Machinelearning

Kanalga Telegram’da o‘tish

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

Ko'proq ko'rsatish

Tarmoq:Machinelearning Rossiya1 276 Texnologiyalar & Aralashmalar327...

📈 Telegram kanali Machinelearning analitikasi

Machinelearning (@ai_machinelearning_big_data) Rus til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 293 879 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 327-o'rinni va Rossiya mintaqasida 1 276-o'rinni egallagan.

📊 Auditoriya ko‘rsatkichlari va dinamika

невідомо sanasidan buyon loyiha tez o‘sib, 293 879 obunachiga ega bo‘ldi.

01 Iyul, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -6 444 ga, so‘nggi 24 soatda esa -235 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.

Tasdiqlash holati: Tasdiqlanmagan
Jalb etish (ER): Auditoriya o‘rtacha 7.55% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 5.55% ini tashkil etuvchi reaksiyalarni to‘playdi.
Post qamrovi: Har bir post o‘rtacha 22 202 marta ko‘riladi; birinchi sutkada odatda 16 311 ta ko‘rish yig‘iladi.
Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 172 ta reaksiya keladi.
Tematik yo‘nalishlar: Kontent openai, claude, api, gemini, контекст kabi asosiy mavzularga jamlangan.

📝 Tavsif va kontent siyosati

Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
“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”

Yuqori yangilanish chastotasi (oxirgi ma’lumot 02 Iyul, 2026 da olingan) sababli kanal doimo dolzarb va katta qamrovli bo‘lib qoladi. Analitika auditoriya kontent bilan faol hamkorlik qilishini, uni Texnologiyalar & Aralashmalar toifasidagi muhim ta’sir nuqtasiga aylantirishini ko‘rsatadi.

293 879

Obunachilar

-23524 soatlar

-1 5517 kunlar

-6 44430 kunlar

22 202

Post ko'rishlar

~ 16 31124 soatlar

~ 18 21848 soatlar

7.55%

Muloqot nisbati

~ 6

Kuniga postlar

Ads index

beta

Postlar arxiv

293 875

📌 При работе большими данными часто обучение моделей возможно только с использованием Spark. Но как потом эту модель обернуть в REST интерфейс и запустить в форме веб-сервиса? 📚 Узнаем на бесплатном demo-занятии 2 марта в 20:00 (мск) с Павлом Филоновым, Ex-Data Science Manager в Kaspersky. 🔥 На вебинаре мы рассмотрим несколько подходов к решению такой задачи, начиная от самых простых до более сложных вариантов (MLFlow serve, ONNX export). ❗️ Открытый урок — это возможность попробовать онлайн-курс «MLOps», разработанный с поддержкой Сбера. 👉 Для участия пройдите вступительный тест https://otus.pw/hC9h/

293 875

🔎 Anomalib: A Deep Learning Library for Anomaly Detection Github: https://github.com/openvinotoolkit/anomalib Docs: https://openvinotoolkit.github.io/anomalib/ Paper: https://arxiv.org/abs/2202.08341v1 Dataset: https://paperswithcode.com/dataset/btad @ai_machinelearning_big_data

293 875

Как делать в Data Science не только карьеру, но и чудеса? 🔥 Компьютерное зрение — высший пилотаж в мире Deep Learning для тех, кому надоело заниматься скорингами, фродом и прочей аналитикой. На онлайн-курсе «Computer Vision» от OTUS вы научитесь использовать фреймворки PyTorch, TensorFlow и Keras и создадите свою нейросеть, которая сможет обрабатывать изображения или видео не хуже юного тиктокера. Знаете математику, основы машинного обучения и принципы построения нейросетей? Тогда проходите вступительный тест и присоединяйтесь к группе 👉 https://otus.pw/6mdC/

293 875

🗣 Facebbok’s textless-lib: a Library for Textless Spoken Language Processing Github: https://github.com/facebookresearch/textlesslib Code examples: https://github.com/facebookresearch/textlesslib/tree/main/examples Paper: https://arxiv.org/abs/2202.07359v1 Dataset: https://paperswithcode.com/dataset/librispeech @ai_machinelearning_big_data

