Endi mavjud! Telegram Tadqiqoti 2025 — yilning asosiy insaytlari 
Machine learning Interview
Kanalga Telegram’da o‘tish
ИИ, Rust, вайбкодинг, Data Science, Deep Learning и делюсь тем, что интересно и полезно! Вопросы - @workakkk РКН: clck.ru/3FmwRz
Ko'proq ko'rsatish📈 Telegram kanali Machine learning Interview analitikasi
Machine learning Interview (@machinelearning_interview) Rus til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 30 035 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 4 579-o'rinni va Rossiya mintaqasida 21 921-o'rinni egallagan.
📊 Auditoriya ko‘rsatkichlari va dinamika
невідомо sanasidan buyon loyiha tez o‘sib, 30 035 obunachiga ega bo‘ldi.
13 Iyun, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni 40 ga, so‘nggi 24 soatda esa 8 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.
- Tasdiqlash holati: Tasdiqlanmagan
- Jalb etish (ER): Auditoriya o‘rtacha 21.14% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 7.35% ini tashkil etuvchi reaksiyalarni to‘playdi.
- Post qamrovi: Har bir post o‘rtacha 6 350 marta ko‘riladi; birinchi sutkada odatda 2 208 ta ko‘rish yig‘iladi.
- Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 40 ta reaksiya keladi.
- Tematik yo‘nalishlar: Kontent claude, llm, контекст, hermes, nvidia kabi asosiy mavzularga jamlangan.
📝 Tavsif va kontent siyosati
Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
“ИИ, Rust, вайбкодинг, Data Science, Deep Learning и делюсь тем, что интересно и полезно!
Вопросы - @workakkk
РКН: clck.ru/3FmwRz”
Yuqori yangilanish chastotasi (oxirgi ma’lumot 14 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.
30 035
Obunachilar
+824 soatlar
-77 kunlar
+4030 kunlar
Postlar arxiv
+4
⚡️ Годный открытый курс по Machine Learning
Охват тем нереальный, можно посмотреть на оглавление
К каждой теме в оглавлении приведена лекция, где плавно по шагам описываются ключевые идеи и т.д.
Отличный ресурс для погружения в Machine Learning
📎 Открытый курс по ML
@machinelearning_interview
🌟Библиотека YaFSDP, которая поможет сократить время обучения больших языковых моделей до 25%
Эту библиотеку Яндекс разработал в процессе обучения генеративной модели YandexGPT 3, а теперь и выложил в открытый доступ. Исходный код YaFSDP уже есть на GitHub.
🖥 GitHub
🟡 Статья
@machinelearning_interview
+3
📌Полезный репозиторий с материалами по статистике и ML-алгоритмам от Техасского университета
В частности, здесь описываются (вместе с визуализацией на Python) такие темы как:
— дерево решений
— метод PCA
— кластеризация методом k-means
— центральная предельная теорема
🟡 Jupyter Notebook'и
@machinelearning_interview
🌟 На Хабре рассказали про создание виртуального рассказчика, который умеет читать книги в режиме реального времени
Такая функция появилась в книжном сервисе Букмейт — рассказчик разработан на базе комплекса речевых технологий Яндекса, а воспроизведение текста максимально приближено к естественной речи. На данный момент функция доступна для 13000 книг.
Интегрировать речевые технологии в книжный сервис оказалось не так просто, поскольку в литературе встречаются необычные сокращения, слова и аббревиатуры — нейросети нужно знать, как правильно их произносить. Для этого модель обучают на длинных текстах, содержащих множество повествований и описаний.
▶️ Habr
@machinelearning_interview
+4
📌Годная подборка материалов по Machine Learning от университета из Амстердама
Здесь собраны интерактивные лекции по ML, которые покрывают многие темы, в частности:
— трансформеры
— SVM (машина поддерживающих векторов)
— Deep Learning
— теория вероятностей
— обработка и подготовка данных
— последовательности и работа с такими данными
▶️ Материалы по ML
@machinelearning_interview
Бесплатный вебинар по chatGPT "Создай нейро-сотрудника с нуля, без опыта программирования"
Вы узнаете как использовать chatGPT в профессиональных целях, создавать нейросотрудников на заказ и зарабатывать на ИИ.
