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 276 689 підписників, посідаючи 335 місце в категорії Технології та додатки та 1 376 місце у регіоні Росія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 276 689 підписників.
За останніми даними від 01 листопада, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -1 742, а за останні 24 години на -86, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 8.42%. Протягом перших 24 годин після публікації контент зазвичай збирає 6.13% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 23 292 переглядів. Протягом першої доби публікація в середньому набирає 16 961 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 364.
- 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 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.
276 689
Підписники
-8624 години
-7617 днів
-1 74230 днів
Архів дописів
276 680
Video Localized Narratives
Video Localized Narratives, a new form of multimodal video annotations connecting vision and language.
Новая модель от Google позволяет генерировать аннотации к видео, фиксируя даже сложные события.
Авторы уже аннотировали 20 тыс. видео из датасетов OVIS, UVO и Oops, в общей сложности 1,7 млн. слов.
🖥 Github: https://github.com/google/video-localized-narratives
⭐️Paper: https://arxiv.org/abs/2302.11217v1
⏩ Project: https://www.youtube.com/watch?v=0ORZvDDbDjA
💻 Dataset : https://paperswithcode.com/dataset/video-localized-narratives
ai_machinelearning_big_data
276 680
🔥 Загляните вглубь алгоритма k Nearest Neighbours и попробуйте его на практике! 1 марта в 18:00 мск пройдет вебинар в рамках онлайн-курса «Machine Learning. Professional» в OTUS.
Тема урока: «Мы похожи на свое окружение: алгоритм k Nearest Neighbours для задачи классификации» — https://otus.pw/wyLh/
✅ На занятии мы поговорим о задаче классификации, крайне востребованном классе задач в области ML сегодня. Мы изучим алгоритм kNN для ее решения, а затем применим его на практике.
В результате урока мы:
- Познакомимся с популярным алгоритмом машинного обучения kNN
- Узнаем, как устроен алгоритм kNN
- Освоим принципы решения задачи классификации с помощью kNN
⚠️ Урок будет полезен IT-специалистам, которые хотят освоить продвинутые методы ML и перейти в Data Science. Продолжить обучение на курсе возможно в рассрочку.
👉 Пройдите вступительный тест для участия в вебинаре
https://otus.pw/wyLh/
276 680
💨 3D Object Tracking
Multi-modality tracker that fuses information from visual appearance and geometry to estimate object poses.
Список алгоритмов по отслеживанию 3D-объектов.
🖥 Github: https://github.com/dlr-rm/3dobjecttracking
⭐️Paper: https://arxiv.org/abs/2302.11458v1
⏩ Video: https://www.youtube.com/watch?v=0ORZvDDbDjA
💻 Dataset : https://paperswithcode.com/dataset/ycb-video
ai_machinelearning_big_data
276 680
27 марта NewProLab запускает 12-й обновленный поток интенсивной онлайн-программы Data Engineer для быстрого старта в дата-инжиниринге и погружения в новые практики и инструменты
📌Кому подойдет программа:
дата-инженеры, аналитики данных, бэкенд-разработчики, техлиды и менеджеры
📌Длительность 8 недель (27 марта – 26 мая):
- 20 занятий с преподавателями в зуме
- 6 лабораторных работ - задач с реальными данными
- общий чат с участниками и поддержка координатора
📌Что дает программа:
1) научитесь решать типичные задачи DE и сможете работать дата-инженером
2) структурируете ваши знания и познакомитесь с новыми инструментами
3) поработаете с облачным кластером для решения лаб с реальными данными
4) видеозаписи и другие материалы программы останутся у вас навсегда
📌Лабы, которые предстоит выполнить:
1) Подготовка инфраструктуры
2) Batch-обработка
3) Потоковая обработка данных
4) Data-сервис
5) Сервис персонализации
6) Хранилище для BI-дашборда
📌Преподаватели – практики из ведущих компаний России и мира, рассказывают о сложном простым языком и ответят на все ваши вопросы
Оставляйте заявки по ссылке: https://clck.ru/33cDTa
📌По промокоду birthday23 вы получите скидку 23% при покупке программы
276 680
🔍 A meta-dataset for few-shot image classification
Meta Album is a meta-dataset created for few-shot learning, meta-learning, continual learning and so on.
Meta-datase — это набор метаданных, созданный , состоящий из 40 датасетов разбитых на 10 уникальных категорий. Это постоянно пополняемый набор метаданных.
