uz
Feedback
Machinelearning

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 292 964 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 328-o'rinni va Rossiya mintaqasida 1 278-o'rinni egallagan.

📊 Auditoriya ko‘rsatkichlari va dinamika

невідомо sanasidan buyon loyiha tez o‘sib, 292 964 obunachiga ega bo‘ldi.

06 Iyul, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -6 314 ga, so‘nggi 24 soatda esa -187 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.

  • Tasdiqlash holati: Tasdiqlanmagan
  • Jalb etish (ER): Auditoriya o‘rtacha 7.37% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 5.45% ini tashkil etuvchi reaksiyalarni to‘playdi.
  • Post qamrovi: Har bir post o‘rtacha 21 579 marta ko‘riladi; birinchi sutkada odatda 15 979 ta ko‘rish yig‘iladi.
  • Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 159 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 07 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.

292 964
Obunachilar
-18724 soatlar
-1 3257 kunlar
-6 31430 kunlar
Postlar arxiv
Machine Learning Free Course with TensorFlow APIs by Google https://developers.google.com/machine-learning/crash-course/

We Can All Become Video Game Characters With This AI Video: https://www.youtube.com/watch?v=Y73iUAh56iI Paper: https://arxiv.org/abs/1904.08379

Создай первую модель машинного обучения за 3 дня! С 24 по 26 июня в 11:00 пройдет бесплатный интенсив по Data Science. Ссылка для регистрации 🔜 https://clc.to/isp30Q 🤖 С нуля создадим модель машинного обучения на Python и научим ее предсказывать курс доллара. 🎁 Участники с лучшими работами получат по 30 000 рублей. Будущее — за искусственным интеллектом!

Stand-Alone Self-Attention in Vision Models Paper: https://arxiv.org/abs/1906.05909

How to Implement GAN Hacks to Train Stable Generative Adversarial Networks https://machinelearningmastery.com/how-to-code-generative-adversarial-network-hacks/

Artificial Intelligence In Healthcare | Examples Of AI In Healthcare https://www.youtube.com/watch?v=j6EB9HO6acE

A collection of various deep learning architectures, models, and tips https://github.com/rasbt/deeplearning-models

Bayesian Deep Learning Benchmarks https://github.com/OATML/bdl-benchmarks

Weight Agnostic Neural Networks https://weightagnostic.github.io/

Robustness beyond Security: Computer Vision Applications http://gradientscience.org/robust_apps/

A Gentle Introduction to Generative Adversarial Networks (GANs) https://machinelearningmastery.com/what-are-generative-adversarial-networks-gans/

Как мы создали систему оповещения о ядерной угрозе https://habr.com/ru/post/452356/

Language, trees, and geometry in neural networks https://pair-code.github.io/interpretability/bert-tree/

18 Impressive Applications of Generative Adversarial Networks (GANs) A Generative Adversarial Network, or GAN, is a type of neural network architecture for generative modeling