Регистрируйтесь прямо сейчас - будьте в курсе всех новинок из мира AI.
Реклама. ООО "ТЕРРА ЭЙАЙ". ИНН 9728019395. erid: LjN8KXep2
+2
⚡️ Let's reproduce GPT-2 — 4-часовой ролик от Андрея Карпати, где он реализует GPT-2 с нуля
Очент полезное видео, здесь описывается весь процесс разработки:
— сначала строится сеть GPT-2
— затем оптимизируется её обучение, чтобы оно было действительно быстрым
— настраивается процесс обучения
— и после этого несколько часов модель обучается
В некоторых моментах для полного понимания нужны знания из плейлиста "Neural Networks: Zero to Hero"
🎞 YouTube
🖥 GitHub
@machinelearning_interview
Яндекс запустил Lite-версию генеративной текстовой модели YandexGPT 3
YandexGPT 3 Lite — это облегчённая версия генеративной модели Яндекса нового поколения. Особенность таких Lite-моделей заключается в более высокой скорости ответов, что позволяет решать простые задачи бизнеса буквально в режиме реального времени. Поэтому нейросеть хорошо показывает себя в сценариях, где важны время реакции и оптимизация затрат: например, бот-консультант на сайте, система подсказок для операторов колл-центров или суммаризатор результатов деловых встреч.
✈️ По данным замеров, YandexGPT 3 Lite стала ещё быстрее и точнее — и она уже доступна в режиме release candidate на облачной платформе Yandex Cloud. То есть клиенты могут протестировать её и плавно внедрить в свои продукты через API уже в ближайшее время.
Одним из ключевых этапов обучения модели стало выравнивание (Alignment), включающее в том числе стадию обучения с подкреплением (RL). В статье на Хабре - детали реализации Alignment и RL.
Яндекс запустил Lite-версию генеративной текстовой модели YandexGPT 3
YandexGPT 3 Lite — это облегчённая версия генеративной модели Яндекса нового поколения. Особенность таких Lite-моделей заключается в более высокой скорости ответов, что позволяет решать простые задачи бизнеса буквально в режиме реального времени. Поэтому нейросеть хорошо показывает себя в сценариях, где важны время реакции и оптимизация затрат: например, бот-консультант на сайте, система подсказок для операторов колл-центров или суммаризатор результатов деловых встреч.
✈️ По данным замеров, YandexGPT 3 Lite стала ещё быстрее и точнее — и она уже доступна в режиме release candidate на облачной платформе Yandex Cloud. То есть клиенты могут протестировать её и плавно внедрить в свои продукты через API уже в ближайшее время.
Одним из ключевых этапов обучения модели стало выравнивание (Alignment), включающее в том числе стадию обучения с подкреплением (RL). В статье на Хабре - детали реализации Alignment и RL.
+4
📌Machine Learning с нуля — годный ресурс по объяснению самых основ ML
Вот некоторые из рассматриваемых здесь тем:
— нейросети: концепция и реализация
— деревья решений
— регрессия: линейная/логистическая
🟡 ML с нуля
@machinelearning_interview
🌟 Отличная open-source книга про использование R в ML
Здесь подробно описывается, как реализовывать разные алгоритмы Machine Learning с помощью R;
от простой линейной/логистической регрессии до более сложных алгоритмов наподобие кластеризации методом k-means
🟡 Machine Learning с помощью R
@machinelearning_interview
📚Cracking the Data Science Interview: Unlock insider tips from industry experts to master the data science field (2024)
Эта книга предлагает экспертное руководство по прохождению собеседования с полной подготовкой и уверенностью в себе. Начиная с введения в современный ландшафт науки о данных, вы найдете советы по поиску работы, составлению резюме и созданию первоклассного портфолио. Затем вы перейдете к таким темам, как Python, базы данных SQL, Git и продуктивность работы с shell-сценариями и Bash. Опираясь на этот фундамент, вы погрузитесь в основы статистики, заложив фундамент для концепций предварительного моделирования, машинного обучения, глубокого обучения и генеративного ИИ. В конце книги вы узнаете, как лучше всего подготовиться к интенсивному собеседованию в области науки о данных.
