Computer Science and Programming

الذهاب إلى القناة على Telegram

Channel specialized for advanced topics of: * Artificial intelligence, * Machine Learning, * Deep Learning, * Computer Vision, * Data Science * Python Admin: @otchebuch Memes: @memes_programming Ads: @Source_Ads, https://telega.io/c/computer_science

إظهار المزيد

الشبكة:Computer Science and Programming إيطاليا87 التكنولوجيات والتطبيقات815...

📈 نظرة تحليلية على قناة تيليجرام Computer Science and Programming

تُعد قناة Computer Science and Programming (@computer_science_and_programming) في القطاع اللغوي الإنكليزية لاعباً نشطاً. يضم المجتمع حالياً 142 757 مشتركاً، محتلاً المرتبة 815 في فئة التكنولوجيات والتطبيقات والمرتبة 87 في منطقة إيطاليا.

📊 مؤشرات الجمهور والحراك

منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 142 757 مشتركاً.

بحسب آخر البيانات بتاريخ 13 يونيو, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -1 316، وفي آخر 24 ساعة بمقدار -26، مع بقاء الوصول العام مرتفعاً.

حالة التحقق: غير موثّقة
معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 6.13‎%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 1.79‎% من ردود الفعل نسبةً إلى إجمالي المشتركين.
وصول المنشورات: يحصل كل منشور على متوسط 8 753 مشاهدة. وخلال اليوم الأول يجمع عادةً 2 559 مشاهدة.
التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 17.
الاهتمامات الموضوعية: يركز المحتوى على مواضيع رئيسية مثل sellerflash, github, developer, pricing, waybienad.

📝 الوصف وسياسة المحتوى

يصف المؤلف القناة بأنها مساحة للتعبير عن الآراء الذاتية:
“Channel specialized for advanced topics of: * Artificial intelligence, * Machine Learning, * Deep Learning, * Computer Vision, * Data Science * Python Admin: @otchebuch Memes: @memes_programming Ads: @Source_Ads, https://telega.io/c/computer_sc...”

بفضل وتيرة التحديث المرتفعة (أحدث البيانات بتاريخ 14 يونيو, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.

142 757

المشتركون

-2624 ساعات

-1847 أيام

-1 31630 أيام

8 753

عرض المشاهدات

~ 2 55924 ساعات

~ 3 64348 ساعات

6.13%

معدل المشاركة

~ 1

المشاركات في اليوم

Ads index

beta

أرشيف المشاركات

142 747

OBJECT-AWARE CROPPING FOR SELF-SUPERVISED LEARNING Paper: https://arxiv.org/pdf/2112.00319v1.pdf Github: https://github.com/shlokk/object-cropping-ssl 👉👉@computer_science_and_programming

142 747

Object-aware cropping, a simple, fast and highly effective data augmentation alternative to random scene cropping for SELF-SUPERVISED LEARNING

142 747

Another state-of-the-art archtecture for Vision tasks: Github: https://github.com/sail-sg/poolformer Paper: https://arxiv.org/abs/2111.11418 Datasets: ImageNet, COCO, Ade20k Colab: https://colab.research.google.com/github/sail-sg/poolformer/blob/main/misc/poolformer_demo.ipynb 👉👉@computer_science_and_programming

142 747

PoolFormer: MetaFormer is Actually What You Need for Vision

142 747

ESPnet: end-to-end text-to-speech processing toolkit ESPnet2-TTS: Extending the Edge of TTS Research Github: https://github.com/espnet/espnet Docs: https://espnet.github.io/espnet/ Paper: https://arxiv.org/abs/2110.07840v1 Dataset: https://paperswithcode.com/dataset/vctk

142 747

One of the best reference book is definately "Deep Learning with Python" (1st edition) by François Chollet (creator of Keras) Deep Learning with Python (2nd edition) has been released with 500 pages of code examples, theory, context, practical tips... Book: https://www.manning.com/books/deep-learning-with-python-second-edition?a_aid=keras For online reading: https://livebook.manning.com/book/deep-learning-with-python-second-edition/chapter-1/ Jupyter notebooks on Github: https://github.com/fchollet/deep-learning-with-python-notebooks 👉👉@computer_science_and_programming

142 747

Under review as a conference paper at ICLR 2022 8-BIT OPTIMIZERS VIA BLOCK-WISE QUANTIZATION Paper: https://arxiv.org/abs/2110.02861 Github: https://github.com/facebookresearch/bitsandbytes Video: https://www.youtube.com/watch?v=IxrlHAJtqKE Documentation: https://bitsandbytes.readthedocs.io/en/latest/ 👉@computer_science_and_programming

142 747

8-bit optimizers – a replacement for regular optimizers. 🚀, 75% less memory, same with upwards trend, no hyperparam tuning needed Input symbol for numbers: #Lightweight, #LessMemory

142 747

PASS: Pictures without humAns for Self-Supervised Pretraining PASS is a large-scale image dataset that does not include any humans, human parts, or other personally identifiable information Github https://github.com/yukimasano/PASS Paper https://arxiv.org/abs/2109.13228v1 Dataset https://paperswithcode.com/dataset/pass Documentation https://www.robots.ox.ac.uk/~vgg/research/pass/

142 747

Code: https://github.com/gist-ailab/uoais#unseen-object-amodal-instance-segmentation-uoais Paper: https://arxiv.org/abs/2109.11103 Dataset: https://paperswithcode.com/dataset/ocid Project page: https://sites.google.com/view/uoais 👉@computer_science_and_programming

142 747

⚠ Message was hidden by channel owner

142 747

Unseen Object Amodal Instance Segmentation (UOAIS)

142 747

Paper (ICCV2021): https://arxiv.org/pdf/2109.04425v1.pdf Github: https://github.com/yumingj/Talk-to-Edit Dataset: https://drive.google.com/drive/folders/18nejI_hrwNzWyoF6SW8bL27EYnM4STAs 👉@computer_science_and_programming

142 747

Now we can generate the faces with just with talking

142 747

Paper: https://arxiv.org/pdf/2108.11250v1.pdf Github: https://github.com/hustvl/YOLOP

142 747

You Only 👀 Once for Panoptic 🚙 Perception

142 747

Paper: https://arxiv.org/pdf/2105.06993.pdf Github: https://github.com/erikalu/omnimatte Project Page: https://omnimatte.github.io/ Supplimentary material: https://omnimatte.github.io/supplementary/index.html Explained: https://www.youtube.com/watch?v=lCBSGOwV-_o 👉@computer_science_and_programming

142 747

Now removing, duplicating or enhancing objects in video is more realistic with the assist of AI "We need to talk about the car in the room." This paper: what car? 🙈

142 747

Paper: https://arxiv.org/pdf/2103.14030.pdf Github: https://github.com/SwinTransformer/Swin-Transformer-Object-Detection Demo: https://www.youtube.com/watch?v=FQVS_0Bja6o 👉@computer_science_and_programming

142 747

Swin transformer for : ✔️ Object detection ✔️ Image Classification ✔️ Semantic Segmentation ✔️ Video Recognition