![Data Science | Machinelearning [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1dVo3O%2F5217464346798572541%3Fty%3Dl&w=48&q=75){kind=small}
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. MAX - https://max.ru/devsp Личный блог - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD
Показати більше![Сітка: Frontender's notes [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1qrVZ3%2F5348049928330532677%3Fty%3Dx&w=32&q=75){kind=small}
📈 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 19 677 підписників, посідаючи 6 660 місце в категорії Технології та додатки та 33 374 місце у регіоні Росія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 19 677 підписників.
За останніми даними від 06 листопада, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -96, а за останні 24 години на -4, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 7.57%. Протягом перших 24 годин після публікації контент зазвичай збирає 4.51% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 1 489 переглядів. Протягом першої доби публікація в середньому набирає 888 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 4.
- 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.
MAX - https://max.ru/devsp
Личный блог - @just_genych
По вопросам рекламы или разработки - @g_abashkin
РКН: https://vk.cc/cJPGXD”
Завдяки високій частоті оновлень (останні дані отримано 07 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.
19 677
Підписники
-424 години
-247 днів
-9630 днів
Архів дописів
![Data Science | Machinelearning [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1dVo3O%2F5217464346798572541%3Fty%3Dx&w=64&q=75){kind=small}
🤨Как настроить LLM на локальном сервере? Пошаговое руководство для ML-специалистов
В этой статье мы рассмотрим инструменты для оптимизации расходов, включая квантизацию и LoRA-адаптеры.
Читать...
🤖Геймдев и ИИ: как нейросети меняют правила игры
В этой статье мы рассмотрим различные аспекты применения ИИ в индустрии, его влияние на будущее видеоигр и даже рассмотрим первый в мире нейросетевой игровой движок.
Читать...
Разбираешься в AI? Покажи, на что способен – прими участие в международном соревновании AI Journey Contest. Призовой фонд – более 8 миллионов рублей!
Задачи, как всегда, масштабные и амбициозные. Участникам предстоит работать с SOTA-технологиями, выбрав одну или несколько из предложенных задач:
✔ Emotional FusionBrain 4.0 — создать мультимодальную модель, которая умеет круто понимать видео, отвечает на сложные вопросы и «чувствует» человеческие эмоции.
✔ Multiagent AI — разработать мультиагентную RL-систему, где агенты будут объединяться в различные схемы кооперации при решении задач. Эта задача суперполезна для научных исследований.
✔ Embodied AI — сделать робота-помощника, который будет решать сложные задачи взаимодействия с окружающей средой и человеком, общаясь на естественном языке.
✔ E-com AI Assistant — используя LLM GigaChat, создать AI-ассистента, который сможет рекомендовать пользователям релевантные товары для покупки на маркетплейсе Мегамаркет.
Кстати, в решении задач тебе может помочь нейросетевая модель GigaChat и другие AI-разработки Сбера!
Следующий шаг в развитии AI – за тобой! Переходи по ссылке, регистрируйся и успей решить задачи до 28 октября! Соревнование проводится при поддержке Института AIRI.
🧐Что такое Sampling method и как он работает в моделях нейросети Stable Diffusion
В этой статье мы рассмотрим метод выборки (sampling method) в генеративных моделях, таких как Stable Diffusion или FLUX.
Читать...
😎DreamWaltz-G: Expressive 3D Gaussian Avatars from Skeleton-Guided 2D Diffusion
Новая обучающая структура для генерации анимируемых 3D-аватаров из текста.
Ядро этой структуры лежит в скелетно-управляемой перегонке оценок и гибридном 3D-представлении гауссова аватара.
В частности, предлагаемая скелетно-управляемая перегонка оценок интегрирует элементы управления скелета из 3D-шаблонов человека в 2D-модели диффузии, повышая согласованность надзора SDS с точки зрения вида и позы человека.
Это облегчает генерацию высококачественных аватаров, смягчая такие проблемы, как множественные лица, дополнительные конечности и размытие.
Обширные эксперименты показывают, что DreamWaltz-G очень эффективен в создании и анимации 3D-аватаров, превосходя существующие методы как по визуальному качеству, так и по выразительности анимации.
🤗 Hugging Face
💾 Arxiv
📂 PDF
@Devsp — Подписаться
🖥 Самые интересные статьи за последние дни:
• От промптов к дообучению: четыре уровня адаптации open-source моделей
• Обнаружение DGA доменов или тестовое задание на позицию intern ML-engineer
• Полный гид по бенчмаркам LLM
🤙Полный гид по бенчмаркам LLM
В этой статье мы рассмотрим подробный каталог бенчмарков, разбитый на категории по сложности, динамике, целям оценки, спецификациям конечных задач и типам рисков.
Читать...
❓Хотите узнать, как улучшить производительность вашего PostgreSQL-сервера и создавать собственные расширения?
Ждём вас на открытом уроке уже сегодня в 20:00 мск, где мы разберем:
- архитектуру PostgreSQL-сервера и влияние параметров конфигурации на использование памяти;
- роль планировщика и как тонкий тюнинг базы данных может повысить производительность;
- как создать собственное расширение и использовать pg_plan_inspector для оптимизации high-load развертываний.
