Вже доступно! Дослідження Telegram за 2025 — головні інсайти року 
Data Science | Machinelearning [ru]
Відкрити в Telegram
Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM. Личный блог автора - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD
Показати більше📈 Аналітичний огляд Telegram-каналу Data Science | Machinelearning [ru]
Канал Data Science | Machinelearning [ru] (@devsp) у мовному сегменті Російська є активним учасником. На даний момент спільнота об'єднує 20 019 підписників, посідаючи 6 722 місце в категорії Технології та додатки та 33 728 місце у регіоні Росія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 20 019 підписників.
За останніми даними від 19 червня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -73, а за останні 24 години на -9, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 8.09%. Протягом перших 24 годин після публікації контент зазвичай збирає 3.89% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 1 619 переглядів. Протягом першої доби публікація в середньому набирає 779 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 8.
- Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як llm, nvidia, контекст, openai, архитектура.
📝 Опис та контентна політика
Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM.
Личный блог автора - @just_genych
По вопросам рекламы или разработки - @g_abashkin
РКН: https://vk.cc/cJPGXD”
Завдяки високій частоті оновлень (останні дані отримано 20 червня, 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.
20 019
Підписники
-924 години
-557 днів
-7330 день
Архів дописів
🖥 Самые интересные статьи за последние дни:
• Как мы обучали нейросеть распознавать юридические документы
• Топ-7 высокооплачиваемых профессий в сфере ИИ
• Создание искусственного датасета для обучения модели с использованием Paddle OCR
🗣Яндекс анонсировал Practical ML Conf, которая пройдет 14 сентября и будет доступна для просмотра онлайн
Это мероприятие, на котором Яндекс ежегодно анонсирует свои крупные запуски и делится опытом.
Все подробности и регистрация тут
@Devsp — Подписаться
МТС Web Services запустила два новых кластера виртуальной инфраструктуры с графическими ускорителями, тем самым увеличив собственные GPU-мощности для обучения искусственного интеллекта на 40%. До конца года эта цифра увеличится еще в 3-4 раза.
Запуск новых сегментов позволит большему числу предприятий упростить и ускорить обучение и инференс собственных AI- и ML-моделей, за счет размещения их в облаке MWS. Инфраструктура подойдет для работы с любыми AI-моделями во всех отраслях экономики. А получить доступ к ней можно из любой точки страны.
Также до конца года на базе GPU-инфраструктуры будут развернуты: платформа для разработки, обучения и развертывания ML-моделей, уже готовые модели ИИ для разных индустрий и направлений, доступные по API и AI-сервисы по модели SaaS.
@Devsp — Подписаться
🗣Dolphin: длинный контекст как новая модальность для энергоэффективных языковых моделей на устройстве
Подход решает проблемы значительного потребления энергии и задержек, присущие моделям на устройстве.
Dolphin использует компактный декодер параметров 0,5B для извлечения обширной контекстной информации во встраивание памяти, существенно сокращая длину входных данных для первичной модели декодера параметров 7B.
Этот инновационный метод позволяет обрабатывать существенно более длинные контексты без типичных вычислительных затрат, связанных с расширенными последовательностями входных данных.
Эмпирические оценки демонстрируют 10-кратное улучшение энергоэффективности и 5-кратное сокращение задержек по сравнению с обычными методами обработки полноразмерного контекста без потери качества ответа.
🤗 Hugging Face
💾 Arxiv
📂 PDF
@Devsp — Подписаться
Как тренировать нейросети быстрее, ускорить машинное обучение и визуализацию данных?
Серверы с GPU ускоряют вычисления, проведение ML-экспериментов и анализа больших данных, а еще легко справляются с классификацией изображений и распознаванием речи. Необязательно иметь собственный сервер, можно арендовать GPU в облаке в Selectel.
В 2024 году облако Selectel вошло в топ-3 лучших российских провайдеров рейтинга GPU Cloud, по версии CNews.