293 875

Конференция для разработчиков ИИ NVIDIA GTC 2022 пройдет онлайн и бесплатно 21-24 марта: вас ждут пленарный доклад Дженсена Хуанга, новые продукты и более 900 сессий от лидеров ИИ и индустрии. Среди спикеров GTC: • Andrew Ng, основатель DeepLearning.AI, основатель и генеральный директор Landing AI • Hao Yang, вице-президент по исследованиям в ИИ, Visa • Jack Jin, ведущий инженер по машинному обучению, Zoom • Lidia Fonseca, директор по цифровым технологиям, Pfizer • Magnus Östberg, главный специалист по программному обеспечению, Mercedes-Benz AG • Markus Gross, вице-президент по исследованиям, Walt Disney Studios • Peter Stone, исполнительный директор в Sony AI и профессор в Техасском Университете г Остин • Stefan Sicklinger, глава BigLoop and Advanced Systems, CARIAD/VW Group • Yu Liu, директор по ИИ, Meta И другие. Кроме того, вас ждут новые воркшопы, возможности для общения и новейшие технологии NVIDIA. Посмотреть полную программу и зарегистрироваться можно здесь: https://nvda.ws/3GVPthK

293 875

🐙 OCTIS : Optimizing and Comparing Topic Models is Simple! Github: https://github.com/mind-Lab/octis Paper: https://arxiv.org/abs/2202.07631v1 Dataset: https://paperswithcode.com/dataset/20-newsgroups @ai_machinelearning_big_data

293 875

На курсе «Мидл python-разработчик» студенты учатся продвинутой бэкенд-разработке и получают проекты в портфолио без NDA. → Приходите учиться, если вы знакомы с основами Python, базами данных и API. Мы поможем стать уверенным мидлом за шесть месяцев, а не за полтора года. Курс научит решать задачи с хранилищами данных, работать с синхронными и асинхронными фреймворками, проектировать лаконичную архитектуру, а ещё — даст опыт командной разработки. Что будет на учёбе: ⬛️ Код-ревью и обратная связь от старших разработчиков из Яндекса и других IT-компаний. ⬛️ Вся необходимая теория в одном месте. ⬛️ Обучение в команде на реальных рабочих задачах: студенты создадут сервисы для полноценного онлайн-кинотеатра в GitHub. ⬛️ Наставники помогут разобраться с трудностями и поделятся опытом на вебинарах и демо. ⬛️ Кураторы и дедлайны не дадут прокрастинировать. ⬛️ Карьерные консультации: наши специалисты помогут найти новый проект или сделать так, чтобы на текущей работе вам начали давать более амбициозные задачи. → Старт потока — 24 февраля. Учёба длится шесть месяцев. → Познакомьтесь с курсом и оцените свои силы во вступительном тестировании — это бесплатно.

293 875

💡 A lightweight vision library for performing large scale object detection & instance segmentation Github: https://github.com/obss/sahi Paper: https://arxiv.org/abs/2202.06934v1 Kaggle notebook: https://www.kaggle.com/remekkinas/sahi-slicing-aided-hyper-inference-yv5-and-yx Dataset: https://paperswithcode.com/dataset/xview @ai_machinelearning_big_data

293 875

Опубликованы новые материалы по Machine Learning от Школы анализа данных Яндекса 🔥 То самое пособие, которое ШАД разместила в открытом доступе, пополнилось новым разделом — про базовые архитектуры и обучение нейросетей. Чтобы вы лучше разобрались в предыдущих темах, авторы также добавили главы о математике ML: матричное дифференцирование и bias-variance decomposition. Возьмитесь за основательное изучение Machine Learning и сохраняйте ссылку на онлайн-учебник: https://clck.ru/b33aZ P.S. Пособие регулярно обновляется, и в скором времени в нём появятся материалы о вероятностном подходе к ML и решении сложных задач Data Science. Следите за выходом новых глав!

293 875

🎬 FILM: Frame Interpolation for Large Scene Motion Github: https://github.com/google-research/frame-interpolation Paper: https://arxiv.org/pdf/2202.04901.pdf Video: https://www.youtube.com/watch?v=OAD-BieIjH4 Project: https://film-net.github.io/ @ai_machinelearning_big_data

293 875

📱 Best it channels in telegram https://t.me/ArtificialIntelligencedl - ai https://t.me/pythonl - largest python https://t.me/Machinelearningtest - machine learning test https://t.me/pro_python_code - python ru https://t.me/datascienceiot - ds, ml free books https://t.me/programming_books_it https://t.me/pythonlbooks - python books https://t.me/javascriptv - javascript channel https://t.me/about_javascript - advanced js https://t.me/JavaScript_testit - js tests https://t.me/Golang_google - Go channel https://t.me/golangl. -golang chat https://t.me/golang_jobsgo -golang jobs https://t.me/neural - neural nets https://t.me/hashdev - web development https://t.me/htmlcssjavas - web https://t.me/hr_itwork - jobs https://t.me/linux_kal - kali linux https://t.me/machinee_learning - ml chat https://t.me/linuxkalii - linux chat https://t.me/machinelearning_ru - ml ru https://t.me/python_testit - python tests https://t.me/csharp_ci- c# https://t.me/tensorflowblog - tensorflow https://t.me/Django_pythonl

