Endi mavjud! Telegram Tadqiqoti 2025 — yilning asosiy insaytlari 
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 293 399 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 326-o'rinni va Rossiya mintaqasida 1 283-o'rinni egallagan.
📊 Auditoriya ko‘rsatkichlari va dinamika
невідомо sanasidan buyon loyiha tez o‘sib, 293 399 obunachiga ega bo‘ldi.
03 Iyul, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -6 469 ga, so‘nggi 24 soatda esa -218 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.
- Tasdiqlash holati: Tasdiqlanmagan
- Jalb etish (ER): Auditoriya o‘rtacha 7.32% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 5.77% ini tashkil etuvchi reaksiyalarni to‘playdi.
- Post qamrovi: Har bir post o‘rtacha 21 487 marta ko‘riladi; birinchi sutkada odatda 16 937 ta ko‘rish yig‘iladi.
- Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 169 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 04 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.
293 399
Obunachilar
-21824 soatlar
-1 5287 kunlar
-6 46930 kunlar
Postlar arxiv
293 332
Meta-Transfer Learning for Zero-Shot Super-Resolution
Code: https://github.com/JWSoh/MZSR
Paper: https://arxiv.org/abs/2002.12213v1
293 332
160+ Data Science Interview Questions
https://hackernoon.com/160-data-science-interview-questions-415s3y2a
293 332
Fast and Three-rious: Speeding Up Weak Supervision with Triplet Methods
FlyingSquid is a new framework for automatically building models from multiple noisy label sources.
Code: https://github.com/HazyResearch/flyingsquid
Blog: http://hazyresearch.stanford.edu/flyingsquid
Paper: https://arxiv.org/abs/2002.11955v1
293 332
Imbalanced Classification Model to Detect Mammography Microcalcifications
https://machinelearningmastery.com/imbalanced-classification-model-to-detect-microcalcifications/
293 332
FreezeD: A Simple Baseline for Fine-tuning GANs
Simple Baseline for Fine-Tuning GANs
Code: https://github.com/sangwoomo/freezeD
Paper: https://arxiv.org/abs/2002.10964
Datasets: https://vcla.stat.ucla.edu/people/zhangzhang-si/HiT/exp5.html
293 332
Using Reinforcement Learning in the Algorithmic Trading Problem
Trading with recurrent actor-critic reinforcement learning
Code: https://github.com/evgps/a3c_trading
Paper: https://arxiv.org/abs/2002.11523v1
293 332
@itlecture - канал с бесплатными обучающими видео-лекциями по IT и технологиям, а так же записями крупных конференций на различные IT тематики как для новичков, так и для опытных айтишников.
Программирование, Искусственный Интеллект, DevOps, Clouds, Веб-Дизайн, Базы Данных и многое другое.
➡️ https://t.me/itlecture
293 332
Open Images V6 — Now Featuring Localized Narratives
Open Images is the largest annotated image dataset in many regards, for use in training the latest deep convolutional neural networks for computer vision tasks
https://ai.googleblog.com/2020/02/open-images-v6-now-featuring-localized.html
Open Images Dataset V6 + Extensions: https://storage.googleapis.com/openimages/web/index.html
Localized Narratives Example: https://www.youtube.com/watch?v=mZqHVUstmIQ&feature=emb_logo
293 332
ABCNet: Real-time Scene Text Spotting with Adaptive Bezier-Curve Network
AdelaiDet is an open source toolbox for multiple instance-level detection applications.
Code: https://github.com/aim-uofa/adet
Paper: https://arxiv.org/pdf/2002.10200v1.pdf
293 332
How to Calibrate Probabilities for Imbalanced Classification
https://machinelearningmastery.com/probability-calibration-for-imbalanced-classification/
293 332
Exploring Transfer Learning with T5: the Text-To-Text Transfer Transformer
https://ai.googleblog.com/2020/02/exploring-transfer-learning-with-t5.html
Code: https://colab.research.google.com/github/google-research/text-to-text-transfer-transformer/blob/master/notebooks/t5-trivia.ipynb
Github: https://github.com/google-research/text-to-text-transfer-transformer
293 332
Ищем Data Scientists, которые готовы принять методологический вызов и участвовать в хакатоне Яндекс.Недвижимости по анализу данных домов в Москве для повышения эффективности объявлений на классифайде. Очный этап 21-22 марта, регистрация для индивидуальных участников и команд до 10 марта на сайте: https://hacktherealty.ru/
293 332
JAX-based neural network library
https://github.com/deepmind/dm-haiku
Haiku Documentation: https://dm-haiku.readthedocs.io/en/latest/
293 332
A Gentle Introduction to the Fbeta-Measure for Machine Learning
https://machinelearningmastery.com/fbeta-measure-for-machine-learning/
293 332
Implementation of the BASIS algorithm for source separation with deep generative priors
This repository provides an implementation of the BASIS (Bayesian Annealed SIgnal Source) separation algorithm. BASIS separation uses annealed Langevin dynamics to sample from the posterior distribution of source components given a mixed signal.
Github: https://github.com/jthickstun/basis-separation
Paper: https://arxiv.org/abs/2002.07942
293 332
В России запустился сервис «Манго» — это страховая компания, которая продает страховку квартир по подписке. Сервис использует алгоритмы машинного обучения,разработанные участниками нашего канала для подбора персонального предложения.
Как это работает?
- Вводите адрес — система автоматически подгрузит все данные о вашей квартире!
- Выбираете сумму покрытия.
- Готово! Полис в личном кабинете, а квартира и все вещи застрахованы от проблем 🙂
Никаких бумажек, договоров и поездок в офис, все онлайн. Сумму страхового покрытия можете изменить, если захотите, а в случае чего, выплату получите на карту. Работает по всей России!
Попробовать и получить 1 месяц подписки в подарок: https://clc.to/LkD4SA
293 332
The Microsoft Toolkit of Multi-Task Deep Neural Networks for Natural Language Understanding
Code: https://github.com/namisan/mt-dnn
Paper: https://arxiv.org/abs/2002.07972v1
293 332
ZeRO & DeepSpeed: New system optimizations enable training models with over 100 billion parameters
https://www.microsoft.com/en-us/research/blog/zero-deepspeed-new-system-optimizations-enable-training-models-with-over-100-billion-parameters/
293 332
How to Develop an Imbalanced Classification Model to Detect Oil Spills
https://machinelearningmastery.com/imbalanced-classification-model-to-detect-oil-spills/
