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 24 504 مشتركاً، محتلاً المرتبة 8 031 في فئة التعليم والمرتبة 13 740 في منطقة إيران.
📊 مؤشرات الجمهور والحراك
منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 24 504 مشتركاً.
بحسب آخر البيانات بتاريخ 29 يونيو, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -131، وفي آخر 24 ساعة بمقدار -1، مع بقاء الوصول العام مرتفعاً.
- حالة التحقق: غير موثّقة
- معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 7.01%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 1.97% من ردود الفعل نسبةً إلى إجمالي المشتركين.
- وصول المنشورات: يحصل كل منشور على متوسط 1 718 مشاهدة. وخلال اليوم الأول يجمع عادةً 484 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 30 يونيو, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التعليم.
24 504
المشتركون
-124 ساعات
-277 أيام
-13130 أيام
أرشيف المشاركات
🔸لیستی از برترین کانالهای آموزشی در زمینه های هوشمصنوعی, پایتون و یادگیری ماشین
❯ هوش مصنوعی:
1️⃣ @Ai_Tv
2️⃣ @HomeAI
3️⃣ @eventai
❯ یادگیری ماشین و یادگیری عمیق :
1️⃣ @Machine_learn
2️⃣ @Programming4all_0to100
❯ منابع یادگیری برنامهنویسی :
1️⃣ @pythony
❯ آموزش پایتون:
1️⃣ @raspberry_python
2️⃣ @pythonchallenge
Enabling Creative Expression with Concept Activation Vectors
http://ai.googleblog.com/2022/07/enabling-creative-expression-with.html
@Machine_learn
با عرض سلام تنها جايگاه اول مقاله باقي مونده تا اخر امشب دوستاني كه نياز دارند اعلام وضعيت كنن
@Raminmousa
Identifying Disfluencies in Natural Speech
http://ai.googleblog.com/2022/06/identifying-disfluencies-in-natural.html
@Machine_learn
Repost from N/a
آکادمی همراه اول برگزار میکند:
🛎 دوره آنلاین "مبانی هوش مصنوعی و یادگیری عمیق"
➕ فهم عمیق هوش مصنوعی و یادگیری ماشین و کاربردهای آن
➕ حل مسئله با الگوریتم های یادگیری عمیق در فریم ورک های مبتنی بر پایتون
➕ اعطای تخفیف جهت ثبت نام در بوت کمپ تابستانی پایتون و هوش مصنوعی
♦️همراه با پروژه های فردی و گروهی
🎤 مدرس: مهندس علیرضا اخوان پور
🔸مدرس یادگیری عمیق در دانشگاه های برتر
🔹مدیر فنی مجموعه دانش بنیان شناسا
⏳شروع ثبت نام: از 12 تیرماه 1401
⏱ مدت دوره: 12 ساعت
🔗 مشاهده اطلاعات بیشتر و ثبتنام:
🌐 zaya.io/y2rhf
❓پاسخ به سوالات:
🆔 @academy_hamrah
📞 09191866820
يكي از مهم ترين چالش هاي طبقه بندي سند اين كه مدل ها به صورت ٢ بعدي به متن و طبقه بندي ان مي پردازند، در واقع مكان قرار گيري جمله در سند كاملا ناديده گرفته ميشه. در اين مقاله ساختار تنسور سه بعدي را پيشنهاد دادم كه جملات در سند، كلمات در جملات و بردار تعبيه شده ي ان ها را در نظر ميگيره.
به زودي فايل كامل مقاله رو در كانال ميزارم و تقريبا فرايند ثبتش تموم شده.
@Raminmousa
خیلی از دوستان در رابطه با هزینه ی مقاله سوال پرسیدن
جایگاه اول : ۱۲۰۰ دلار
جایگاه ۵ : ۱۵ میلیون
با عرض سلام
جايگاه اول مقالمون رو براي فروش گذاشتيم. مقاله ي ارسالي فرداشب به ژورنال :
IEEE Transactions on Affective Computing: https://ieeexplore.ieee.org/xpl/aboutJournal.jsp?punumber=5165369
فرستاده ميشه.
