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 293 457 підписників, посідаючи 326 місце в категорії Технології та додатки та 1 281 місце у регіоні Росія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 293 457 підписників.
За останніми даними від 02 липня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -6 464, а за останні 24 години на -249, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 7.49%. Протягом перших 24 годин після публікації контент зазвичай збирає 5.71% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 21 989 переглядів. Протягом першої доби публікація в середньому набирає 16 765 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 173.
- 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 03 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.
293 457
Підписники
-24924 години
-1 5267 днів
-6 46430 день
Архів дописів
293 419
Metrics to Use to Evaluate Deep Learning Object Detectors.
https://www.kdnuggets.com/2020/08/metrics-evaluate-deep-learning-object-detectors.html
A Survey on Performance Metrics for Object-Detection Algorithms: https://www.researchgate.net/publication/343194514_A_Survey_on_Performance_Metrics_for_Object-Detection_Algorithms
Github: https://github.com/ultralytics/yolov3/issues/898
@ai_machinelearning_big_data
293 419
Multilingual Speech Synthesis
Synthesized samples, training and evaluation data, source code, and parameters for Multilingual Speech Synthesis.
Github: https://github.com/Tomiinek/Multilingual_Text_to_Speech
Demo Code: https://colab.research.google.com/github/Tomiinek/Multilingual_Text_to_Speech/blob/master/notebooks/code_switching_demo.ipynb
Website with samples: https://tomiinek.github.io/multilingual_speech_samples/
Paper: https://arxiv.org/abs/2008.00768
@ai_machinelearning_big_data
293 419
Netflix’s Polynote is a New Open Source Framework to Build Better Data Science Notebooks
Polynote is an experimental polyglot notebook environment. Currently, it supports Scala and Python, SQL, and Vega.
https://www.kdnuggets.com/2020/08/netflix-polynote-open-source-framework-better-data-science-notebooks.html
Project page: https://polynote.org/
Github: https://github.com/polynote/polynote
@ai_machinelearning_big_data
293 419
Почему тимлиды в «Лаборатории Касперского» не стрессуют? За год они прошли 8075 сеансов массажа прямо в офисе! Приходи в команду разработки безопасных решений для мобильных (KasperskyOS).
Все подробности тут!
293 419
How to Use XGBoost for Time Series Forecasting
https://machinelearningmastery.com/xgboost-for-time-series-forecasting/
@ai_machinelearning_big_data
293 419
Train your TensorFlow model on Google Cloud using TensorFlow Cloud
https://blog.tensorflow.org/2020/08/train-your-tensorflow-model-on-google.html
293 419
Привет! Уже в этот четверг в 19:00 (6 августа) состоится онлайн-митап “Как правильно учить людей программированию и Data Science?”, который организует SkillFactory.
Спикеры:
Наталья Кузнецова (SkillFactory) "Как мы используем метрики для улучшения продукта"
Анатолий Карпов (автор курсов по data science, Mail.ru) "Как правильно учить data science"
Артем Пичугин (Newprolab) "Только 4С/ID, только хардкор"
Если вы занимаетесь обучением программированию и анализу данных - то будет очень интересно.
Регистрируемся на митап в телеграм-чате по ссылке: https://t.me/joinchat/CwioCBfsTKoFGBHP0rR2dw
293 419
On the Convergence of Tsetlin Machines for the IDENTITY- and NOT Operators
The Tsetlin Machine solves complex pattern recognition problems with easy-to-interpret propositional formulas.
Github: https://github.com/cair/TsetlinMachine
Paper: https://arxiv.org/abs/2007.14268v1
293 419
The channel for software engineers
Daily Pattern
- software design patterns
- architectural solutions
- refactoring
- tips for writing clean code
Subscribe:
@dailypattern
@dailypattern
@dailypattern
293 419
SipMask: Spatial Information Preservation for Fast Image and Video Instance Segmentation
Github: https://github.com/JialeCao001/SipMask
Paper: https://arxiv.org/abs/2007.14772v1
@ai_machinelearning_big_data
293 419
Building a Content-Based Book Recommendation Engine
https://www.kdnuggets.com/2020/07/building-content-based-book-recommendation-engine.html
Content-Based Recommendation System using Word Embeddings: https://medium.com/towards-artificial-intelligence/content-based-recommendation-system-using-word-embeddings-c1c15de1ef95
@ai_machinelearning_big_data
293 419
👶 BabyAI 1.1
BabyAI is a platform used to study the sample efficiency of grounded language acquisitio
Github: https://github.com/mila-iqia/babyai
https://github.com/mila-iqia/babyai
Paper: https://arxiv.org/abs/2007.12770v1
@ai_machinelearning_big_data
293 419
TensorFlow 2.3.0 Release
TensorFlow 2.3 has been released!
https://blog.tensorflow.org/2020/07/whats-new-in-tensorflow-2-3.html
Release : https://github.com/tensorflow/tensorflow/releases
@ai_machinelearning_big_data
293 419
DeepSVG
A Hierarchical Generative Network for Vector Graphics Animation.
https://blog.alexandrecarlier.com/deepsvg/
Github: https://github.com/alexandre01/deepsvg
Paper: https://arxiv.org/abs/2007.11301
@ai_machinelearning_big_data
293 419
LOOCV for Evaluating Machine Learning Algorithms
https://machinelearningmastery.com/loocv-for-evaluating-machine-learning-algorithms/
@ai_machinelearning_big_data
293 419
Whole-Body Human Pose Estimation in the Wild
Github: https://github.com/jin-s13/COCO-WholeBody
Paper: https://arxiv.org/abs/2007.11858v1
Dataset: https://cocodataset.org/#keypoints-2017
293 419
Using Snorkel and NLP Models to Predict Multiple Sclerosis Severity Scores
https://www.kdnuggets.com/2020/07/labelling-data-using-snorkel.html
Tutorial: https://nlp4h.com/blog/snorkel_tutorial/
293 419
Хочешь попробовать свои силы в Data Science? Пройди онлайн-интенсив по анализу данных и научись использовать продвинутые методы, чтобы автоматизировать рутину, работать быстрее и получить хорошо оплачиваемую востребованную профессию.
Участвуй в бесплатном интенсиве: https://clc.to/d53k4A.
Что тебя ждёт?
💣 Основы языка Python.
💣 Работа с библиотеками Pandas и Matplotlib.
💣 Техники исследования данных и практические кейсы.
💣 Практические задания.
💣 Общение с опытным специалистом.
Все, кто дойдёт до конца занятий, получат электронную книгу Кея Петерсона и Дэвида Колба «Век живи — век учись».
293 419
Private prediction methods: A systematic study by Facebook Research
https://ai.facebook.com/blog/private-prediction-methods-a-systematic-study/
Github: https://github.com/facebookresearch/private_prediction
Paper: https://arxiv.org/pdf/2007.05089.pdf
@ai_machinelearning_big_data
293 419
Multi-scale Interactive Network for Salient Object Detection.
Github: https://github.com/lartpang/MINet
Paper: https://arxiv.org/abs/2007.09062v1
Results & Pretrained Parameters: https://drive.google.com/drive/folders/16yTcf_m-ehnhWgXlN6hbZpBKMy6lYIQQ
