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
276 160
⚡️ Старт набора на онлайн-курс «Data Engineer» от OTUS!
⚠️ В новом потоке вас ждет актуализированная программа, живые вебинары с опытными экспертами и еще больше практики!
В программе рассмотрим все процессы обработки данных - от загрузки из внешних источников до подготовки финальных витрин.
📌 РЕЗУЛЬТАТ ПРОХОЖДЕНИЯ КУРСА:
— Практические навыки разработки дата-сервисов, витрин и приложений
— Знание принципов организации мониторинга, оркестрации, тестирования
— Выпускной проект на основе полученных знаний, который можно будет показывать при трудоустройстве.
💻 Greenplum Platform Extension Framework (PXF), 4 августа в 20:00
https://otus.pw/x5ke/
💻 Data Engineer в новых реалиях, что ждать бизнесу?, 23 августа в 20:00
https://otus.pw/mYY9/
👉 Ответьте на 30 вопросов и проверьте, насколько вы готовы к обучению на курсе - «Data Engineer» от OTUS
https://otus.pw/UTGS/
276 160
✨ Tip-Adapter: Training-free Adaption of CLIP for Few-shot Classification
Tip-Adapter is a training-free adaption method for CLIP to conduct few-shot classification.
Github: https://github.com/gaopengcuhk/tip-adapter
Paper: https://arxiv.org/abs/2207.09519v1
Dataset: https://paperswithcode.com/dataset/oxford-102-flower
@ai_machinelearning_big_data
276 160
✨ Tip-Adapter: Training-free Adaption of CLIP for Few-shot Classificationю
Github: https://github.com/gaopengcuhk/tip-adapter
Paper: https://arxiv.org/abs/2207.09519v1
Dataset: https://paperswithcode.com/dataset/oxford-102-flower
@ai_machinelearning_big_data
276 160
Мы следим за миром инноваций и рынком труда и знаем, какие специалисты нужны рынку. Наши исследования показали, что сейчас стремительно растет спрос на специалистов по новейшим технологиям:
✔ искусственный интеллект;
✔ Web 3.0;
✔ блокчейн;
✔ кибернетика умных устройств;
✔ data science;
✔ метавселенные.
Мы решили запустить программу подготовки этих специалистов, ведь таких курсов еще не было на рынке. Научитесь создавать умных роботов, проектировать метавселенные и управлять автономными организациями на блокчейне.
Что в результате обучения:
📈 Станете новой элитой современных инновационных проектов
Ключевой сферой России остается ИТ — на технологиях держится не только экономика, но и развитие каждой отрасли страны.
💪 Получите уникальные навыки
Если какая-то технология только вышла, мы учтем ее в программе.
🌏 Сможете работать над проектами, которые меняют мир прямо сейчас
Уже через несколько месяцев после старта программы вы сможете найти подработку и продолжать обучаться.
Почему вам стоит стартовать в ИТ прямо сейчас
⚡️ Востребованно
За 2021 год количество вакансий на рынке ИТ выросло на 72%. Количество резюме — всего на 6%.
🚀 Перспективно
К 2035 году в России будет более 2,5 миллиона вакансий для специалистов из сферы ИТ.
🤑 Высокооплачиваемо
Зарплата начинающего ИТ-специалиста — от 60 000 ₽. А уже через три года — от 150 000 ₽.
❗ Длительность — 12 месяцев, 2–3 занятия в неделю по 2–3 часа. Для прохождения курса не требуется техническое образование или опыт работы.
❗❗ Гарантия трудоустройства закреплена в договоре. Если после успешного обучения вы не найдете работу, мы вернем вам деньги.
👉 Начать обучение: https://clck.ru/sLJhU
276 160
🔧 FSD: Fully Sparse 3D Object Detection & SST: Single-stride Sparse Transformer
Github: https://github.com/tusimple/sst
Paper: http://arxiv.org/abs/2207.10035
Dataset: https://paperswithcode.com/dataset/waymo-open-dataset
@ai_machinelearning_big_data
276 160
Полезная статья на Хабр о промышленном мониторинге качества данных в Feature Store
В ней аналитик финтеха Big Data из МТС рассказал о построении автоматизированного контроля за качеством данных в их Feature Store, позволяющем не допустить принятия бизнес-решений на искаженных или ненадежных данных.
О том, что такое Feature Store, почему в нем возникла потребность и какое место занимает промышленный мониторинг качества данных, читать здесь.
