uz
Feedback
Data Science | Machinelearning [ru]

Data Science | Machinelearning [ru]

Kanalga Telegram’da o‘tish

Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM. Личный блог автора - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD

Ko'proq ko'rsatish

📈 Telegram kanali Data Science | Machinelearning [ru] analitikasi

Data Science | Machinelearning [ru] (@devsp) Rus til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 20 010 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 6 722-o'rinni va Rossiya mintaqasida 33 728-o'rinni egallagan.

📊 Auditoriya ko‘rsatkichlari va dinamika

невідомо sanasidan buyon loyiha tez o‘sib, 20 010 obunachiga ega bo‘ldi.

19 Iyun, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -73 ga, so‘nggi 24 soatda esa -9 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.

  • Tasdiqlash holati: Tasdiqlanmagan
  • Jalb etish (ER): Auditoriya o‘rtacha 8.09% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 3.89% ini tashkil etuvchi reaksiyalarni to‘playdi.
  • Post qamrovi: Har bir post o‘rtacha 1 619 marta ko‘riladi; birinchi sutkada odatda 779 ta ko‘rish yig‘iladi.
  • Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 8 ta reaksiya keladi.
  • Tematik yo‘nalishlar: Kontent llm, nvidia, контекст, openai, архитектура kabi asosiy mavzularga jamlangan.

📝 Tavsif va kontent siyosati

Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM. Личный блог автора - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD

Yuqori yangilanish chastotasi (oxirgi ma’lumot 20 Iyun, 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.

20 010
Obunachilar
-924 soatlar
-557 kunlar
-7330 kunlar
Postlar arxiv
​​🦾 Мощь машинного обучения В этой статье мы разберемся с машинным обучением и тем, как его можно использовать. Читать...

​​🧠 TransformerFam от Google и другие попытки улучить память LLM В этой статье вы узнаете о лимитах трансформеров, которые легко забывают длинные последовательности ввода. Читать...

​​👤 AGiXT — open-source платформа, которая позволяет легко организовать выполнение сложных задач различными AI-агентами AGiXT — это динамическая платформа автоматизации искусственного интеллекта, разработанная для организации эффективного управления инструкциями ИИ и выполнения задач среди множества поставщиков. Решение сочетает в себе адаптивную обработку памяти с широким спектром команд для улучшения понимания и реагирования ИИ, что приводит к более эффективному выполнению задач. 🖥GitHub 🟡Доки 🟡Примеры использования @DevspПодписаться

​​🖥 Дайджест самых интересных публикаций за последние дни:SF-V — новый метод генерации видео от Snapchat • Простые способы ускорения обучения PyTorch-моделей • L-MAGIC: Language Model Assisted Generation of Images with Coherence

​​🌟 SF-V — новый метод генерации видео от Snapchat Новый метод генерации видео позволяет генерировать динамические и согласованные видео за 1 проход. Обширные эксперименты показывают, что метод обеспечивает конкурентоспособное качество генерации синтезированных видео со значительно меньшими вычислительными затратами для процесса шумоподавления. 🟡Страничка SF-V 🖥GitHub @DevspПодписаться

Как использовать нейросети в обучении с подкреплением? В чем недостатки классических алгоритмов и как нейросети помогают их решить? Узнайте на открытом практическом уроке от OTUS, где мы разберем: - как реализовать алгоритм Q-learning на базе нейросети и что нам это даст; - различные виды функции потерь и реализацию для алгоритма DQN (Deep Q-learning); - дополнительные условия архитектуры нейросети, моделирующей поведение агента в алгоритме DQN. Спикер Игорь Стурейко — PhD Physical and Mathematical Sciences, опытный руководитель команд и преподаватель. Встречаемся 13 июня в 20:00 мск в рамках курса «Reinforcement Learning». Все участники вебинара получат специальную цену на обучение! Регистрируйтесь прямо сейчас, чтобы не пропустить бесплатный урок: https://otus.pw/oVnA/ Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru

​​🌟 Новый этап в обучении LLM. Представили YaFSDP — это собственная разработка Яндекса для ускорения обучения больших языковых моделей   Её использование поможет ускорить обучение LLM с открытым исходным кодом до 25%. Кроме того, решение поможет оптимизировать использование графических процессоров (GPU).    Читать…

​​⚡️L-MAGIC: Language Model Assisted Generation of Images with Coherence Новая модель может создавать качественные панорамные сцены на основе одного входного изображения и текстового промпта! L-MAGIC использует предварительно обученные модели распространения и языка без тонкой настройки, обеспечивая нулевую производительность. В сочетании с моделями условного распространения он может принимать различные способы ввода, включая, помимо прочего, текст, карты глубины, эскизы и цветные сценарии. ▪️Github: https://github.com/IntelLabs/MMPano ▪️Paper: https://arxiv.org/abs/2406.01843 ▪️Project: https://zhipengcai.github.io/MMPano/ ▪️Video: https://youtu.be/XDMNEzH4-Ec @DevspПодписаться

VK ищет ML-лида для команды ранжирования видео и клипов Обязанности: конструирование признаков для ранжирования, разработка и внедрение новых алгоритмов, работа с MapReduce и нейросетевое ранжирование. Условия: гибкий график, топовая команда, возможность влиять на продукт, красивый офис и другие бонусы. Откликнуться на вакансию можно на сайте или написать напрямую в телеграме https://t.me/ellinatsyra

​​🚀Простые способы ускорения обучения PyTorch-моделей В этой статье автор рассмотрит Docker-контейнеры для репродуктируемости окружения модели обучения, а также профайлер PyTorch для анализа производительности кода обучения и identification bottlenecks. Читать...