Встречаемся в преддверии старта курса «PostgreSQL. Advanced». Все участники вебинара получат специальную цену на обучение!
👉 Регистрируйтесь прямо сейчас, чтобы не пропустить мероприятие: https://otus.pw/6Zsv/
Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru
😎Обнаружение DGA доменов или тестовое задание на позицию intern ML-engineer
В этой статье мы рассмотрим простую задачу, которая используется одной компанией в качестве тестового задания для стажеров на позицию ML-engineer.
Читать...
🔒Шифруй то, шифруй это, или LLM под замком
В этой статье мы поговорим о безопасном обращении с коммерческим контентом, шифровании данных, моделях и подходах к безопасному обращению и встраиванию коммерческих данных в модель.
Читать...
🤩От промптов к дообучению: четыре уровня адаптации open-source моделей
В этой статье расскажу, как мы разделяем разные уровни адаптации, что делаем на каждом из них и когда переходим на следующий.
Читать...
👥 Как мы генерируем GPT-нейросетями миллиарды объявлений на малом количестве GPU
В этой статье автор рассказывает о соединении тяжёлых процессингов и GPU‑вычислений. Как реализовали высоконагруженный процессинг, который обрабатывает миллиарды товаров и превращает их в объявления, используя тяжёлые модели, такие как YandexGPT, DSSM, CatBoost и другие. Оказывается, связать тяжёлый процессинг и инференс моделей вполне реально, даже когда нагрузка в процессинге превышает возможности вашего сервиса.
Читать…
🖥 Самые интересные статьи за последние дни:
• Quantinuum о своём прогрессе в создании квантового ИИ
• Поиск данных, прокачанная тренировка и судейская оценка. Как с минимальными ресурсами улучшить качество дообучения LLM
• Встречаем нейроредактор в Браузере, или Как мы учили LLM-модели помогать пользователям с текстами
🤩о1: почему новая GPT от OpenAI — это не хайп, а переход к новой парадигме в ИИ
В этой статье мы разберемся, чему научилась новая GPT o1, и как это повлияет на дальнейшую эволюцию ИИ.
Читать...
🤖Quantinuum о своём прогрессе в создании квантового ИИ
В статье о том, как квантовые компьютеры могут изменить наше понимание и применение ИИ.
Читать...
🔍Поиск данных, прокачанная тренировка и судейская оценка. Как с минимальными ресурсами улучшить качество дообучения LLM
В этой статье автор расскажет, как быстро получить приемлемое качество, когда базовые подходы не помогают.
Читать...
🌐Встречаем нейроредактор в Браузере, или Как мы учили LLM-модели помогать пользователям с текстами
В этой статье вы узнаете о том, как мы улучшали предыдущее решение и в итоге пришли к идее отдельного инструмента.
Читать...
😎Takin: A Cohort of Superior Quality Zero-shot Speech Generation Models
Takin TTS, языковую модель нейронного кодека, которая основана на усовершенствованном нейронном речевом кодеке и многозадачной обучающей структуре, способной генерировать высококачественную естественную речь с нуля.
Систему Takin Morphing с высокоразвязанными и продвинутыми подходами моделирования тембра и просодии, которая позволяет людям настраивать производство речи с их предпочтительным тембром и просодией точным и контролируемым образом.
Обширные эксперименты подтверждают эффективность и надежность наших моделей серии Takin AudioLLM.
🤗 Hugging Face
💾 Arxiv
📂 PDF
@Devsp — Подписаться
⚡Всероссийский хакатон по Биометрии
Ежегодное командное соревнование в сфере технологий идентификации личности!
🚀Выберите один из предложенных кейсов:
🔹Разработка ассистента для упрощения регистрации в Единой биометрической системе (кейс ЦБТ);
🔹Создание инструмента для генерации синтетического датасета изображений ладоней (кейс Сбера);
🔹Создание инструмента для восстановления изображения из вектора биометрических персональных данных (кейс Мир Plat.form и СБП).
Отборочный этап пройдет в онлайн-формате. Финал пройдет на площадке в Москве, где команды смогут лично пообщаться с профессионалами в сфере биометрических технологий. Для финалистов из других регионов предусмотрено участие онлайн.
⏳Дедлайн регистрации: 1 октября, 23:59
🦾Отборочный этап: 4-13 октября
📆Финал: 26 октября
👨💻Для кого: Разработчики, ML-специалисты, Data Scientists, UX/UI-специалисты
Подробности и регистрация: https://tglink.io/6006948c89ba
😎Takin: A Cohort of Superior Quality Zero-shot Speech Generation Models
Takin TTS, языковую модель нейронного кодека, которая основана на усовершенствованном нейронном речевом кодеке и многозадачной обучающей структуре, способной генерировать высококачественную естественную речь с нуля.
Систему Takin Morphing с высокоразвязанными и продвинутыми подходами моделирования тембра и просодии, которая позволяет людям настраивать производство речи с их предпочтительным тембром и просодией точным и контролируемым образом.
Обширные эксперименты подтверждают эффективность и надежность наших моделей серии Takin AudioLLM.
🤗 Hugging Face
💾 Arxiv
📂 PDF
@Devsp — Подписаться
