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
276 191
Group R-CNN for Point-based Weakly Semi-supervised Object Detection
Instance-aware representation learning which consists of instance-aware feature enhancement and instance-aware parameter generation to overcome this issue.
Code: https://github.com/jshilong/grouprcnn
Installation: https://mmdetection.readthedocs.io/en/v2.18.1/get_started.html#installation
Paper: https://arxiv.org/abs/2205.05920v1
Task: https://paperswithcode.com/task/object-detection
Dataset: https://paperswithcode.com/dataset/coco
@ai_machinelearning_big_data
276 191
Group R-CNN for Point-based Weakly Semi-supervised Object Detection
Code: https://github.com/jshilong/grouprcnn
Paper: https://arxiv.org/abs/2205.05920v1
Dataset: https://paperswithcode.com/dataset/coco
@ArtificialIntelligencedl
276 191
Прокачай карьеру в NLP и компьютерной лингвистике!
19 мая в 18:00 (по МСК) Мила Рванова, ведущий аналитик-исследователь Газпромбанка, расскажет:
• что такое Natural Language Processing,
• почему знаний в IT и математике может быть недостаточно,
• зачем NLP нужен бизнесу,
• что нужно знать для построения карьеры в NLP.
Лекция пройдет в Zoom – нужна регистрация: https://vk.cc/cd3e4B
276 191
Efficient and performance-portable vector software
CPUs provide SIMD/vector instructions that apply the same operation to multiple data items. This can reduce energy usage e.g. fivefold because fewer instructions are executed. We also often see 5-10x speedups.
Code: https://github.com/google/highway
Paper: https://arxiv.org/abs/2205.05982v1
Testing: https://github.com/google/highway/blob/master/g3doc/release_testing_process.md
@ai_machinelearning_big_data
276 191
Планируете переезд или остаётесь в России?
Если вы разработчик и у вас есть минута времени, поделитесь планами в анонимном опросе. Там всего 7 вопросов.
Ваши ответы помогут крупному IT-работодателю понять, в каких странах стоит открывать офисы и как условия нужны разработчикам.
276 191
🦉 OWL-ViT: Open-World Object Detection with Vision Transformers
OWL-ViT is an open-vocabulary object detector.
Github: https://github.com/google-research/scenic/tree/main/scenic/projects/owl_vit
Paper: https://arxiv.org/abs/2205.06230
Colab: https://colab.research.google.com/github/google-research/scenic/blob/main/scenic/projects/owl_vit/notebooks/OWL_ViT_minimal_example.ipynb
Dataset: https://paperswithcode.com/dataset/objects365
@ai_machinelearning_big_data
276 191
Интернет вещей — это глобальная сеть, которая соединяет не только компьютеры, но и другие электрические приборы, от кофе-машин до тостеров. Почему интернет вещей до сих пор не стал чем-то обыденным и насколько жизнь человека может стать комфортнее с развитием этой технологии? Узнайте в новом выпуске подкаста «ZIP. Архив техногенного мира» от команды Газпромбанка.
Слушайте и делитесь > https://vk.cc/cdrlFa
276 191
🗯 DeepFilterNet
A Low Complexity Speech Enhancement Framework for Full-Band Audio (48kHz) using on Deep Filtering.
Github: https://github.com/rikorose/deepfilternet
Paper: https://arxiv.org/abs/2205.05474v1
Demo: https://huggingface.co/spaces/hshr/DeepFilterNet2
@ai_machinelearning_big_data
276 191
📝 EasyNLP is an easy-to-use NLP development and application toolkit in PyTorch
$ pip install pai-easynlp.
Github: https://github.com/alibaba/EasyNLP
Paper: https://arxiv.org/abs/2205.03071v1
Dataset: https://paperswithcode.com/dataset/natural-questions
Documentation: https://www.yuque.com/easyx/easynlp/kkhkai
@ai_machinelearning_big_data
276 191
🪄 Language Models Can See: Plugging Visual Controls in Text Generation
Github: https://github.com/yxuansu/magic
Paper: https://arxiv.org/abs/2205.02655v1
Dataset: https://paperswithcode.com/dataset/coco
Contrastive Framework for Neural Text Generation: https://github.com/yxuansu/simctg
Colab: https://colab.research.google.com/drive/19lyyMXDRNr-Op8vwUOiRmbhMxI_s3rwW?usp=sharing
@ai_machinelearning_big_data
276 191
Дзен-митап: исследования в рекомендательных системах
19 мая приглашаем на первый в этом году офлайн-митап от Дзена по рекомендательным системам.
Поговорим о том, как правильно строить эмбеддинги для качественных рекомендаций, о нюансах в А/Б тестировании и особенностях научных исследований в рекомендательных системах в академии и бизнесе.
Митап пройдет в ресторане Ketch Up (Москва, ул.Кузнецкий мост, 6/3). Количество мест ограничено — мы пригласим тех, кому мероприятие ближе всего по профилю и опыту. А записи докладов вышлем всем зарегистрировавшимся!
276 191
↘️ PyRDF2Vec: A Python Implementation and Extension of RDF2Vec
Create a 2D feature matrix from a Knowledge Graph for downstream ML tasks.
