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
293 399
NeuralPy
NeuralPy: A Keras like deep learning library works on top of PyTorch PyTorch is an open-source machine learning framework that accelerates the path from research prototyping to production deployment developed by Facebook runs on both CPU and GPU.
Github: https://github.com/imdeepmind/NeuralPy
Project: https://neuralpy.imdeepmind.com/
293 399
Analyzing pretraining approaches for vision and language tasks
Simple design choices in pretraining can help us achieve close to state-of-art results on downstream tasks without any architectural changes.
https://ai.facebook.com/blog/analyzing-pretraining-approaches-for-vision-and-language-tasks/
Github: https://github.com/facebookresearch/mmf/tree/master/projects/pretrain_vl_right
Paper: https://arxiv.org/abs/2004.08744
293 399
Segmentation Loss Odyssey
Loss functions for image segmentation
Github: https://github.com/JunMa11/SegLoss
Paper: https://arxiv.org/abs/2005.13449v1
293 399
Обратите внимание: @kaicode (5 сентября). Это первый в своём роде сбор на одной площадке авторов open source проектов, в Москве. Huawei спонсирует и организует. Отошлите им ссылку на свой GitHub проект, его рассмотрят и лучших пригласят на площадку для выступления и защиты. Три проекта получают в руки по $5000 каждый и возможность дальнейшей поддержки от Huawei. Пишите им в Телеграм группу за подробностями и бесплатным билетом на вход.
293 399
Towards computer-aided severity assessment: training and validation of deep neural networks for geographic extent and opacity extent scoring of chest X-rays for SARS-CoV-2 lung disease severity
The COVID-Net models provided here are intended to be used as reference models that can be built upon and enhanced as new data becomes available.
Github: https://github.com/lindawangg/COVID-Net
Paper: https://arxiv.org/abs/2005.12855v1
293 399
How MTS used smart contract to build a system for selecting best technological projects.
https://habr.com/ru/company/ru_mts/blog/504058
293 399
DE⫶TR: End-to-End Object Detection with Transformers
PyTorch training code and pretrained models for DETR The main ingredients of the new framework, called DEtection TRansformer or DETR, are a set-based global loss that forces unique predictions via bipartite matching, and a transformer encoder-decoder architecture.
Github: https://github.com/facebookresearch/detr
Paper: https://arxiv.org/abs/2005.12872v1
Code: https://colab.research.google.com/github/facebookresearch/detr/blob/colab/notebooks/detr_demo.ipynb
293 399
Mail.ru Group запускает набор в бесплатную Академию больших данных MADE для датасайентистов и программистов.
Можно освоить одну из специализаций: Data Scientist, Machine Learning Engineer или Data Engineer на лекциях или сидя дома.
У академии реально мощные преподаватели и практикующие специалисты, которые готовы учить на реальных кейсах. Уникальная Возможность освоить: Прикладной анализ данных, разработку моделей машинного обучения для высоконагруженных сервисов, обработку больших данных, компьютерное зрение, обработку естественного языка, распознавание речи и другие актуальные темы. Перед прохождением тебя ждет вступительный тест. Лучшие получат job offer.
Записаться можно до 1 августа: https://vk.cc/auoVmA
Уже сегодня принимай участие в Командном бое на Хабре: Python vs C++ и прокачай свои скилы в машинном обучении: https://habr.com/ru/article/502606/
293 399
Tensorflow vs PyTorch for Text Classification using GRU
https://medium.com/@rodolfosaldanha_71881/tensorflow-vs-pytorch-for-text-classification-using-gru-e95f1b68fa2d
293 399
Evaluating Natural Language Generation with BLEURT
BLEURT (Bilingual Evaluation Understudy with Representations from Transformers) builds upon recent advances in transfer learning to capture widespread linguistic phenomena, such as paraphrasing
https://ai.googleblog.com/2020/05/evaluating-natural-language-generation.html
Github: https://github.com/google-research/bleurt
Paper: https://arxiv.org/abs/2004.04696
293 399
Natural Language Processing With spaCy in Python
https://realpython.com/natural-language-processing-spacy-python/
293 399
SymJAX: symbolic CPU/GPU/TPU programming
SymJAX is a symbolic programming version of JAX simplifying graph input/output/updates and providing additional functionalities for general machine learning and deep learning applications.
docs: https://symjax.readthedocs.io/en/latest/
github: https://github.com/RandallBalestriero/SymJAX
pdf: https://arxiv.org/pdf/2005.10635v1.pdf
293 399
Instance-aware Image Colorization
https://ericsujw.github.io/InstColorization/
Github: https://github.com/ericsujw/InstColorization
Paper: https://arxiv.org/abs/2005.10825v1
293 399
Graph Structure Learning for Robust Graph Neural Networks
A general framework Pro-GNN, which can jointly learn a structural graph and a robust graph neural network model from the perturbed graph guided by these properties.
Github: https://github.com/ChandlerBang/Pro-GNN
Paper: https://arxiv.org/abs/2005.10203
293 399
Free Live Course: Deep Learning with PyTorch
https://www.freecodecamp.org/news/free-deep-learning-with-pytorch-live-course/
video: https://www.youtube.com/watch?v=vo_fUOk-IKk
293 399
Galaxy Zoo: Classifying Galaxies with Crowdsourcing and Active Learning
In this tutorial you will know how to use crowdsourcing and machine learning to investigate how galaxies evolve by classifying millions of galaxy images.
https://blog.tensorflow.org/2020/05/galaxy-zoo-classifying-galaxies-with-crowdsourcing-and-active-learning.html
Code: https://github.com/mwalmsley/galaxy-zoo-bayesian-cnn/blob/88604a63ef3c1bd27d30ca71e0efefca13bf72cd/zoobot/active_learning/acquisition_utils.py#L81
293 399
Хотите получить практические навыки по программированию искусственного интеллекта? В SkillFactory скоро стартует специализация «AI разработчик». Спрос на таких специалистов намного выше, чем предложение.
На курсе вы освоите:
— машинное обучение с нуля до продвинутого уровня
— Computer Vision, NLP, Reinforcement learning
— и нейронные сети
По окончанию обучения вы сможете проектировать и внедрять рекомендательные системы, участвовать в fintech проектах, создавать интерактивных агентов технологиями NLP и многое другое.
Курс основан на практике, к каждому студенту прикрепляется ментор, который поможет пройти путь в новую профессию.
💼Карьерный центр поможет вам оформить резюме, начать проходить собеседования и освоить необходимые soft skills.
🧨Пилим цены пополам до 25 мая, чтобы вы смогли начать свой путь в ИТ! Получите курс со скидкой 50%: https://clc.to/0W97Iw
293 399
👄 Lip2Wav
Generate high quality speech from only lip movements. This code is part of the paper: Learning Individual Speaking Styles for Accurate Lip to Speech Synthesis
Demo: https://www.youtube.com/watch?v=HziA-jmlk_4
Github: https://github.com/Rudrabha/Lip2Wav
Paper: https://arxiv.org/abs/2005.08209v1
293 399
How to Use Quantile Transforms for Machine Learning
https://machinelearningmastery.com/quantile-transforms-for-machine-learning/
293 399
Single-Stage Semantic Segmentation from Image Labels
Github: https://github.com/visinf/1-stage-wseg
Paper: https://arxiv.org/abs/2005.08104