293 875

🗒 DALL-Eval: Probing the Reasoning Skills and Social Biases of Text-to-Image Generative Transformers Github: https://github.com/j-min/dalleval Paper: https://arxiv.org/pdf/2202.01936v1.pdf Data: https://drive.google.com/drive/folders/1Bza2zyvHLvComohZ9PAGyykY7sm7JoIH Dataset: https://paperswithcode.com/dataset/conceptual-captions @ai_machinelearning_big_data

293 875

Хотите развиваться в области Data Science? Сделайте первые шаги на открытом уроке «Natural language processing: как компьютер общается с людьми» 16 февраля в 18:00. Тексты встречаются в огромном числе Data Science задач: чат-ботах, голосовых ассистентах или поисковиках. Мария Тихонова, Senior Data Scientist в Сбере, расскажет о принципах их работы и главных трендах в обработке естественного языка. Demo-занятие пройдет в рамках онлайн-курса «Machine Learning. Professional». Пройдите вступительный тест, чтобы оценить свой уровень подготовки и зарегистрироваться https://otus.pw/Tsyh/

293 875

🖌 Two-Dimensional Tensors in Pytorch https://machinelearningmastery.com/two-dimensional-tensors-in-pytorch/ One-Dimensional Tensors: https://machinelearningmastery.com/one-dimensional-tensors-in-pytorch/ PyTorch tensor Tutorial: https://pytorch.org/tutorials/beginner/basics/tensorqs_tutorial.html @ai_machinelearning_big_data

293 875

21 февраля Яндекс.Практикум запускает бесплатную Школу наставников. Школа наставников — это хорошая возможность развить софт-скиллы, научиться делиться знаниями с командой и подтвердить экспертность в своей области. Она проходит в формате онлайн-занятий. Всего будет 5 уроков, которые будут проходить два раза в неделю по вечерам. Наставник в Практикуме — это опытный специалист, который передаёт свои знания студентам, помогает учиться и справляться с трудностями. Наставничество можно совмещать с основной работой, оно занимает от 6 до 15 часов в неделю. Вознаграждение — от 35 до 50 тысяч рублей в зависимости от курса и потраченного времени. Сейчас ищем наставников в сферах: аналитика данных и Data Science, тестирование, веб-разработка, разработка на Java, Python, С++, Go, дизайн и управление. Подать заявку желательно до 14 февраля, чтобы успеть выполнить тестовое задание: https://clck.ru/auije

293 875

🦾 The easiest way to the neuroscience world with the shield for RaspberryPi Github: https://github.com/Ildaron/EEGwithRaspberryPI Paper: https://arxiv.org/pdf/2202.01936v1.pdf Project: https://www.crowdsupply.com/hackerbci/pieeg @ai_machinelearning_big_data

293 875

VOS: Learning What You Don't Know by Virtual Outlier Synthesis Github: https://github.com/deeplearning-wisc/vos Paper: https://arxiv.org/pdf/2202.01197v2.pdf Dataset: https://paperswithcode.com/dataset/bdd100k @ai_machinelearning_big_data

293 875

FashionTech — новое экспертное медиа про технологии в моде: коллаборации, AR, NFT, тренд репорты и многое другое. Подписавшись, вы узнаете: — Прогноз тенденций по развитию метавселенных — Зачем физические коллекции переходят в цифровые и продаются, как NFT — Какие новые технологии устойчивого производства внедряют бренды — Почему ресайкл и апсайкл - ключевые тренды будущего В канале много переводной аналитики из закрытых источников и экспертного мнения от людей из индустрии.

293 875

📍 Competition-Level Code Generation with AlphaCode Github: https://github.com/deepmind/code_contests Paper: https://storage.googleapis.com/deepmind-media/AlphaCode/competition_level_code_generation_with_alphacode.pdf Dataset: https://paperswithcode.com/dataset/humaneval @ai_machinelearning_big_data

293 875

📹 VRT: A Video Restoration Transformer Github: https://github.com/jingyunliang/vrt Paper: https://arxiv.org/abs/2201.12288 Dataset: https://paperswithcode.com/dataset/gopro @ai_machinelearning_big_data