276 160
HiFormer: Hierarchical Multi-scale Representations Using Transformers for Medical Image Segmentation
Github: https://github.com/amirhossein-kz/hiformer
Paper: https://arxiv.org/abs/2207.08518v1
Tasks: https://paperswithcode.com/task/medical-image-segmentation
@ArtificialIntelligencedl
276 160
✅ Что будет с IT в России?
✅ Первыми узнавать новости из мира облачных технологий и искусственного интеллекта
✅ Регулярный и честный анализ рынка IT
✅ Реальный опыт решения задач
Все это и многое другое на авторском ТГ-канале Евгения Колбина, СЕО облачного провайдера Cloud.
Евгений Колбин:
• Знает, как создать и монетизировать Cloud, AI, ML сервисы, а также, как построить суперкомпьютеры
• Настоял на покупке «железа», когда стало понятно, что может быть дефицит
• Вместе с командой создал Sberbank business online - удобную систему сервисов для предпринимателей
• Долгое время руководил ИТ проектами в Citibank
• А самое главное – знает, как воспользоваться теми возможностями, которые для нас сегодня открываются
Подписывайтесь на канал Евгения, если хотите первыми быть в курсе развития IT, облаков и ИИ:
https://t.me/veryironman
276 160
⚡️ CLOSE: Curriculum Learning On the Sharing Extent Towards Better One-shot NAS
Github: https://github.com/walkerning/aw_nas
Paper: https://arxiv.org/abs/2207.07868v1
Dataset: https://paperswithcode.com/dataset/nas-bench-201
@ai_machinelearning_big_data
276 160
МТС создали новый канал, где доказывают, что продают не только симки и смартфоны, а ищут вполне реальных спецов в IT, которые будут писать на Golang • Swift • Kotlin • Java • Python • C# • C++.
Зачем? Чтобы продолжать создавать продукты, платформы и сервисы для людей и бизнеса с помощью 20+ петабайт данных. Еще и работают в разных направлениях: от Big Data, AI и Cloud до онлайн-кинотеатра и киберспорта.
Да, ребята в МТС тоже развивают экосистему цифровых сервисов.
276 160
Language Modelling with Pixels
PIXEL is a language model that operates on text rendered as images, fully removing the need for a fixed vocabulary.
Github: https://github.com/xplip/pixel
Paper: https://arxiv.org/abs/2207.06991v1
Dataset: https://paperswithcode.com/dataset/glue
Pretrained: https://huggingface.co/Team-PIXEL/pixel-base
@ai_machinelearning_big_data
276 160
🚀 Dynamic Low-Resolution Distillation for Cost-Efficient End-to-End Text Spotting
Github: https://github.com/hikopensource/davar-lab-ocr
Paper: https://arxiv.org/abs/2207.06694v1
Dataset: https://paperswithcode.com/dataset/total-text
@ai_machinelearning_big_data
276 160
Ищем медработников, чтобы с нуля обучить профессии Data Scientist в медицине.
С помощью машинного обучения, вы научитесь обрабатывать данные по сердечно-сосудистым заболеваниям, онкологии, сигналам ЭЭГ, рентгеновским изображениям, сможете ставить диагнозы,обнаруживать болезни и персонализировать лечение.
Курс прекрасно подойдет:
Медработникам
Освоите IT-специализацию в знакомой нише, увеличите доход и сможете улучшать жизнь сотен людей с помощью искусственного интеллекта.
Новичкам в Data Science
Станете специалистом по Data Science с нуля: освоите аналитику в медицине, бизнесе и других направлениях.
IT-специалистам
Поможем систематизировать знания в Data Science, ускорить карьерный рост и больше зарабатывать.
Вашими преподавателями станут эксперты из таких компаний как: Parexel, X5 Retail Group, NVIDIA, Минобороны России, Pirogov AI.
Если после успешного обучения вы не найдёте работу, мы вернём вам деньги, ведь гарантия трудоустройства закреплена в договоре.