جزئيات بيشتر پي وي
@Raminmousa
LIMoE: Learning Multiple Modalities with One Sparse Mixture of Experts Model
http://ai.googleblog.com/2022/06/limoe-learning-multiple-modalities-with.html
@Machine_learn
The StatQuest Illustrated Guide To Machine Learning
by stamphet phd ,josh
The StatQuest Illustrated Guide To Machine Learning by stamphet phd ,josh
#book _req @Raminmousa
Repost from N/a
🛎 دوره آنلاین "بازشناسی و سنتز گفتار با تمرکز بر توسعه چت بات صوتی"
🔸معرفی نفر برتر دوره جهت استخدام در شرکت های مرتبط
🔹 معرفی سایر نفرات برتر به کارآموزی همراه اول
♦️پروژه محور: توسعه یک چتبات صوتی با دادههای واقعی مرکز تماس مشتریان همراه اول
🎤 مدرس: دکتر حسین صامتی
🔸دانشیار گروه هوش مصنوعی دانشکده مهندسی کامپیوتر دانشگاه صنعتی شریف
📆 بازه زمانی برگزاری دوره:
۱۲ هفته از تاریخ ۴ تیر ماه لغایت ۳۱ شهریور ماه ۱۴۰۱
⏱ مدت دوره: ۳۶ ساعت
🎁 تخفیف ویژه + امکان قسط بندی شهریه برای دانشجویان 🎁
🔗 برای مشاهده اطلاعات بیشتر و ثبتنام اینجا کلیک کنید.
❓ پاسخگویی به سوالات:
🆔 @academy_hamrah
End-to-end Generative Pre-training for Multimodal Video Captioning
http://ai.googleblog.com/2022/06/end-to-end-generative-pre-training-for.html
@Machine_learn
Quantum Advantage in Learning from Experiments
http://ai.googleblog.com/2022/06/quantum-advantage-in-learning-from.html
@Machine_learn
🎆 Optimizing Relevance Maps of Vision Transformers Improves Robustness
This code allows to finetune the explainability maps of Vision Transformers to enhance robustness.
Github: https://github.com/hila-chefer/robustvit
Colab: https://colab.research.google.com/github/hila-chefer/RobustViT/blob/master/RobustViT.ipynb
Paper: https://arxiv.org/abs/2206.01161
Dataset: https://github.com/UnsupervisedSemanticSegmentation/ImageNet-S
@Machine_learn
با عرض سلام موضوعات پيشنهادي تز
برای دوستانی که نیاز دارن در ادامه اورده شده است.
master thesis
پيش بيني بار كوتاه مدت با استفاده از رويكردهاي يادگيري تركيبي
طبقه بندي رضايت مشتريان بانكي و موسسات اعتباري با استفاده از رويكردهاي بازگشتي
طبقه بندي اخبار جعل با استفاده از رويكرد تنسور سه بعدي و bert
پيشبيني قيمت سهام با استفاده از اطلاعات تويتر و ماركت
پيش بيني قيمت crypto با استفاده از اطلاعات hashrate
phd thesis
بهبود رویکردهای یادگیری عمیق بر روی اخبار جعل و شایعات
بهبود رویکرد های یادگیری عمیق ترکیبی جهت دستیابی به پورتوفولی بهینه
بهبود رویکردهای ترکیبی یادگیری عمیق برای طبقه بندی crypto با استفاده از اطلاعات hashrate
ارائه رویکردهای مبتنی بر وزن دهی غیر تصادفی در یادگیری عمیق
بهبود یادگیری انتقالی در سری زمانی
ارائه مدل های انتقالی برای طبقه بندی های سری زمانی
جهت مشاوره موضوعات می تونین با بنده در ارتباط باشین
@Raminmousa
Chinese students ride bicycles to build their own drones.
This bike is the latest artificial intelligence technology that allows it to learn "like a human". Able to identify and track. () (() () (
This operation requires 100 accounts per second! The speed and efficiency of artificial intelligence is so high that these calculations can be performed with high accuracy. And make the bike smart enough to act like a human and make decisions.
+ In short, I can tell you that you can say with this bike, go get two loaves of bread and come back. It will do it for you.
https://t.me/Machine_learn
