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 276 293 підписників, посідаючи 336 місце в категорії Технології та додатки та 1 374 місце у регіоні Росія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 276 293 підписників.
За останніми даними від 05 листопада, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -2 229, а за останні 24 години на -129, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 8.04%. Протягом перших 24 годин після публікації контент зазвичай збирає 6.20% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 22 218 переглядів. Протягом першої доби публікація в середньому набирає 17 137 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 330.
- 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 06 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.
276 293
Підписники
-12924 години
-8177 днів
-2 22930 днів
Архів дописів
276 286
Полезная статья на Хабр о промышленном мониторинге качества данных в Feature Store
В ней аналитик финтеха Big Data из МТС рассказал о построении автоматизированного контроля за качеством данных в их Feature Store, позволяющем не допустить принятия бизнес-решений на искаженных или ненадежных данных.
О том, что такое Feature Store, почему в нем возникла потребность и какое место занимает промышленный мониторинг качества данных, читать здесь.
276 286
HiFormer: Hierarchical Multi-scale Representations Using Transformers for Medical Image Segmentation
Github: https://github.com/amirhossein-kz/hiformer
Paper: https://arxiv.org/abs/2207.08518v1
Tasks: https://paperswithcode.com/task/medical-image-segmentation
@ArtificialIntelligencedl
276 286
✅ Что будет с IT в России?
✅ Первыми узнавать новости из мира облачных технологий и искусственного интеллекта
✅ Регулярный и честный анализ рынка IT
✅ Реальный опыт решения задач
Все это и многое другое на авторском ТГ-канале Евгения Колбина, СЕО облачного провайдера Cloud.
Евгений Колбин:
• Знает, как создать и монетизировать Cloud, AI, ML сервисы, а также, как построить суперкомпьютеры
• Настоял на покупке «железа», когда стало понятно, что может быть дефицит
• Вместе с командой создал Sberbank business online - удобную систему сервисов для предпринимателей
• Долгое время руководил ИТ проектами в Citibank
• А самое главное – знает, как воспользоваться теми возможностями, которые для нас сегодня открываются
Подписывайтесь на канал Евгения, если хотите первыми быть в курсе развития IT, облаков и ИИ:
https://t.me/veryironman
276 286
⚡️ CLOSE: Curriculum Learning On the Sharing Extent Towards Better One-shot NAS
Github: https://github.com/walkerning/aw_nas
Paper: https://arxiv.org/abs/2207.07868v1
Dataset: https://paperswithcode.com/dataset/nas-bench-201
@ai_machinelearning_big_data
276 286
МТС создали новый канал, где доказывают, что продают не только симки и смартфоны, а ищут вполне реальных спецов в IT, которые будут писать на Golang • Swift • Kotlin • Java • Python • C# • C++.
Зачем? Чтобы продолжать создавать продукты, платформы и сервисы для людей и бизнеса с помощью 20+ петабайт данных. Еще и работают в разных направлениях: от Big Data, AI и Cloud до онлайн-кинотеатра и киберспорта.
Да, ребята в МТС тоже развивают экосистему цифровых сервисов.
276 286
Language Modelling with Pixels
PIXEL is a language model that operates on text rendered as images, fully removing the need for a fixed vocabulary.
Github: https://github.com/xplip/pixel
Paper: https://arxiv.org/abs/2207.06991v1
Dataset: https://paperswithcode.com/dataset/glue
Pretrained: https://huggingface.co/Team-PIXEL/pixel-base
@ai_machinelearning_big_data
276 286
🚀 Dynamic Low-Resolution Distillation for Cost-Efficient End-to-End Text Spotting
Github: https://github.com/hikopensource/davar-lab-ocr
Paper: https://arxiv.org/abs/2207.06694v1
Dataset: https://paperswithcode.com/dataset/total-text
@ai_machinelearning_big_data
276 286
Ищем медработников, чтобы с нуля обучить профессии Data Scientist в медицине.
С помощью машинного обучения, вы научитесь обрабатывать данные по сердечно-сосудистым заболеваниям, онкологии, сигналам ЭЭГ, рентгеновским изображениям, сможете ставить диагнозы,обнаруживать болезни и персонализировать лечение.
