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
📈 Telegram kanali Machinelearning analitikasi
Machinelearning (@ai_machinelearning_big_data) Rus til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 276 197 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 336-o'rinni va Rossiya mintaqasida 1 374-o'rinni egallagan.
📊 Auditoriya ko‘rsatkichlari va dinamika
невідомо sanasidan buyon loyiha tez o‘sib, 276 197 obunachiga ega bo‘ldi.
05 Noyabr, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -2 229 ga, so‘nggi 24 soatda esa -129 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.
- Tasdiqlash holati: Tasdiqlanmagan
- Jalb etish (ER): Auditoriya o‘rtacha 8.04% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 6.20% ini tashkil etuvchi reaksiyalarni to‘playdi.
- Post qamrovi: Har bir post o‘rtacha 22 218 marta ko‘riladi; birinchi sutkada odatda 17 137 ta ko‘rish yig‘iladi.
- Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 330 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 06 Noyabr, 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.
276 197
Obunachilar
-12924 soatlar
-8177 kun
-2 22930 kun
Postlar arxiv
276 251
🏮 tntorch - Tensor Network Learning with PyTorch
PyTorch-powered modeling and learning library using tensor networks. Installation: pip install tntorch
Github: https://github.com/rballester/tntorch
Docs site: http://tntorch.readthedocs.io/
Paper: https://arxiv.org/abs/2206.11128v1
@ai_machinelearning_big_data
276 251
В Яндексе идёт набор на стажировку! Хотите поближе познакомиться с командами и выбрать для стажировки именно ту, в которой вам будет интересно? 27 июня приглашаем на наше большое онлайн-мероприятие — Летний фестиваль вакансий ☀️
На фестивале выступят руководители команд из разных подразделений Яндекса, они расскажут о своих задачах и самых свежих стажёрских вакансиях по бэкенду, фронтенду, мобильной разработке, ML, аналитике и DevOps. Вы сможете задать им любые вопросы, а после — подать заявку на стажировку в той команде, которая вам понравилась.
А ещё мы впервые покажем, как проходит секция на алгоритмы для стажёров!
Регистрируйтесь, чтобы присоединиться: https://clck.ru/rcgcp
276 251
💬 Yandex: An Open-source Yet another Language Model 100B
YaLM 100B is trained for 2 terabyte of text: dataset the Pile and web-pages, including not only Wikipedia, news articles, and books, but also Github and arxiv.org. Yandex has applied the generative neural networks YaLM in the recent Y1 search update. Now they are already helping to give answers to searches in Yandex and Alice.
Github: https://github.com/yandex/YaLM-100B
@ai_machinelearning_big_data
276 251
Станьте бизнес-аналитиком с Яндекс Практикумом
Бизнес-аналитики связывают сферы бизнеса и IT: собирают разные точки зрения, исследуют боли и потребности пользователей, предлагают улучшения. Практикум обучает этому в условиях, близких к реальной работе, с поддержкой от опытных специалистов.
Курс подойдёт:
* начинающим аналитикам,
* IT-специалистам,
* студентам профильных специальностей,
* новичкам.
Вы научитесь:
* собирать требования и прогнозировать результаты,
* описывать бизнес-процессы,
* ставить задачи команде разработки,
* прорабатывать сценарии использования продукта.
Программа включает:
* практику на нашей платформе,
* рекомендации от опытных специалистов,
* проведение более 20 интервью,
* работу в паре с системным аналитиком,
* развитие софтскилов,
* поддержку от команды сопровождения.
Сколько длится курс? 7,5 месяцев.
Сколько стоит обучение? При разовой оплате — 112 000 р. Или ежемесячно по 15 400 р.
Какой документ я получу в конце курса? Диплом о профессиональной переподготовке — это официальный документ о дополнительном образовании.
1 августа — старт ближайшего потока.
Подробности — по ссылке.
276 251
📓 MindWare: Efficient Open-source AutoML System.
MindWare is an efficient open-source system to help users to automate the process of: 1) data pre-processing, 2) feature engineering, 3) algorithm selection, 4) architecture design, 5) hyper-parameter tuning, and 6) model ensembling.
Github: https://github.com/PKU-DAIR/mindware
Docs: https://mindware.readthedocs.io/en/latest/
Paper: https://arxiv.org/abs/2206.09423v1
@ai_machinelearning_big_data
276 251
Что делать в отсутствие аналогов зарубежного ТОП-BI? Как подготовить данные для любой BI-системы? Как построить и поддерживать модель данных?
