Machine learning books and papers
前往频道在 Telegram
📈 Telegram 频道 Machine learning books and papers 的分析概览
频道 Machine learning books and papers (@machine_learn) 英语 语言赛道中的 是活跃参与者。目前社区聚集了 24 502 名订阅者,在 教育 类别中位列第 8 028,并在 伊朗 地区排名第 13 775 位。
📊 受众指标与增长动态
自 невідомо 创建以来,项目保持高速增长,吸引了 24 502 名订阅者。
根据 02 七月, 2026 的最新数据,频道保持稳定运转。过去 30 天订阅人数变化为 -109,过去 24 小时变化为 5,整体触达仍然可观。
- 认证状态: 未认证
- 互动率 (ER): 平均受众互动率为 6.29%。内容发布后 24 小时内通常能获得 2.04% 的反应,占订阅者总量。
- 帖子覆盖: 每篇帖子平均可获得 1 541 次浏览,首日通常累积 500 次浏览。
- 互动与反馈: 受众积极参与,单帖平均反应数为 1。
- 主题关注点: 内容集中在 disorder, psy, مقاله, framework, graph 等核心主题上。
📝 描述与内容策略
作者将该频道定位为表达主观观点的平台:
“Admin: @Raminmousa
ID: @Machine_learn
link: https://t.me/Machine_learn”
凭借高频更新(最新数据采集于 03 七月, 2026),频道始终保持新鲜度与高覆盖。分析显示受众积极互动,使其成为 教育 类别中的关键影响点。
24 502
订阅者
+524 小时
-147 天
-10930 天
帖子存档
@Machine_learn
AR-Net: A simple autoregressive NN for #timeSeries
blog: https://ai.facebook.com/blog/ar-net-a-simple-autoregressive-neural-network-for-time-series/
paper: https://arxiv.org/abs/1911.03118
@Machine_learn
YOLOv5 is Here: State-of-the-Art Object Detection at 140 FPS
https://blog.roboflow.ai/yolov5-is-here/
Github: https://github.com/ultralytics/yolov5
GCP Quickstart: https://github.com/ultralytics/yolov5/wiki/GCP-Quickstart
Neural Networks and Deep Learning
A Textbook
#book #DL
@Machine_learn
A Smooth Representation of SO(3) for Deep Rotation Learning with Uncertainty
@Machine_learn
Website: https://papers.starslab.ca/bingham-rotation-learning/
Paper: https://arxiv.org/abs/2006.01031
Github: https://github.com/utiasSTARS/bingham-rotation-learn
First Contact with Deep Learning Practical Introduction with Keras
#book #keras #DL
@Machine_learn
@Machine_learn
Acme: A research framework for reinforcement learning
Github: https://github.com/deepmind/acme
Paper: https://arxiv.org/abs/2006.00979
🔸لیستی از برترین کانالهای آموزشی در زمینه های هوشمصنوعی، علم داده , پایتون و یادگیری ماشین
❯ هوش مصنوعی:
1️⃣ @Ai_Tv
❯ علم داده:
1️⃣ @DataAnalysis
2️⃣ @python4finance
❯ تحلیل داده و تصمیمگیری دادهمحور:
1️⃣ @Mr_IE
❯ یادگیری ماشین و یادگیری عمیق :
1️⃣ @Machine_learn
2️⃣ @cvision
❯ پایگاه داده :
1️⃣ @Sql_server
❯ آموزش پایتون و برنامه نویسی :
1️⃣ @pythony
2️⃣ @Programming4all_0to100
Praise for Deep Learning Illustrated
#book #DL
@Machine_learn
@Machine_learn
GPT-3: Language Models are Few-Shot Learners
Github: https://github.com/openai/gpt-3
Paper: https://arxiv.org/abs/2005.14165v1
CURL: Contrastive Unsupervised Representations for Reinforcement Learning
@Machine_learn
This paper introduces a new method that significantly improves the sample efficiency of RL algorithms when learning from raw pixel data.