Преимущества аренды облачного сервера с GPU в Selectel:
- Гибкие конфигурации. Возможность выбрать сервер как готовой, так и произвольной конфигурации с нужной видеокартой. Мгновенное масштабирование под растущие нагрузки.
- Большой выбор карт в наличии : А2, А30, A100, A2000, A5000, Tesla T4, GTX1080 и RTX 2080.
- Оплата за фактически использованные ресурсы от 29 ₽/час
- Безопасность хранения и обработки данных. Облачные серверы соответствуют 152-ФЗ (УЗ-1), есть сертификаты PCI DSS, а также ISO 27001, 27017, 27018 и другие
Арендуйте серверы с GPU с почасовой оплатой: https://slc.tl/dscnh
Реклама АО «Селектел». ИНН: 7810962785 Erid: 2VtzqvqmQ7X
🔥K-Sort Arena: Efficient and Reliable Benchmarking for Generative Models via K-wise Human Preferences
Эффективная и надежная платформа, основанная на ключевом понимании: изображения и видео обладают более высокой интуитивностью восприятия, чем тексты, что позволяет быстро оценивать несколько образцов одновременно.
K-Sort Arena использует сравнения K-wise, позволяя моделям K участвовать в соревнованиях «все против всех», которые дают гораздо более богатую информацию, чем парные сравнения. Для повышения надежности системы мы используем вероятностное моделирование и байесовские методы обновления.
Благодаря своей высокой эффективности K-Sort Arena может непрерывно включать новые модели и обновлять таблицу лидеров с минимальным количеством голосов.
🤗 Hugging Face
💾 Arxiv
📂 PDF
@Devsp — Подписаться
⛅️Встречаем OmniCast — технологию, которая повысит точность прогноза температуры с помощью пользовательских метеостанций
В этой статье мы расскажем о том, как при помощи фильтра Калмана и комбинации двунаправленной и однонаправленной LSTM-нейросетей нам удалось улучшить качество прогноза температуры.
Читать...
🤗CustomCrafter: индивидуальная генерация видео с сохранением движения и возможностей концептуальной композиции
Новую структуру, которая сохраняет способность модели генерировать движение и концептуальные комбинированные способности без дополнительного видео и тонкой настройки для восстановления.
Для сохранения концептуальной комбинированной способности мы разрабатываем модуль plug-and-play для обновления нескольких параметров в VDM, улучшая способность модели захватывать детали внешнего вида и способность концептуальных комбинирований для новых субъектов.
Используя подключаемость наших модулей обучения объекта, мы уменьшаем влияние этого модуля на генерацию движения на ранней стадии шумоподавления, сохраняя возможность генерировать движение VDM.
На более поздней стадии шумоподавления мы восстанавливаем этот модуль, чтобы восстановить детали внешнего вида указанного объекта, тем самым обеспечивая точность внешнего вида объекта.
🤗 Hugging Face
💾 Arxiv
📂 PDF
@Devsp — Подписаться
🖥 Самые интересные статьи за последние дни:
• MLSecOps: почему, зачем и кому это нужно?
• Практический кейс реализации AutoML в банке
• ML в маркетинге: как модели делают банк более чутким к негативу
👀Sapiens: Foundation for Human Vision Models
Семейство моделей для четырех основных задач, связанных с зрением человека: оценка позы в 2D, сегментация частей тела, оценка глубины и прогнозирование нормалей поверхности.
Модели изначально поддерживают вывод высокого разрешения 1K и чрезвычайно легко адаптируются для отдельных задач путем простой тонкой настройки моделей, предварительно обученных на более чем 300 миллионах изображений человека в дикой природе.
Простая конструкция модели также обеспечивает масштабируемость — производительность модели для разных задач улучшается по мере того, как мы масштабируем количество параметров с 0,3 до 2 миллиардов.
Sapiens постоянно превосходит существующие базовые показатели по различным бенчмаркам, связанным с зрением человека.
🤗 Hugging Face
💾 Arxiv
📂 PDF
@Devsp — Подписаться
