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 293 602 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 293 602 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.
293 602
Підписники
-24924 години
-1 5267 днів
-6 46430 день
Архів дописів
293 476
TJU-DHD dataset (object detection and pedestrian detection)
Github: https://github.com/tjubiit/TJU-DHD
Paper: https://arxiv.org/abs/2011.09170v1
@ai_machinelearning_big_data
293 476
Adversarial Examples in Deep Learning.
https://blog.djsarkar.ai/adversarial-learning-attacks-1/
Github: https://github.com/dipanjanS/adversarial-learning-robustness
@ArtificialIntelligencedl
293 476
Liquid Warping GAN with Attention: A Unified Framework for Human Image Synthesis.
https://www.impersonator.org/work/impersonator-plus-plus.html
Code: https://github.com/iPERDance/iPERCore
Paper: https://arxiv.org/pdf/2011.09055
Dataset: https://svip-lab.github.io/dataset/iPER_dataset.html
@ai_machinelearning_big_data
293 476
Learning Efficient GANs using Differentiable Masks and Co-Attention Distillation
Github: https://github.com/SJLeo/DMAD
Paper: https://arxiv.org/abs/2011.08382
@ai_machinelearning_big_data
293 476
🎨 Stylized Neural Painting.
https://jiupinjia.github.io/neuralpainter/
Github: https://github.com/jiupinjia/stylized-neural-painting
Paper: https://arxiv.org/abs/2011.08114
@ai_machinelearning_big_data
293 476
Text classification with an RNN | TensorFlow Core
https://www.tensorflow.org/tutorials/text/text_classification_rnn
Code: https://github.com/tensorflow/docs/blob/master/site/en/tutorials/text/text_classification_rnn.ipynb
@ai_machinelearning_big_data
293 476
💰Full scholarships for graduate degree programs in Artificial Intelligence
Mohamed bin Zayed University of Artificial Intelligence - first in the world, graduate level, research-based institution that offers graduate degree programs to local and international students.
🌍Location: Abu Dhabi, UAE
✅Language of instruction - English
Offerings:
📍MSc in Machine Learning
📍MSc in Computer Vision
📍MSc in Natural Language Processing (Starting Spring 2022)
📍PhD in Machine Learning
📍PhD in Computer Vision
📍PhD in Natural Language Processing (Starting Spring 2022)
💰Scholarship Benefits:
- 100% tuition
- Accommodation
- Health Insurance
- Flight tickets
- Monthly Stipend (2100/2700$)
Application is open for Fall 2021
🚦Deadline: January 15, 2021
Contact:
Atrach@iie.org
+7 925 616-41-76
Learn more here
293 476
Tensorflow + dalex, or how to explain a TensorFlow model
Article: https://www.kdnuggets.com/2020/11/dalex-explain-tensorflow-model.html
Code: https://dalex.drwhy.ai/python-dalex-tensorflow.html
Explanatory Model Analysis: https://pbiecek.github.io/ema/
@ai_machinelearning_big_data
293 476
Fast Patch-Free Global Learning Framework for Fully End-to-End Hyperspectral Image Classification
Github: https://github.com/Z-Zheng/FreeNet
Paper: https://ieeexplore.ieee.org/document/9007624
@ai_machinelearning_big_data
293 476
Математика — зеленый свет к крутым должностям в Data Science. Твоя уверенность в результатах аналитики — твое конкурентное преимущество на собеседованиях.
Math for Data Science от OTUS — 5 месяцев онлайн-практики и прикладных для профессии навыков.
Выбери свой уровень подготовки — базовый или продвинутый и пройди вступительный тест, чтобы:
• оценить свои навыки
• занять место по специальной цене
• получить доступ к демо-урокам курсов
• попасть в закрытое сообщество профессионалов
👉Пройти тестирование: https://otus.pw/YFbC/
293 476
Deep Multimodal Fusion by Channel Exchanging
Github: https://github.com/yikaiw/CEN
Dataset: https://cs.nyu.edu/~silberman/datasets/nyu_depth_v2.html
Paper: https://arxiv.org/abs/2011.05005
@ai_machinelearning_big_data
293 476
Workshop Акселератора Data Science 15.11 (это воскресенье) в 13:00
“Построение траектории развития в Data Science для продвинутых специалистов” 👉 https://skillfactory.ru/dsexpert-workshop1511?utm_source=ml
Что?
В прямом эфире лучшие эксперты индустрии поделятся своим опытом и помогут вам понять, в какую сторону двигаться для достижения вашей цели:
- Проанализируют ваше резюме,
- Посоветуют, с каким проектами вам стоит поработать,
- Построят вашу траекторию развития
Как?
… уже работающему специалисту Data Science поддерживать свою ценность для своей компании, расти дальше и стать тем самым сотрудником, которого мечтают получить ведущие компании, предлагая самые интересные проекты, сильные команды и лучшие условия;
… из тысяч статей, уроков, вебинаров Computer Vision, Machine Learning, NLP и Reinforcement Learning выбрать самое ценное и составить свою траекторию развития.
Для кого?
Для профессионалов в области машинного обучения, анализа данных и data engineering.
Кто?
- Валентин Малых, Senior Research Scientist в Huawei.
Опубликовал исследовательскую работу на тему: «SumTitles: a Summarization Dataset with Low Extractiveness»
- Полунина Полина, Ex руководитель Data Science направлений HR, Финансы, Видеоаналитика в группе “М.Видео-Эльдорадо“.
Победительница международных чемпионатов по анализу данных, основала с нуля 3 Data Science направления (HR, Финансы, Видео-аналитика)
- Александр Кондрашкин, CTO & Co-Founder в loyaltylab.co, спикер Nvidia GTC.
Кратно улучшил рекомендации в offline ритейле
Как?
Онлайн! Микролекции от спикеров + воркшоп. Тайминг мероприятия 90 минут.
Когда?
15 ноября (вс) в 13:00 (по московскому времени)
Хотите посмотреть, какая траектория получится у вас? Пример возможной траектории 👉 http://joxi.ru/12MvZolcknlJ5A
Регистрируйтесь 👉 https://skillfactory.ru/dsexpert-workshop1511?utm_source=ml
Здесь полезная информация о курсе и не только 👉 https://t.me/SkillFactory_PRO
293 476
🐼 Pandas on Steroids: End to End Data Science in Python with Dask
https://www.kdnuggets.com/2020/11/pandas-steroids-dask-python-data-science.html
How to Work with BIG Datasets : https://www.kaggle.com/yuliagm/how-to-work-with-big-datasets-on-16g-ram-dask
@ai_machinelearning_big_data
293 476
Tequila is an Extensible Quantum Information and Learning Architecture
Github: https://github.com/aspuru-guzik-group/tequila
Paper: https://arxiv.org/abs/2011.03057v1
@ai_machinelearning_big_data
293 476
Анализируешь данные, изучаешь data science или разрабатываешь ML-приложения и их прототипы? Недавно @selectelnews выпустил бесплатный Data Science Docker Container с фреймворками и инструментами ML/DL.
Без навыков Devops с его помощью можно развернуть рабочую среду и обучать нейросети, экспериментировать с данными и запускать проекты машинного обучения.
Из явных плюсов:
— Выгодная оплата — платить нужно только за потребляемые ресурсы в облаке или кластере Managed Kubernetes. Если запускаешь контейнер на своем компьютере — платить вообще не нужно.
— Понятная документация. @selectelnews снял двухминутную инструкцию со всеми этапами запуска контейнера и описал процесс в базе знаний.
Запускай контейнер по ссылке: https://slc.tl/iEVET