Курс прекрасно подойдет:
Медработникам
Освоите IT-специализацию в знакомой нише, увеличите доход и сможете улучшать жизнь сотен людей с помощью искусственного интеллекта.
Новичкам в Data Science
Станете специалистом по Data Science с нуля: освоите аналитику в медицине, бизнесе и других направлениях.
IT-специалистам
Поможем систематизировать знания в Data Science, ускорить карьерный рост и больше зарабатывать.
Вашими преподавателями станут эксперты из таких компаний как: Parexel, X5 Retail Group, NVIDIA, Минобороны России, Pirogov AI.
Если после успешного обучения вы не найдёте работу, мы вернём вам деньги, ведь гарантия трудоустройства закреплена в договоре.
Узнать подробности и зарегистрироваться: https://clc.to/wKod8g
276 286
Benchmarking Omni-Vision Representation through the Lens of Visual Realms
Github: https://github.com/ZhangYuanhan-AI/OmniBenchmark
Project: https://zhangyuanhan-ai.github.io/OmniBenchmark
Paper: https://arxiv.org/abs/2207.07106v1
Competition: https://codalab.lisn.upsaclay.fr/competitions/6043
@ai_machinelearning_big_data
276 286
Идея для лета — нырнуть в Data Science с головой
Станьте специалистом по Data Science и приручите алгоритмы под свои амбициозные цели: от решения бизнес-задач до развития медицинских технологий. На курсе Яндекс Практикума вы можете за 8 месяцев изучить Python, SQL, машинное обучение и визуализацию данных — необходимый минимум для работы младшим специалистом.
Пять «П» — преимущества обучения в Практикуме:
— Помощь с трудоустройством: 78% выпускников находят работу в течение 4 месяцев после окончания курса.
— Портфолио: 16 проектов на основе реальных задач бизнеса и диплом о профессиональной переподготовке.
— Поддержка: преподаватели, наставники, кураторы и ревьюры помогают пройти обучение.
— Подходящий формат: можете заниматься из любой точки мира когда вам удобно.
— Практика: курс на 75% состоит из задач в онлайн-тренажёре и учебных проектов.
→ Старт потока — 21 июля.
Оплачивать учёбу можно помесячно, от 6 090 ₽/мес, или 112 000 ₽ сразу.
Начните учиться бесплатно и решите, подходит ли вам роль специалиста по Data Science.
→ Попробуйте курс бесплатно
276 286
KGI (Knowledge Graph Induction) for slot filling
Github: https://github.com/ibm/kgi-slot-filling
KILT data and knowledge source: https://github.com/facebookresearch/KILT
Paper: https://arxiv.org/abs/2207.06300v1
Dataset: https://paperswithcode.com/dataset/natural-questions
@ai_machinelearning_big_data
276 286
⁉️ Разработать одну ML-модель и провести ее валидацию — уже давно не проблема. Как экспериментировать сразу с сотнями моделей и с разными параметрами и при этом не захлебнуться в разнообразии экспериментов? Как не потерять этот опыт и легко воспроизводить эксперименты годовой давности?
📌 20 июля в 20:00 на открытом уроке OTUS мы разберем инструмент MLFlow. Он позволяет легко выбирать лучшие модели среди всех экспериментов и при этом легко сравнивать эти модели, и всегда иметь понятное описание эксперимента.
💻 Занятие проведет Миленькин Александр, старший менеджер по работе с большими данными в X5 Retail Group.
💣 Чтобы зарегистрироваться на урок, пройдите вступительный тест
⚠️ Еще больше знаний о том, как устроен процесс внедрения ML-решения, ждет вас на онлайн-курсе «MLOps». Он рассчитан на специалистов по машинному обучению или Software инженеров.
276 286
🏎 Instance Shadow Detection with A Single-Stage Detector
Deep framework, and an evaluation metric to approach this new task.
Github: https://github.com/stevewongv/InstanceShadowDetection
Instance Shadow Detection: https://github.com/stevewongv/SSIS
Video: https://www.youtube.com/watch?v=p0b_2SsFypw
Colab: https://colab.research.google.com/drive/1y9UpS5uA1YuoMyvYVzcKL4ltA_FDu_x0?usp=sharing
Paper: https://arxiv.org/abs/2207.04614v1
Datasets: https://paperswithcode.com/dataset/soba
@ai_machinelearning_big_data
276 286
❓ Как сделать тематическое моделирование сообществ в Telegram?