​​🎙 Real-time in-browser speech recognition Распознавание речи в браузере в режиме реального времени с помощью OpenAI Whisper! Модель распознавания речи с 73 миллионами параметров, оптимизированная для вывода в Интернете. ▪️Сode: https://github.com/xenova/transformers.js/tree/v3/examples/webgpu-whisper ▪️Hf: https://huggingface.co/spaces/Xenova/realtime-whisper-webgpu @DevspПодписаться

​​🖥 Самые интересные публикации за последние дни:Мультиплеер Stable Audio, который можно запустить на Hugging Face • NeRF-Insert — редактирование 3D-сцены с помощью текстового промпта или с помощью изображения • Omost — использование мощи LLM, пишущих код, для генерации изображений

​​🎙 Real-time in-browser speech recognition Распознавание речи в браузере в режиме реального времени с помощью OpenAI Whisper! Модель распознавания речи с 73 миллионами параметров, оптимизированная для вывода в Интернете. ▪️Сode: https://github.com/xenova/transformers.js/tree/v3/examples/webgpu-whisper ▪️Hf: https://huggingface.co/spaces/Xenova/realtime-whisper-webgpu @DevspПодписаться

​​😎NeRF-Insert — редактирование 3D-сцены с помощью текстового промпта или с помощью изображения NeRF-Insert позволяет добавлять объект в 3D сцену с помощью мультимодальных входных сигналов. Вставленный объект может быть описан с помощью текстовой строки или ссылочного изображения. Пользователь может определить область закрашивания, нарисовав всего 2-3 ручные маски. ▶️Страничка NeRF-Insert 🟡Arxiv @DevspПодписаться

​​⭐️Мультиплеер Stable Audio, который можно запустить на Hugging Face Генерируйте аудио из текстового описания, делитесь и учитесь у других, как наилучшим образом использовать эту новую модель. 🤗 Попробовать на Hugging Face @DevspПодписаться

​​⚡️ Qwen2 - самый крутой релиз откртых LLM со времен Llama 3! Alibaba только что выпустили свое новое семейство мультиязычных моделей, которых превосходят по производительности Llama 3 по многим параметрам. Серия Qwen2 включает базовые и настроенные по инструкции модели 5 размеров, включая Qwen2-0.5B, Qwen2-1.5B, Qwen2-7B, Qwen2-57B-A14B, Qwen2-72B. 📖 BLOG: https://qwenlm.github.io/blog/qwen2/ 🤗 HF collection: https://huggingface.co/collections/Qwen/qwen2-6659360b33528ced941e557f 🤖 https://modelscope.cn/organization/qwen 💻 GitHub: https://github.com/QwenLM/Qwen2 @DevspПодписаться

⚡️Хочешь разработать решение технологического кейса для внедрения в работу НКО? Тогда регистрируйся на Smart Social: Хакатон! 🏆Гранты на 1 200 000 рублей! Smart Social: Хакатон – это командное соревнование для программистов, дизайнеров, менеджеров, аналитиков и других IT-специалистов, которые в сжатые сроки решают технологическую задачу. 👨‍💻Кейсы: - Инструмент для анонимизации документов пользователей сервиса «Просто спросить»; - Алгоритм для систематизации архивных материалов; - Сервис сбора информации для профилактики социально значимых заболеваний; - Сервис для онлайн-записи на музейные мероприятия. 📆Даты хакатона: C 10 по 18 Июня 2024 г 📍Формат: Онлайн/Офлайн 🔥Дедлайн регистрации: 8 Июня, 23:59 (МСК) Не нашел для себя задачу? Смотри еще кейсы по ссылке: https://tglink.io/43c37e2edbcd 🚀Сделай Добро – помоги НКО!

​​🦾 Коннектор ADB-TO-ADB В этой статье рассматриваются детали предлагаемой нами реализации коннектора для выполнения так называемых гетерогенных запросов в рамках разных кластеров Arenadata DB и/или Greenplum. Читать...

​​🌟Omost — использование мощи LLM, пишущих код, для генерации изображений Omost — это проект по преобразованию возможностей кодирования LLM в возможности генерации изображений (или, точнее, создания изображений). Он предоставляет модели LLM, которые будут писать коды для составления визуального содержимого изображений с помощью виртуального агента Omost Canvas. В настоящее время мы предоставляем 3 предварительно обученные модели LLM, основанные на вариациях Llama3 и Phi3 (см. также примечания к модели в конце этой страницы). 🖥GitHub 🤗 Попробовать на Hugging Face @DevspПодписаться

Давайте поможем Даше найти... что угодно 27 июня в 19:00 Data Science Meetup: Поиск от команды СберМаркета! Соберёмся в нашем офисе, чтобы рассказать о секретах алгоритмов поиска: как разрабатывали и улучшали модель по исправлению опечаток, что такое межретейлерный поиск, и как он работает у нас. В программе доклады и QA-сессия: 🔎 Как устроен Поиск в СберМаркете. Владимир Бугаевский, ML Team Lead в СберМаркете, поделится тем, как поисковые технологии улучшают пользовательский опыт в СберМаркете. 🔎 Нейросетевая модель для исправления опечаток в поисковых запросах. Анна Власова, ML-инженер в СберМаркете, расскажет о новой нейросетевой модели для исправления опечаток. 🔎 Ранжирование магазинов в межретейлерном поиске. Анна Южанина, ML-инженер в СберМаркете, расскажет о модели для ранжирования магазинов в зависимости от намерения и предпочтения пользователя. Регистрируйтесь, количество мест в офлайне ограничено! Реклама. ООО «ИНСТАМАРТ СЕРВИС», ИНН: 9705118142. Ерид: LjN8KZXna