AI для Всех — логотип Telegram-канала

@nn_for_science

AI для Всех

Telegram-канал @nn_for_science: 15,4 тыс. подписчиков, 4,2 тыс. просмотров на пост, оценка 53

Искусственный интеллект
53CВыше, чем у 4 из 10 каналов категории
Середина категории 43–64Этот канал 53
15,4 тыс.
Подписчики
4,2 тыс.
Медиана просмотров за 30 дней
27,5%
Просмотры / подписчики за 30 дней
13
Постов за 30 дней

Данные на 19 ноября 2026 г.

О применении нейросетей в повседневных задачах и личных проектах: автор делится опытом работы с Claude и Opus для видео, кода и мелкой автоматизации. На 3 октября: подписчиков 15,5 тыс. — больше медианы категории (13,8 тыс.), при медиане просмотров 3,3 тыс. и ER 21,3 %, что на уровне медианы категории. Постов за 30 дней вышло 5 — реже медианы в 25. Среди последних тем — клеймейшн-видео, сделанный с помощью Opus 5.5, скилл для рисования демо-роликов и история про настройку DNS на телевизоре для блокировки рекламы. Был пост про опыт работы с Greptile для ревью кода и сравнение open-source альтернатив. Автор также писал про прошлый опыт в сейсморазведке и работу над платформой для генерации арт-вышивки по фото.
описание каталога О канале от автора
Канал, в котором мы говорим про искусственный интеллект простыми словами Главный редактор и по рекламе: @crimeacs Иногда пишут в канал: @GingerSpacetail, @innovationitsme

Обзор

Составлен автоматически по данным канала, обновлён 30 августа 2026. Числа в тексте — на эту дату; свежие стоят плитками выше.

Об искусственном интеллекте и стартапах Кремниевой долины — так можно описать основную линию канала. Автор рассказывает о своём пути от физики и геологии через МГУ и Стэнфорд до работы в центре ИИ-бума, разбирает выступления Сэма Альтмана и YC Startup School, пересказывает уроки живых разборов стартапов. Рядом — личные заметки: Burning Man, проект-хобби с акселерометрами, соведущая Ginger со своими сюжетами про вышивку и подкасты.

Постов выходит немного: 7 за 30 дней при медиане по категории 14 — почти вдвое реже соседей по разделу «Искусственный интеллект». При этом медиана просмотров поста — 3 710, а ER держится на 23,9 % против медианных по категории 26,6 %. Place Score канала — 58.

Подойдёт тем, кто хочет читать не новостную ленту про ИИ, а личный взгляд человека внутри индустрии: с историями про Стэнфорд, YC и стартапы, но без ежедневного потока. Для тех, кто ищет частые обновления, ритм канала может показаться редким.

По подписчикам канал опережает медиану категории: 15 529 против 13 340 у 49 записей раздела. За 14 дней наблюдений подписчиков прибавилось 12, а средние просмотры выросли на 1 045.

Частые вопросы

О чём канал @nn_for_science?
Канал пишет об искусственном интеллекте и стартапах Кремниевой долины. Автор делится личным путём от физики до работы в центре ИИ-бума, разбирает выступления на YC Startup School вместе с соведущей Ginger.
Есть ли прайс на рекламу в канале?
Владелец пока не опубликовал прайс на размещение. Связаться с ним можно напрямую в Telegram.
Сколько подписчиков?
Подписчиков — 15,4 тыс. Медиана просмотров поста — 4,2 тыс. Просмотров на подписчика — 27,5%. Данные на 19 ноября 2026 г.
Как часто выходят посты?
За 30 дней вышло постов: 13 — это почти каждый день. Данные на 19 ноября 2026 г.
Есть ли у канала галочка Telegram?
Галочки Telegram нет.
Кто ведёт страницу канала в каталоге?
Пока никто. Если это ваш канал — заберите страницу: сможете отвечать на отзывы и видеть её статистику.
Это ваш канал?

Подтвердите владение — точные метрики и что улучшить, ответы на отзывы от лица канала и бейдж владельца на странице.

Подтвердить владение

Займёт минуту: пост с кодом или бот в администраторах
Ваша страница в tg.place

Знаете владельца?

Перешлите ему это сообщение — он подтвердит права и заберёт накопленное: статистику страницы и ответы на отзывы.