Для начала пару слов о том, что такое тематическое моделирование. Тематическое моделирование (оно же topic modeling) — задача и процесс построения тематической модели.....
🎯 Читать статью в habr — https://otus.pw/MKRq/
Статья подготовлена в рамках онлайн-курса с продвинутыми приемами машинного обучения — Machine Learning Advanced».
🔥 Ответьте на 10 вопросов и проверьте, насколько вы готовы к обучению на углубленном курсе - «Machine Learning. Advanced» от OTUS и его партнера — Сбера.
👉🏻 ПРОЙТИ ТЕСТ
https://otus.pw/vth9/
276 286
🧍♂ PeopleSansPeople: A Synthetic Data Generator for Human-Centric Computer Vision
Human-centric privacy-preserving synthetic data generator with highly parametrized domain randomization.
Github: https://github.com/unity-technologies/peoplesanspeople
Paper: https://arxiv.org/abs/2207.05025v1
Demo Video: https://www.youtube.com/watch?v=mQ_DUdB70dc
@ai_machinelearning_big_data
276 286
Большие данные захватили мир
Как стриминговые сервисы понимают, что вы любите? Анализ данных уже давно открыл человечеству новые возможности. Бизнес активно использует инструменты Data Science на полную: голосовые ассистенты, чат-боты, персонализированная реклама.
IT-школа Skillfactory и лучший технический вуз МФТИ ответят на эти вопросы и раскроют главный секрет на своём бесплатном онлайн-интенсиве:
“Кем ты будешь через 2 года, если пойдешь учиться на Data Science сейчас?”
За 1,5 часа руководитель онлайн-магистратур в МФТИ Мария Савицкая расскажет преимущества специалистов с профильным образованием и перспективы развития Data Science.
А эксперт по Data Science Иван Ямщиков расскажет, как работает и в каких сферах применяется машинное обучение и что нас ждет через 10 лет!
По оценкам Frost & Sullivan, каждый год сфера Data Science растет на 35,9%. При этом опытных дата-сайентистов не хватает, поэтому их зарплата стабильно увеличивается. Сейчас специалисты с опытом работы 2-3 года получают от 250 000 ₽.
Переходите по ссылке и регистрируйтесь, это займёт меньше минуты: https://go.skillfactory.ru/N4Q9wg
276 286
🔸 An Efficiency Study for SPLADE Models
SParse Lexical AnD Expansion Model for First Stage Ranking.
Github: https://github.com/naver/splade
Paper: https://arxiv.org/abs/2207.03834v1
Dataset: https://paperswithcode.com/dataset/ms-marco
@ai_machinelearning_big_data
276 286
В VK стартовал набор в Академию больших данных MADE — это бесплатное обучение для специалистов с опытом в разработке.
👉 Регистрируйтесь до 6 августа: https://vk.cc/ceWl31
Программа длится один год, но будьте готовы к серьезной нагрузке: занятия займут 25–40 часов в неделю. За это время вы сможете повысить свой профессиональный уровень или освоить новое направление в IT.
Что вас ждёт:
🔹Много практики и работа над реальными проектами.
🔹Преподаватели — ведущие эксперты в области Data Science. Например, несколько дисциплин ведёт Сергей Николенко, автор бестселлера «Глубокое обучение» и создатель курсов в СПбГУ, НИУ ВШЭ и Harbour Space University.
🔹Профессиональное сообщество, где преподаватели, выпускники и слушатели делятся знаниями, общаются и помогают в решении сложных задач.
Для поступления нужно сдать экзамены по математике и программированию, пройти соревнование по машинному обучению и анкетирование.
276 286
👀 Object Centric Open Vocabulary Detection
Object-centric alignment of the language embeddings from the CLIP model.
Github: https://github.com/hanoonaR/object-centric-ovd
Paper: https://arxiv.org/abs/2207.03482v1
Dataset: https://paperswithcode.com/dataset/imagenet
@ai_machinelearning_big_data
276 286
⬆️ YOLOv7
YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors
Github: https://github.com/wongkinyiu/yolov7
Paper: https://arxiv.org/abs/2207.02696v1
Dataset: https://paperswithcode.com/dataset/coco
@ai_machinelearning_big_data