Github: https://github.com/IBCNServices/pyRDF2Vec
RDF2Vec: http://rdf2vec.org/
Paper: https://arxiv.org/abs/2205.02283v1
Examples: https://github.com/IBCNServices/pyRDF2Vec/tree/main/examples
How to Create Representations of Entities in a Knowledge Graph
@ai_machinelearning_big_data
276 191
❓ Какой подход использовать для построения рекомендательных систем?
На открытом уроке «Что порекомендует мне машинное обучение?» вместе с Марией Тихоновой, Senior Data Scientist Сбера, реализуем один из классических подходов к построению рекомендательных систем своими руками.
🔥 БОНУС
Готовый инструмент, который позволяет создать рекомендашку всего в пару строк кода.
🟢 Еще больше полезных знаний и увлекательных задач ждет вас на онлайн-курсе «Machine Learning. Professional» в OTUS и его партнера — Сбера.
Записаться на урок https://otus.pw/bEtn/
276 191
💬 Textual Entailment for Event Argument Extraction: Zero- and Few-Shot with Multi-Source Learning
Github: https://github.com/osainz59/Ask2Transformers
Instructions: https://github.com/facebookresearch/metaseq/blob/main/docs/setup.md
Paper: https://arxiv.org/abs/2205.01376v1
Dataset: https://paperswithcode.com/dataset/snli
@ai_machinelearning_big_data
276 191
Знаете базу SQL, но для работы этого мало?
Курс «Аналитик данных» научит вас говорить с аналитиками на одном языке.
Изучите все инструменты для работы с данными: Python, SQL, Tableau, теорию вероятностей, статистику, бизнес-метрики и визуализацию данных. Даже если вы никогда не программировали или не разбираетесь в математике.
Теория и практика кода будет в интерактивном тренажёре. А ещё — на проектах, учебных и реальных. 170+ наших студентов работали над задачами в НКО и коммерческих компаниях.
Поддержвать вас будет целая команда сопровождения. Специалисты помогут со сложными темами, проверят код и не дадут прокрастинировать.
Оплачивать учёбу можно помесячно.
Если сомневаетесь, пдойдёт ли вам курс — попробуйте бесплатную вводную часть. В ней можно посмотреть, как работает тренажёр и какие задания предстоит выполнять.
→ Старт потока — 12 мая
→ Попробуйте курс бесплатно
276 191
🔝 OPT (Open Pre-trained Transformers) is a family of NLP models trained on billions of tokens of text obtained from the internet.
__175B GPT-3__
Github: https://github.com/facebookresearch/metaseq
Insttructions: https://github.com/facebookresearch/metaseq/blob/main/docs/setup.md
Paper: https://arxiv.org/abs/2205.01068v2
Dataset: https://paperswithcode.com/dataset/superglue
@ai_machinelearning_big_data
276 191
🚗 MMRotate: A Rotated Object Detection Benchmark using Pytorch
Github: https://github.com/open-mmlab/mmrotate
Documentation: https://mmrotate.readthedocs.io/en/latest/
Paper: https://arxiv.org/abs/2204.13317v1
Dataset: https://paperswithcode.com/dataset/dota
@ai_machinelearning_big_data
276 191
🧊 Focal Sparse Convolutional Networks for 3D Object Detection (CVPR 2022, Oral)
Github: https://github.com/dvlab-research/focalsconv
Paper: https://arxiv.org/abs/2204.12463
Dataset: https://paperswithcode.com/dataset/nuscenes
@ai_machinelearning_big_data
276 191
Хотите повысить свои hard-скиллы в Computer Vision и научиться решать весь пайплайн задач в CV?
Этот пост для вас, если:
- вы хотите улучшить навыки и поднять свою ценность на рынке,
- вы развиваете собственный CV-проект и не знаете как довести его до продакшена,
- вы тимлид и хотите повысить эффективность своей команды.
8 опытных инженеров из разных компаний подготовили курс, который научит вас создавать стабильные и быстрые DL-сервисы с нуля до выпуска первой версии. Вы научитесь:
- дешево добывать чистые данные,
- быстро учить нейросети,
- ускорять инференс,
- автоматизировать деплой и мониторить свои сервисы,
- работать в команде, правильно версионируя код и эксперименты,
и многое другое.
Вас ждут живые онлайн-лекции, групповая работа, квизы и ревью кода от опытных наставников.
Переходите по ссылке и записывайтесь на курс до 11 мая. Всего доступно 25 мест, поторопитесь!
276 191
🧍♂ StyleGAN-Human: A Data-Centric Odyssey of Human Generation
human image dataset with over 230K samples capturing diverse poses and textures
Github: https://github.com/stylegan-human/stylegan-human
Demo video: https://youtu.be/nIrb9hwsdcI
Paper: https://arxiv.org/abs/2204.11823v1
Dataset: https://paperswithcode.com/dataset/market-1501
Colab: https://colab.research.google.com/drive/1sgxoDM55iM07FS54vz9ALg1XckiYA2On
@ai_machinelearning_big_data