Подписчики−96 за 89 дней
15 54815 439
19 нояб.15 439−6 за день

Наведите на график или проведите пальцем — покажем день.

Из чего складывается
Вовлечённость13,7 из 30
Качество роста12 из 20
Реакции и пересылки7,5 из 15
Регулярность7,2 из 12
Доверие4,7 из 8
Отзывынедостаточно данныхотзывов пока нет

Оценка 53 — по 5 показателям из 6: остальные пока не измерены. Методология

Последние посты

  • 1,5 тыс.38 пересылок23 реакции27 комментариевОткрыть в Telegram
    GPT‑6.2 Sol спроектировала роборуку для моего пылесоса Сэнди отлично умеет вытаскивать игрушки из корзины. Я решил проверить, можно ли научить пылесос складывать их обратно. На всю котлету зарядил Codex. GPT 6.2 Sol спроектировала руку до винтиков, собрала симулятор квартиры и посчитала вес и стоимость деталей. В симуляции робот уже поднял мяч с пола, довёз до корзины и положил внутрь. С осьминогом пока сложнее - его получилось только подтянуть поближе. Теперь гоняю эксперименты с RL и дообучаю SmolVLA, маленькую vision-language-action модель. Хочу, чтобы робот мог сам сообразить, что делать, если игрушка лежит в другом месте или выскользнула из захвата. Думаю, что я нащупал один из тех бенчмарков, с которым текущие модели еле еле справляются. Но следующей модели можно дать ту же квартиру, те же игрушки и ту же корзину. Сразу будет видно, справляется ли её робот с большим числом игрушек и укладывается ли в меньшее время. Есть и от чего отталкиваться по железу. Сейчас вся сборка с пылесосом весит по модели 4,86 кг, а комплект для апгрейда по смете выходит примерно в $3 200. Можно попросить следующую модель убрать лишние детали, подобрать аналоги подешевле и прогнать тот же тест. Вот так recursive self-improvement подбирается к железу. И это охренеть как увлекательно. 3 косаря я конечно же платить не собираюсь, покручу еще, думаю что можно все в бюджет пары сотен сделать.
    Пост канала «AI для Всех» от 18 ноября 2026 г.
  • 3,1 тыс.24 пересылки26 реакций41 комментарийОткрыть в Telegram
    Роборука для робопылесоса Друзья, передо мной стоит выбор: любо научить свою собаку собирать игрушки, либо приделать к робопылесосу руку и научить его (угадайте, что кажется проще). Попросил GPT Pro проработать дизайн и запустить физическую симуляцию в MoJoCo - и вот к чему мы пришли. Какие есть подводные камни? Что обязательно нужно сделать, смоделировать, проверить {any other verb} перед тем как начать 3D печать и заказать актуаторы? Поделитесь своим опытом в комментариях
    Пост канала «AI для Всех» от 15 ноября 2026 г.
  • Реклама
  • 17,5 тыс.331 пересылка38 реакций5 комментариевОткрыть в Telegram
    В таймлайне искуственного интеллекта мы находимся здесь: _______ ИИ продает траву на Манхэттене
    Пост канала «AI для Всех» от 7 ноября 2026 г.
  • 4,4 тыс.10 пересылок28 реакций1 комментарийОткрыть в Telegram
    Mythos on tap 🚰
    Пост канала «AI для Всех» от 7 ноября 2026 г.
  • 4,2 тыс.31 пересылка21 реакция2 комментарияОткрыть в Telegram
    Кому интересно почитать подробнее - написал блог-пост (реально, руками). Будьте зайками - забустите на HackerNews! Искать по: I mapped my room in 3D with a $12 pet camera and its speaker
  • 3,9 тыс.80 пересылок46 реакций7 комментариевОткрыть в Telegram
    4D карта комнаты из камеры за $12 Выпустил релиз для OpenPetCam - теперь преокт умеет восстанавливать 4D (это как 3D + время) комнату в которой стоит камера. Сначала я воспользовался законом Снелла и посчитал за сколько эхо от пола достигает микрофон в камере, затем, использовал нейросеть для того, что бы посчитать карты глубины и сделать первый набросок 3D пространства. Отмасштабировал его с помощью эхо-локации и получил достойное 3D моей комнаты. Еще поэкспеременетровал с IR, оказлось что с его помошью можно закартировать материалы в комнате (возможно это будет полезно на этапе моделирования). А еще смог использовать сигнал от wifi в качестве датчика движения. Вот такие вот дела! Присоеденяйтесь