⭐️ Meta-dataset: https://meta-album.github.io/
🖥 Github: https://github.com/ihsaan-ullah/meta-album
⭐️Paper: https://arxiv.org/abs/2302.08909v1
ai_machinelearning_big_data
276 680
Работать там, где живешь, а не жить там, где работаешь?
Да, и мы в Тинькофф поддерживаем такой формат работы. Поэтому открыли свои центры разработки не только в Москве, но и еще в 24 городах России, Беларуси, Армении и Казахстана.
Для нашей команды эти распределенные IT-хабы — возможность выбирать комфортный город для работы. Не переезжать в столицу, чтобы делать флагманские продукты, а создавать их там, где удобно. Или не оставаться на одном месте, а свободно перемещаться между офисами — встречаться и работать с коллегами по всей стране!
Посмотреть открытые вакансии в наши центры разработки и оставить резюме можно на этой странице: https://l.tinkoff.ru/tcr-2023-tinkoff
276 680
Ежегодная серия соревнований по машинному обучению Data Fusion Contest 2023 открыта!
Вас ждут две задачи в уникальном турнирном соревновании от команд ВТБ и ODS.AI:
🗡 В задаче Атака участники будут создавать атаки на нейросеть, обученную на транзакционных данных.
🛡 В задаче Защита — наоборот, учиться защищать свои модели от заранее оговоренного вида атак.
🏆 Призеров определит турнир — лучшие команды обеих задач столкнутся друг с другом за призовой фонд в 2,000,000 рублей!
💪 Участников также ждет много мерча, онлайн митапы с воркшопами, и возможность фундаментально прокачаться в новых DS/ML методах.
Подробности и регистрация — на сайте.
276 680
Совместная магистерская программа «Науки о данных» Университета науки и технологий МИСИС и СберОбразования позволит освоить востребованную профессию Data Scientist начинающим специалистам, интересующимся Big Data, а также тем, кто уже имеет опыт работы с данными, но хочет углубить свои знания в этой сфере 🧑💻
Обучение будет проходить в онлайн-формате, что позволит совмещать учебу и работу. Вы получите все преимущества очной формы обучения – диплом государственного образца, общежитие, проездной и др.Образовательный процесс будет отслеживать команда методистов, преподавателей и тьюторов с опытом организации обучения в Data Science более 3 лет.
Эксперты из крупнейших IT-компаний России поделятся с вами наработанным опытом – вы получите нужные знания и навыки в программировании, математике, машинном и «глубоком» обучении. А в третьем семестре сможете выбрать трек для более узкой специализации – Artificial Intelligence Developer, Big Data Engineer, Machine Learning Developer.
Подробнее о программе 📌
276 680
🌐 Как организовать работу над ML-экспериментами с помощью MLflow
MLOps — набор практик и инструментов, которые помогают стандартизировать и повысить эффективность процессов работы с машинным обучением. Эксперты VK Cloud и Karpov.Courses выпустили на Хабре полезную статью, где показали последовательность действий по выстраиванию MLOps-подхода в облаке с помощью JupyterHub и MLflow. Подробнее тут.
ai_machinelearning_big_data
276 680
27 февраля на TeamLead Conf 2023 пройдет "Яндекс-трек: R&D и культура компании". Для тимлидов, руководителей и СТО!
В этом треке мы поговорим о том, как в IT-компаниях с разной корпоративной культурой устроены R&D-департаменты, в которых рождаются, тестируются и запускаются технологические решения. Какова роль инженеров и менеджеров в компаниях с разной культурой? Как построены процессы генерации и приоритизации идей и инноваций?
Приходите послушать!
👉Программа Яндекс-трека: https://teamleadconf.ru/moscow/2023/yatrack?utm_source=tg&utm_medium=track&utm_campaign=ai_machinelearning_big_data
276 680
⚠️Пройдите тест на углубленные знания в сфере Machine Learning. Professional — https://otus.pw/lc4B/
🔓 Ответьте на 10 вопросов и проверьте, насколько вы готовы к обучению на продвинутом курсе «Machine Learning. Professional» от OTUS и его партнера — Сбера
⏰ Время прохождения теста ограничено 30 минут
📌 РЕЗУЛЬТАТ ПРОХОЖДЕНИЯ КУРСА:
Серьезное портфолио с проектами и возможность претендовать на Junior+ и Middle позиции Data Scientist
Протестируйте обучение на открытых уроках rehcf:
✅ Мы похожи на свое окружение: алгоритм k Nearest Neighbours для задачи классификации — https://otus.pw/szvM/
✅Деревья решений в машинном обучении — https://otus.pw/S2kO/
👉 ПРОЙТИ ТЕСТ:
https://otus.pw/lc4B/