Paper: https://arxiv.org/abs/2004.04136.pdf
Code: https://github.com/MishaLaskin/curl
#rl #agent #reinforcement #learning
با عرض سلام
جمع اوری داده های مربوط به #Covide_19 یکی از اساسی ترین گام ها برای یک تحقیق می باشد. ما مجموعه ای از ابزارها ومدل ها برای جمع اوری داده ها و پیش بینی ها را طراحی کرده ایم که می تواند در این زمینه به کمک محقیق بیایند. این ابزار ها ومدل ها از قرار زیر می باشند:
1) Twitter #Covid_19 :
این ابزار برای استخراج نامحدود داده های تویتر و ویژگی های هر تویت و هر شخص مورد استفاده قرار می گیرد. خوبی این ابزار این است که می تواند مختص چند شهر خاص نیز تنظیم شود.
2) Instagram #Covid_19
این ابزار برای جمع اوری داده ها از پست های خاص اينستاگرام طراحی شده است بدین گونه که تمامی کامنت های پست شده، تعداد لایک، تاریخ و صاحب نظران را استخراج می کند. این ابزار می تواند به صورت همزمان لیستی از پست ها را استخراج کند.
3) Weather #Covide_19
با توجه به اهمیت اب و هوا بر روی شیوع این اپیدمی ابزار فوق برای جمع اوری داده های اب و هوا مورد استفاده قرار می گیرد
4) Stock #Covide_19
بازار بورس یکی دیگر از حوزه هایی است که دست خوش تغییراتی براساس این اپیدمی بوده است. این ابزار امکان جمع اوریدادههای ۱۳ شاخص FX# را فراهم می آورد.
__
همچنین مجموعه ای از داده ها نیز برای این منظور جمع اوری شده است.
1) Who #Covide_19
داده های اصلی سازمان بهداشت جهانی شامل ۷ ویژگی
2) Sars history
داده های بیماری سارس برای جبران اطلاعات ناقص مدل ها با ۷ ویژگی
3)Countries of world
داده هاي مربوط به اطلاعات اجتماعي، سياسي، اقتصادي و جغرافيايي تمامي كشورهاي دنيا شامل ٢٩ ويژگي
4)Weather #Covide_19
داده هاي مربوط به اب و هواي هر شهر و هر كشور از شروع اين اپيدمي با ٦٠ ويژگي از جمله (دما، رطوبت، فشار، اوزون و....)
___
همچنین مجموعه ای از مدلها نیز برای پیش بینی طراحی شده اند از جمله
1) LSTM Seq2Seq model(multi-Regression)
2) GRU Seq2Seq model(multi-Regression)
3) Hi-Attention Seq2Seq model(multi-Regression)
4) SVR(single-Regression)
5) Lasso(single-Regression)
6) Random forest Regression(single-Regression)
7) Decision tree Regression(single-Regression)
دوستانی که نیاز به این ابزار ها دارن می توانند برای سفارش به بنده مراجعه کنند
@Raminmousa
@Machine_learn
Deep Learning System to Screen Coronavirus Disease 2019
Pneumonia #Paper
@Machine_learn
Modified SEIR and AI prediction of the epidemics trend of
COVID-19 in China under public health interventions
#paper
@Machine_learn
Detecting Emotions with CNN Fusion Models - dair.ai - Medium
https://medium.com/dair-ai/detecting-emotions-with-cnn-fusion-models-b066944969c8
TensorFlow 2.0 Pocket Primer
#Tensorflow #python
#Book
@Machine_learn
@Machine_learn
Short over view of Artificial Neural Networks with examples
Page:
https://www.infinitycodex.in/
سلام ظرفیت مقاله فوق یک نفر مانده اگر کسی تمایل داشت به بنده اطلاع بده
Little Ball of Fur
Little Ball of Fur consists of methods to do sampling of graph structured data
Documentation : https://little-ball-of-fur.readthedocs.io/en/latest/#little-ball-of-fur-documentation
github: https://github.com/benedekrozemberczki/littleballoffur
paper: https://arxiv.org/abs/2005.05257v1
@Machine_learn
با عرض سلام به يك حامي مالي جهت ثبت اين مقاله نيازمنديم
@Raminmousa
现已上线!2025 年 Telegram 研究 — 年度关键洞察 
