅ Узнайте 1 ноября в 18:00 на вебинаре с Марией Тихоновой, Senior Data Scientist в Сбере. 👩🏼 Мария поделится своим карьерный опытом и представит программу онлайн-курса «Machine Learning». 🎒Вы узнаете, как организована практика и получите возможность сэкономить на обучении. 👉Регистрация на вебинар https://otus.pw/geho/