🔹Ответы на эти вопросы на вебинаре «Loginom + компоненты BI2BUSINESS как фундамент для внедрения любой BI-сиcтемы». На нем мы расскажем:
❕ Как подготовить данные для BI-систем, чтобы облегчить разработку аналитики
❕Как самостоятельно организовать аналитическое хранилище, если у вас его нет
❕Как построить сложную модель данных, которая подойдет для любой BI-системы
Коллаборация Loginom и компонентов BI2BUSINESS поможет внедрить любую отечественную BI, даже если она далека по функционалу от зарубежных продуктов.
Когда: 28 июня в 16.00
Формат: Zoom-конференция (презентация + демо + qa)
Участие бесплатное, предварительная регистрация доступна по ссылке
276 251
🦾 Bi-DexHands: Bimanual Dexterous Manipulation via Reinforcement Learning
Bi-DexHands provides a collection of bimanual dexterous manipulations tasks and reinforcement learning algorithms.
Github: https://github.com/pku-marl/dexteroushands
Isaac Gym: https://developer.nvidia.com/isaac-gym
Paper: hhttps://arxiv.org/abs/2206.08686
@ArtificialIntelligencedl
276 251
🔥 Weekend Offer для ML- и RecSys-разработчиков
RecSys ВКонтакте – это талантливые люди, которые сегодня придумывают идею — а завтра она уже в проде, полезные рекомендации для всех и небездушные технологии. Вместе с Командой VK Клипов и VK Видео вы будете разрабатывать рекомендательные системы для двух крупнейших российских видеосервисов, а с Core ML – заниматься умным ранжированием ленты и подбором интересных публикаций для пользователей, рекомендациями друзей, ранжированием комментариев.
Первая встреча: 20 июня — 1 июля.
Детальное знакомство: суббота, 2 июля.
Финальное собеседование: воскресенье, 3 июля.
Ссылка на регистрацию: https://vk.cc/ceq94C
276 251
♦️ Color engineering for special images
How to improve color encoding of unnatural images.
Article
Dataset
@ai_machinelearning_big_data
276 251
⚡️ Тест для продвинутого уровня по Machine Learning
Ответьте на 10 вопросов и проверьте, насколько вы готовы к обучению на углубленном курсе - «Machine Learning. Advanced» от OTUS и его партнера — Сбера.
📌 РЕЗУЛЬТАТ ПРОХОЖДЕНИЯ КУРСА:
Вы освоите продвинутые приемы машинного обучения, которые позволят вам уверенно себя чувствовать на ведущих Middle/ Senior позициях и справляться даже с нестандартными задачами.
💻 Двухдневный интенсив — Рекомендовать или не рекомендовать, пуcть решает ML!, 11 июля в 18:00
https://otus.pw/K5Tm/
Время прохождения теста ограниченно 20 минут
👉 ПРОЙТИ ТЕСТ
https://otus.pw/Pgmq/
276 251
📡 NU-Wave — Official PyTorch Implementation
Github: https://github.com/mindslab-ai/nuwave
Paper: https://arxiv.org/abs/2206.08545v1
Dataset: https://datashare.ed.ac.uk/handle/10283/3443
@ai_machinelearning_big_data
276 251
🔊 SoundSpaces 2.0: A Simulation Platform for Visual-Acoustic Learning
We introduce SoundSpaces 2.0, a platform for on-the-fly geometry-based audio rendering for 3D environments.
Github: https://github.com/facebookresearch/sound-spaces
Paper: https://arxiv.org/abs/2206.08312v1
Dataset: https://paperswithcode.com/dataset/librispeech
@ai_machinelearning_big_data
276 251
"Стань дата-инженером с Яндекс Практикумом
Сервис онлайн-обучения цифровым профессиям Яндекс Практикум запускает программу обучения по специальности «Инженер данных». Курс предназначен для студентов с как минимум базовым знанием SQL и Python — перед стартом необходимо пройти тест.
Авторы и преподаватели – практикующие эксперты ведущих российских IT-компаний.
Длительность — 6,5 месяцев.
Курс на 75% состоит из практических занятий – по окончании программы в вашем портфолио будет не менее 10 проектов.
