TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1072 · 7.02

Интересные результаты. Самый популярный вариант про частоту постинга, что, конечно, очень странно, потому что бОльшая часть аудитории должна помнить, как я в 2022 году проводил эксперимент и постил каждый день. Эффекта это не дало. В целом, практически все развёрнутые комментарии говорят о том, что органики в Телеграме нет. Я задумался, а где есть, и понял, что для текстов больше нигде. Причем, по-видимому, не только на русском языке, но и вообще в мире. Еще сегодня прочитал статью, где профессиональные редакторы рассказывали, что количество заказов на текстовые статьи быстро падает последние несколько лет. А формат в принципе жив только в брендовых медиа типа «Тинькофф Журнал». Выходит, что более-менее единственный вариант органического роста современного блога это видео. Но конкретно сейчас в России супер неудачный момент для запуска такого блога, потому что не ясно, что будет с площадками. #web

Hashtags

Резултати

Намерени 50 подобни публикации

Търсене: #dl

当前筛选 #dl清除筛选
Repositorio data science

@repo_science · Post #4131 · 18.05.2024 г., 21:06

​​#DL 📱 Zeus New Pytorch Ecosystem Tool Zeus is an open source toolkit for measuring and optimizing power consumption of deep learning workloads. 🖥Github ----- Main channel: @repo_science Coupons: @freecoupons_reposcience -----

Hashtags

Am Neumarkt 😱

@amneumarkt · Post #691 · 05.10.2025 г., 07:41

#dl Park, Chanwook, Sourav Saha, Jiachen Guo, Hantao Zhang, Xiaoyu Xie, Miguel A. Bessa, Dong Qian, et al. 2025. “Unifying Machine Learning and Interpolation Theory via Interpolating Neural Networks.” Nature Communications 16 (1): 1–12. https://www.nature.com/articles/s41467-025-63790-8

Hashtags

Am Neumarkt 😱

@amneumarkt · Post #506 · 13.11.2023 г., 08:30

#dl Google & USC benchmarked a prompt based forecasting method, and the results are amazing. Cao D, Jia F, Arik SO, Pfister T, Zheng Y, Ye W, et al. TEMPO: Prompt-based Generative Pre-trained Transformer for time series forecasting. arXiv [cs.LG]. 2023. Available: http://arxiv.org/abs/2310.04948

Hashtags

ПредишнаСтр. 1 от 5Следваща