متاح الآن! بحث تيليغرام 2025 — أهم رؤى العام 
Machine learning books and papers
الذهاب إلى القناة على Telegram
Admin: @Raminmousa ID: @Machine_learn link: https://t.me/Machine_learn
إظهار المزيد📈 نظرة تحليلية على قناة تيليجرام Machine learning books and papers
تُعد قناة Machine learning books and papers (@machine_learn) في القطاع اللغوي الإنكليزية لاعباً نشطاً. يضم المجتمع حالياً 24 505 مشتركاً، محتلاً المرتبة 8 033 في فئة التعليم والمرتبة 13 749 في منطقة إيران.
📊 مؤشرات الجمهور والحراك
منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 24 505 مشتركاً.
بحسب آخر البيانات بتاريخ 03 يوليو, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -99، وفي آخر 24 ساعة بمقدار 2، مع بقاء الوصول العام مرتفعاً.
- حالة التحقق: غير موثّقة
- معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 6.54%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 2.24% من ردود الفعل نسبةً إلى إجمالي المشتركين.
- وصول المنشورات: يحصل كل منشور على متوسط 1 603 مشاهدة. وخلال اليوم الأول يجمع عادةً 549 مشاهدة.
- التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 1.
- الاهتمامات الموضوعية: يركز المحتوى على مواضيع رئيسية مثل disorder, psy, مقاله, framework, graph.
📝 الوصف وسياسة المحتوى
يصف المؤلف القناة بأنها مساحة للتعبير عن الآراء الذاتية:
“Admin: @Raminmousa
ID: @Machine_learn
link: https://t.me/Machine_learn”
بفضل وتيرة التحديث المرتفعة (أحدث البيانات بتاريخ 04 يوليو, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التعليم.
24 505
المشتركون
+224 ساعات
-107 أيام
-9930 أيام
أرشيف المشاركات
discriminative :
1:#Regression
2:#Logistic regression
3:#decision tree(Hunt)
4:#neural network(traditional network, deep network)
5:#Support Vector Machine(SVM)
Generative:
1:#Hidden Markov model
2:#Naive bayes
3:#K-nearest neighbor(KNN)
4:#Generative adversarial networks(GANs)
Deep learning:
1:CNN
R_CNN
Fast-RCNN
Mask-RCNN
2:RNN
3:LSTM
4:CapsuleNet
5:Siamese:
siamese cnn
siamese lstm
siamese bi-lstm
siamese CapsuleNet
6:time series data
SVR
DT(cart)
Random Forest linear
Bagging
Boosting
جهت درخواست و راهنمایی در رابطه با پیاده سازی مقالات و پایان نامه ها در رابطه با مباحث deep learning و machine learning با ایدی زیر در ارتباط باشید
@Raminmousa
@Machine_learn
Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift
How normalization applied to layers helps to reach faster convergence.
ArXiV: https://arxiv.org/abs/1502.03167
#NeuralNetwork #nn #normalization #DL
@Machine_learn
The largest publicly available language model: CTRL has 1.6B parameters and can be guided by control codes for style, content, and task-specific behavior.
code: https://github.com/salesforce/ctrl
article: https://einstein.ai/presentations/ctrl.pdf
C-write:ai_machinelearning_big_data
https://blog.einstein.ai/introducing-a-conditional-transformer-language-model-for-controllable-generation/
@Machine_learn
Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift
How normalization applied to layers helps to reach faster convergence.
ArXiV: https://arxiv.org/abs/1502.03167
#NeuralNetwork #nn #normalization #DL
Deep Learning with Python
The ultimate beginners guide to Learn Deep Learning with Python Step by Step
#book #DL #python
@Machine_learn
Deep Learning with Python
The ultimate beginners guide to Learn Deep Learning with Python Step by Step
#book #DL #python
@Machine_learn
@Machine_learn
DeepMind's OpenSpiel is a collection of environments and algorithms for research in general reinforcement learning and search/planning in games.
code: https://github.com/deepmind/open_spiel
article: https://arxiv.org/abs/1908.09453
@Machine_learn
🚀 Introducing TF-GAN: A lightweight GAN library for TensorFlow 2.0
Tensorflow blog: https://medium.com/tensorflow/introducing-tf-gan-a-lightweight-gan-library-for-tensorflow-2-0-36d767e1abae
Code: https://github.com/tensorflow/gan
Free course: https://developers.google.com/machine-learning/gan/
Paper: https://arxiv.org/abs/1805.08318
@Machine_learn
Memory-Efficient Adaptive Optimization
Source: https://arxiv.org/abs/1901.11150
Code: https://github.com/google-research/google-research/tree/master/sm3
@Machine_leaen
ai ,machine learning
#code #datasets #paper
• 1146 leaderboards
• 1223 tasks
• 1105 datasets
• 14779 papers with code
https://paperswithcode.com/sota
@Machine_learn
Rank-consistent Ordinal Regression for Neural Networks
Article: https://arxiv.org/abs/1901.07884
PyTorch: https://github.com/Raschka-research-group/coral-cnn
@Machine_learn
The HSIC Bottleneck: Deep Learning without Back-Propagation🥺
An alternative to conventional backpropagation, that has a number of distinct advantages.
Link: https://arxiv.org/abs/1908.01580
#backpropagation #DL
@Machine_learn
How to Implement Progressive Growing GAN Models in Keras
https://machinelearningmastery.com/how-to-implement-progressive-growing-gan-models-in-keras/
@Machine_learn
Interpreting Latent Space of GANs for Semantic Face Editing
https://shenyujun.github.io/InterFaceGAN/
code: https://github.com/ShenYujun/InterFaceGAN.git