    Пост канала «AI для Всех» от 5 ноября 2026 г.
  • 3,5 тыс.39 пересылок12 реакций3 комментарияОткрыть в Telegram
    Open AI выупустила модель для генерации GIF. Попробовал ее на explainers и выглядит довольно многообещающе! Попросил е сгенерировать как работает Push-to-Talk в наше OpenPetCam - опен-сорсном проекте камеры для домашних питомцев. Направление интересное. Будем посмотреть как говорится
    Пост канала «AI для Всех» от 5 ноября 2026 г.
  • 4 тыс.84 пересылки62 реакции13 комментариевОткрыть в Telegram
    OpenPetCam Друзья, у меня есть собака и мне очень важно знать что у нее все хорошо. На выходных реализовал давнюю задумку - можно даже сказать pet project - OpenPetCam. Теперь у меня есть камера, которая сама следит за моей собакой и интерфейс, который дружит с Claude и который я могу менять как хочу. А у китайцев, соответственно, нет видео из моей квартиры 😏 Собственно что было сделано: Купил на амазоне китайскую камеру за $12, перепрошил ее опенсорсной прошивкой и собрал сервер, который всем этим управляет. За два дня я реализовал: 1) Отслеживание собаки (Yolo детектор) 2) Бесшумное управление камерой 3) Push to talk 4) Само-улучшение через Feedback и Claude 5) Журнал активности 6) и много еще чего по мелочи Проект полностью опенсорс на Гитхабе - очень буду рад вашим отзывам и пул-реквестам!
    Пост канала «AI для Всех» от 3 ноября 2026 г.
  • 4,5 тыс.11 пересылок15 реакций4 комментарияОткрыть в Telegram
    У меня есть сайд проект - играюсь с mean flow моделями. Обучил одну для колоризации ч/б фоток. Теперь пытаюсь понять, хорошо ли. Пройдите плиз слепой тест на 2 минуты - надо выбрать из двух колоризаций ту, которая кажется вам более естественной. Буду признателен каждому! 💖 👉 cmf-check.web.app Результатами поделюсь позже, вместе с деталями всего проекта.
  • 4,1 тыс.54 пересылки8 реакций1 комментарийОткрыть в Telegram
    TabPack: эффективный бейзлайн для ML задач на табличных данных Новая tabular DL модель от нашей команды! Теперь с Python пакетом для использования на практике. Меньше времени и ресурсов до хороших результатов — примерно это я вкладываю в слова "эффективный бейзлайн". На бенчмарках TabPack показывает хорошие результаты без тюнинга гиперпараметров, при этом TabPack практичный и для обучения, и для применения в продакшене. То есть в целом TabPack может быть одним из универсальных бейзлайнов, с которого очень естественно начать решать задачу: запускаешь один раз, смотришь на (хорошие) результаты, и там уже видно будет. В статье у нас есть и академические датасеты с 10К объектами, и реальные датасеты с 10М+ объектами, но подход везде один: запускаем дефолтный TabPack один раз и репортим результаты, и этого хватило чтобы оказаться в топе бенчмарка, хотя и цели такой не было. Технически, TabPack — это эффективно реализованный ансамбль MLP с разными гиперпараметрами и моделей, и оптимизаторов. Семплим много рандомных MLP и оптимизаторов, учим их все одновременно и собираем ансамбли прямо в процессе обучения. Попробуйте TabPack на ваших задачах! Модель новая, и очень интересно, как она себя покажет на практике. Код:
    github.com/…https://github.com/yandex-research/tabpack
    Статья: arxiv.org/abs/2607.05380 Твиттер:
    x.com/…https://x.com/YuraFiveTwo/status/2116109946781679862

О канале в цифрах

Создан
29 апреля 2021 г.
Фото
1,5 тыс.
Видео
233
Файлы
11
Ссылки
1,6 тыс.

По данным Telegram на 18 ноября 2026 г.

Рейтинги и подборки

Контакты

Реклама
@crimeacs

Из описания канала

Отзывы

Оставить отзыв
Оценка

От 40 символов. Опубликуем после проверки.

Отзыв виден всем, владелец канала не может его удалить.

Отзывов пока нет. Ваш будет первым.

Реклама

Похожие

Ещё по теме