Книга
+4
🌟 Визуализация основных понятий Machine Learning
Здесь очень наглядно объясняются разные концепции ML — алгоритм классификации, матрица рассеяния, дерево решений и т.д.
▶️ Визуализация
🟡 А вот и 2 часть
@machinelearning_interview
😑 Пользоваться нейронками
😎 Создавать нейронки
Только вот где этому научиться — разрабатывать модели и обучать ИИ? Обсуждаем в новом выпуске подкаста команды Tinkoff AI «Желтый Club Talks»
вместе с Варварой Смирновой, руководителем Тинькофф Образования, и Александром Дьяконовым, академическим руководителем направления искусственного интеллекта Центрального университета.
🔗 Кстати, в одном из выпусков инженеры обсуждали международные конференции для тех, кто делает ИИ. Анонсы шоу ребята публикуют в своем телеграм-канале Желтый AI. Также там они рассказывают про исследования, тренды индустрии, постят кастомные мемы и инсайды из поездок на топовые мероприятия.
Подписывайтесь, чтобы не потерять!
erid:2VtzqwzyLgV
Реклама. АО "Тинькофф Банк", ИНН 7710140679, лицензия ЦБ РФ № 2673
+4
⚡️ Топ 100 вопросов по Data Science и ML с собеседований
Вот некоторые из этих вопросов:
— в чём суть метода случайного леса?
— расскажи про преобразование Бокса-Кокса
— что такое обучение с подкреплением?
— что показывает ROC-кривая?
▶️ Вопросы и ответы
@machinelearning_interview
Стартовал набор в Академию Аналитиков Авито.
Это бесплатный образовательный онлайн-курс с практикой в реальном бигтехе.
Традиционно в Академии два направления: аналитик данных и DS-инженер.
Выбери, что ближе тебе, познакомься с требованиями к поступлению, программой и преподавателями на странице Академии. И спеши подать заявку!
⭐️ Сравниваем DBSCAN и OPTICS
Поговорим сегодня о 2 популярных алгоритмах кластеризации — DBSCAN и OPTICS, посмотрим их особенности и сравним
Поехали!
https://habr.com/ru/articles/818889/
@machinelearning_ru
+4
⚡️ Простое объяснение сложных концепций AI и ML на пальцах
Держите подборку полезных анимаций от Tom Yeh
Профессор очень просто объясняет такие понятия как MoE, умножение матриц, работу MLP в PyTorch, прямое/обратное распространение, работу GAN, устройство векторной БД и много всего ещё
▶️ Анимации с объяснением
@machinelearning_interview
🔥 На Хабре выбрали победителей конкурса «Технотекст» в номинации ML
Ими стали:
— Виктор Юрченко из Яндекса со статьей о том, как нейросети помогают беспилотным автомобилям планировать своё движение
— Игорь Котенков из Open Data Science с научно-популярной статьей-разбором работы ChatGPT
— Мурат Апишев со статьей о методах позиционного кодирования в Transformer
@machinelearning_interview
+4
🌟 Интерпретируемое машинное обучение — открытая книга от Christoph Molnar
Здесь можно найти ответы на многие вопросы по ML.
Вот некоторые из разделов:
— интерпретация нейросети
— дерево решений
— регрессия: линейная/логистическая
Большой упор сделан на подробное объяснение, поэтому детально разбираются такие кейсы:
— анализ комментариев на предмет спама
— построение модели регрессии по данным аренды велосипедов
— классификация причин возникновения рака
📎 Книга
@machinelearning_interview