Вы научитесь:
- работать с технологиями Python, SQL, Metabase, Airflow, PostgreSQL, MongoDB, ClickHouse, Celery, Kafka, Hadoop, Apache Spark, Spark Streaming и Yandex.Cloud
- извлекать, очищать и сохранять данные
- создавать и поддерживать хранилища типов Data Warehouse и Data Lake
- работать со стриминговой обработкой данных и облаками
Претендовать на работу по новой специальности студенты курса смогут уже в ходе обучения – с поиском вакансии помогут специалисты карьерного центра Яндекс Практикум.
Запись на курс открыта, старт занятий для ближайшего потока студентов – 23 мая.
Стоимость курса:
95 000 рублей при разовой оплате, при оплате в рассрочку – 17 000 рублей в месяц.
По завершении программы студенты получат диплом о профессиональной переподготовке.
Запись на бесплатную вводную часть и подробности по ссылке.
276 251
✔️ Pythae: Unifying Generative Autoencoders in Python -- A Benchmarking Use Case
This library implements some of the most common (Variational) Autoencoder models.
Github: https://github.com/clementchadebec/benchmark_VAE
Paper: https://arxiv.org/abs/2206.08309v1
Dataset: https://paperswithcode.com/dataset/celeba
@ai_machinelearning_big_data
276 251
Метавселенные: хайп или наше будущее?
Тут понятно и доступно рассказывают про NFT, блокчейн, искусственный интеллект, метавселенные и кибернетику умных устройств.
276 251
🖊 StrengthNet
Implementation of "StrengthNet: Deep Learning-based Emotion Strength Assessment for Emotional Speech Synthesis"
Github: https://github.com/ttslr/strengthnet
Paper: https://arxiv.org/abs/2110.03156
MOSNet: https://github.com/lochenchou/MOSNet
Dataset: https://paperswithcode.com/dataset/waymo-open-dataset
@ai_machinelearning_big_data
276 251
Как повысить эффективность логистики с помощью неклассических тестов?
Ответ можно найти в последней статье Delivery Club на Хабре. В ней команда операционных аналитиков поделилась тонкостями эксперимента по внедрению switchback A/B-тестов. Вы узнаете об особенностях таких тестов, сути сетевого эффекта, об этапах запуска switchback A/B-эксперимента в логистике и его итогах.
Подробнее по ссылке.
276 251
🔖 DoWhy | An end-to-end library for causal inference
"DoWhy" is a Python library that aims to spark causal thinking and analysis.
Github: https://github.com/py-why/dowhy
Docs: https://py-why.github.io/dowhy/
Paper: https://arxiv.org/abs/2206.06821v1
Video: https://note.microsoft.com/MSR-Webinar-DoWhy-Library-Registration-On-Demand.html
@ai_machinelearning_big_data
276 251
Слышали о профессии аналитика данных, но сомневаетесь? Поможем понять, подходит ли вам специальность.
→ Бесплатный вебинар 17 июня в 19:00
О профессии расскажут эксперты:
◾️ Ирина Ефимова, руководитель продуктовых исследований направления анализа данных в Яндекс Практикуме
◾️ Артем Исакин, руководитель трудоустройства направления анализа данных в Яндекс Практикуме
◾️ Михаил Панфилов, Junior Data Engineer в Dostavista, выпускник Практикума
Вы узнаете:
— какие аналитики бывают и чем они занимаются;
— сложно ли сейчас аналитикам данных найти работу;
— нужен ли опыт в IT;
— есть ли работа в регионах.
— чего работодатели ждут от аналитиков и как этому учат в Практикуме;
— как стартовать в профессии, если плохо знаете математику или программирование;
А в финале вы ответите на 5 вопросов, чтобы узнать подойдет ли вам профессия.
→ Зарегистрироваться на вебинар
276 251
😲 LIVE- Towards Layer-wise Image Vectorization (CVPR 2022 Oral)
New method to progressively generate a SVG that fits the raster image in a layer-wise fashion.
Github: https://github.com/picsart-ai-research/live-layerwise-image-vectorization
Project: https://ma-xu.github.io/LIVE/
Paper: https://arxiv.org/pdf/2206.04655v1.pdf
Colab: https://colab.research.google.com/drive/1s108WmqSVH9MILOjSAu29QyAEjExOWAP?usp=sharing
@ai_machinelearning_big_data