Узнать подробности и зарегистрироваться: https://clc.to/wKod8g
276 160
Benchmarking Omni-Vision Representation through the Lens of Visual Realms
Github: https://github.com/ZhangYuanhan-AI/OmniBenchmark
Project: https://zhangyuanhan-ai.github.io/OmniBenchmark
Paper: https://arxiv.org/abs/2207.07106v1
Competition: https://codalab.lisn.upsaclay.fr/competitions/6043
@ai_machinelearning_big_data
276 160
Идея для лета — нырнуть в Data Science с головой
Станьте специалистом по Data Science и приручите алгоритмы под свои амбициозные цели: от решения бизнес-задач до развития медицинских технологий. На курсе Яндекс Практикума вы можете за 8 месяцев изучить Python, SQL, машинное обучение и визуализацию данных — необходимый минимум для работы младшим специалистом.
Пять «П» — преимущества обучения в Практикуме:
— Помощь с трудоустройством: 78% выпускников находят работу в течение 4 месяцев после окончания курса.
— Портфолио: 16 проектов на основе реальных задач бизнеса и диплом о профессиональной переподготовке.
— Поддержка: преподаватели, наставники, кураторы и ревьюры помогают пройти обучение.
— Подходящий формат: можете заниматься из любой точки мира когда вам удобно.
— Практика: курс на 75% состоит из задач в онлайн-тренажёре и учебных проектов.
→ Старт потока — 21 июля.
Оплачивать учёбу можно помесячно, от 6 090 ₽/мес, или 112 000 ₽ сразу.
Начните учиться бесплатно и решите, подходит ли вам роль специалиста по Data Science.
→ Попробуйте курс бесплатно
276 160
KGI (Knowledge Graph Induction) for slot filling
Github: https://github.com/ibm/kgi-slot-filling
KILT data and knowledge source: https://github.com/facebookresearch/KILT
Paper: https://arxiv.org/abs/2207.06300v1
Dataset: https://paperswithcode.com/dataset/natural-questions
@ai_machinelearning_big_data
276 160
⁉️ Разработать одну ML-модель и провести ее валидацию — уже давно не проблема. Как экспериментировать сразу с сотнями моделей и с разными параметрами и при этом не захлебнуться в разнообразии экспериментов? Как не потерять этот опыт и легко воспроизводить эксперименты годовой давности?
📌 20 июля в 20:00 на открытом уроке OTUS мы разберем инструмент MLFlow. Он позволяет легко выбирать лучшие модели среди всех экспериментов и при этом легко сравнивать эти модели, и всегда иметь понятное описание эксперимента.
💻 Занятие проведет Миленькин Александр, старший менеджер по работе с большими данными в X5 Retail Group.
💣 Чтобы зарегистрироваться на урок, пройдите вступительный тест
⚠️ Еще больше знаний о том, как устроен процесс внедрения ML-решения, ждет вас на онлайн-курсе «MLOps». Он рассчитан на специалистов по машинному обучению или Software инженеров.
276 160
🏎 Instance Shadow Detection with A Single-Stage Detector
Deep framework, and an evaluation metric to approach this new task.
Github: https://github.com/stevewongv/InstanceShadowDetection
Instance Shadow Detection: https://github.com/stevewongv/SSIS
Video: https://www.youtube.com/watch?v=p0b_2SsFypw
Colab: https://colab.research.google.com/drive/1y9UpS5uA1YuoMyvYVzcKL4ltA_FDu_x0?usp=sharing
Paper: https://arxiv.org/abs/2207.04614v1
Datasets: https://paperswithcode.com/dataset/soba
@ai_machinelearning_big_data
276 160
❓ Как сделать тематическое моделирование сообществ в Telegram?
Для начала пару слов о том, что такое тематическое моделирование. Тематическое моделирование (оно же topic modeling) — задача и процесс построения тематической модели.....
🎯 Читать статью в habr — https://otus.pw/MKRq/
Статья подготовлена в рамках онлайн-курса с продвинутыми приемами машинного обучения — Machine Learning Advanced».
🔥 Ответьте на 10 вопросов и проверьте, насколько вы готовы к обучению на углубленном курсе - «Machine Learning. Advanced» от OTUS и его партнера — Сбера.
👉🏻 ПРОЙТИ ТЕСТ
https://otus.pw/vth9/
276 160
🧍♂ PeopleSansPeople: A Synthetic Data Generator for Human-Centric Computer Vision
Human-centric privacy-preserving synthetic data generator with highly parametrized domain randomization.
Github: https://github.com/unity-technologies/peoplesanspeople
Paper: https://arxiv.org/abs/2207.05025v1
Demo Video: https://www.youtube.com/watch?v=mQ_DUdB70dc
@ai_machinelearning_big_data
