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 293 306 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, 293 306 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.
293 306
Obunachilar
-21824 soatlar
-1 5287 kunlar
-6 46930 kunlar
Postlar arxiv
293 298
🚀 Google just published 25 million free datasets
https://towardsdatascience.com/google-just-published-25-million-free-datasets-d83940e24284
Datasetsearch: https://datasetsearch.research.google.com
@ai_machinelearning_big_data
293 298
GL2vec: Graph Embedding Enriched by Line Graphs with Edge Features
Code: https://github.com/benedekrozemberczki/karateclub
Paper: https://link.springer.com/chapter/10.1007/978-3-030-36718-3_1
https://karateclub.readthedocs.io
293 298
🧠 Releasing the Drosophila Hemibrain Connectome — The Largest Synapse-Resolution Map of Brain Connectivity
http://ai.googleblog.com/2020/01/releasing-drosophila-hemibrain.html
293 298
Идет набор в новую группу профессионального онлайн-курса «Data Engineer». Если слова Hadoop, MapReduce, Spark (и не только!) для вас не пустой звук – это ваш курс.
📌Изучайте программу и минимальные требования к поступающим, проходите вступительное тестирование и присоединяйтесь с welcome-скидкой: https://otus.pw/MMn1/
Что даст вам этот курс:
📌 знание ключевых способов хранения и методов обработки больших объемов данных, а также стоимости их внедрения;
📌 умение работать с распределенными система в контексте Hadoop экосистемы;
📌практические навыки разработки приложений с использованием программной модели MapReduce ;
📌опыт использования распределенной файловой системы (HDFS).
Делиться с вами своей экспертизой будут преподаватели и наставники курса, среди которых Егор Матешук (Senior Data Engineer) и Артемий Козырь (Data Engineer).
Приходите учиться на боевых задачах у настоящих профессионалов.
293 298
AI Habitat state-of-the-art simulation platform adds object interactivity
A major update to Facebook AI’s open source AI Habitat platform , which enables significantly faster training of embodied AI agents in a variety of photorealistic 3D virtual environments.
https://ai.facebook.com/blog/ai-habitat-state-of-the-art-simulation-platform-adds-object-interactivity/
Github: https://github.com/facebookresearch/habitat-sim/
https://github.com/facebookresearch/habitat-api
Paper: Are We Making Real Progress in Simulated Environments? Measuring the Sim2Real Gap in Embodied Visual Navigation
https://arxiv.org/abs/1912.06321
293 298
Plato Dialogue System: A Flexible Conversational AI Research Platform
Code: https://github.com/uber-research/plato-research-dialogue-system
Introducing the Plato Research : https://eng.uber.com/plato-research-dialogue-system/
Paper: https://arxiv.org/abs/2001.06463v1
293 298
Big data, machine learning, cloud cloud, smoothie meetup, agile, coworking
https://t.me/mlbigdata
293 298
Neural Arithmetic Units
Code for Neural Arithmetic Units (ICLR) and Measuring Arithmetic Extrapolation Performance (SEDL|NeurIPS):
https://github.com/AndreasMadsen/stable-nalu
Paper : https://openreview.net/forum?id=H1gNOeHKPS
@ai_machinelearning_big_data
293 298
20 января в 20:00 мск OTUS приглашает на бесплатный пробный урок онлайн-курса «Математика для Data Science» - «Методы регрессионного анализа в Data Science» для аналитиков и разработчиков: https://otus.pw/fLr0/
На вебинаре вы:
- познакомитесь с понятием линейных регрессий;
- изучите, где и как их можно применять на практике;
- узнаете, какие темы и разделы математического анализа, линейной алгебры и теории вероятностей используются в этой области.
Вебинар проведёт Пётр Лукьянченко (преподаватель ВШЭ по высшей математике с опытом более 10 лет, работал в Lamoda на должности Team Lead Analytics). Не упустите возможности задать ему все интересующие вопросы!
Чтобы узнать свой уровень и сделать выбор между Базовым и Продвинутым курсами, пройдите вступительный тест: https://otus.pw/0ZFq/
293 298
Optuna: A hyperparameter optimization framework
Optuna is an automatic hyperparameter optimization software framework, particularly designed for machine learning.
Code: https://github.com/optuna/optuna
Paper: https://arxiv.org/abs/1907.10902v1
Tutorial: https://optuna.org/
293 298
Trax — your path to advanced deep learning
Trax helps you understand and explore advanced deep learning.
https://github.com/google/trax
Paper Reformer: The Efficient Transformer: https://arxiv.org/abs/2001.04451v1
293 298
#MoscowTravelHack #DataScience #ПредиктивнаяАналитика
Задачи для DataSience-команд и аналитиков в рамках хакатона Moscow Travel Hack. Создай предиктивную модель покупки билета на основе данных о пользователе в сервисе «Мегафон Путешествия» или придумай рекомендательный сервис, который сможет построить индивидуальную программу посещения Москвы для иностранного туриста на платформе Russpass.
Эти и другие 10 задач можно найти на сайте хакатона travelhack.moscow
Призовой фонд — 1,1 млн рублей!
293 298
SMOTE Oversampling for Imbalanced Classification with Python
https://machinelearningmastery.com/smote-oversampling-for-imbalanced-classification/
293 298
Deep Image Compression using Decoder Side Information
Code: https://github.com/ayziksha/DSIN
Paper: https://arxiv.org/abs/2001.04753v1
293 298
PyTorch 1.4 released, domain libraries updated
https://pytorch.org/blog/pytorch-1-dot-4-released-and-domain-libraries-updated/
Examples using model parallel training for reinforcement learning and with an LSTM: https://github.com/pytorch/examples/tree/master/distributed/rpc
293 298
Rethinking Generalization of Neural Models: A Named Entity Recognition Case Study
Paper: https://arxiv.org/abs/2001.03844v1
Code https://github.com/pfliu-nlp/Named-Entity-Recognition-NER-Papers
293 298
Using neural networks to solve advanced mathematics equations
https://ai.facebook.com/blog/using-neural-networks-to-solve-advanced-mathematics-equations/
293 298
Уже 17 января стартует обучение на "Deep Learning и нейронные сети", комплексном курсе по глубокому обучению на Python в SkillFactory.
Программа подойдет для тех, кто хочет в сжатые сроки получить практические навыки по программированию глубоких нейронных сетей.
Вам подойдет этот курс, если у вас есть базовое понимание машинного обучения и знание языка Python.
В рамках курса вы пройдете полный путь от аренды GPU-сервера, который подходит для Deep Learning, вплоть до создания полноценной рабочей модели для компьютерного зрения, анализа естественного языка и рекомендательных систем.
На курсе вы освоите навыки работы с основными фреймворками для Deep Learning, такими как TensorFlow, Keras и другими.
Партнер направления: NVIDIA Corporation
🎯Если и учиться, то только на практике: https://clc.to/ePFa8g
293 298
Self-supervised learning and computer vision
https://www.fast.ai//2020/01/13/self_supervised/
