ch
Feedback
Machine learning books and papers

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 24 522 名订阅者,在 教育 类别中位列第 8 070,并在 伊朗 地区排名第 13 771

📊 受众指标与增长动态

невідомо 创建以来,项目保持高速增长,吸引了 24 522 名订阅者。

根据 22 六月, 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 -150,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 7.45%。内容发布后 24 小时内通常能获得 1.90% 的反应,占订阅者总量。
  • 帖子覆盖: 每篇帖子平均可获得 1 829 次浏览,首日通常累积 465 次浏览。
  • 互动与反馈: 受众积极参与,单帖平均反应数为 3
  • 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 23 六月, 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。

24 522
订阅者
-524 小时
-417
-15030
帖子存档
🌟 PyTorch Cheatsheet Cheatsheet @Machine_learn
🌟 PyTorch Cheatsheet Cheatsheet @Machine_learn

تنها دو نفر براي اين مقاله باقي مونده....! @Raminmousa

Datasets Guide 📚 Guide @Machine_learn
Datasets Guide 📚 Guide @Machine_learn

Repost from Papers
با عرض سلام از اين مقاله نفرات ٤ و ٥ باقي مونده دوستاني كه مايل به همكاري هستن لطفا با بنده در ارتباط باشن. یکی از ابزارهای خوبی که بنده تونستم توسعه بدم ابزار Stock Ai می باشد. در این ابزار از ۳۶۰ اندیکاتور استفاده کردم. گزارشات back test این ابزار در ویدیو های زیر موجود می باشد. May 2024 : https://youtu.be/aSS99lynMFQ?si=QSk8VVKhLqO_2Qi3 July 2014: https://youtu.be/ThyZ0mZwsGk?si=FKPK7Hkz-mRx-752&t=209 @Raminmousa

Theory—Theoretical & Mathematical Foundations 📓 Book @Machine_learn
Theory—Theoretical & Mathematical Foundations 📓 Book @Machine_learn

SAE Match 📚 Paper @Machine_learn
SAE Match 📚 Paper @Machine_learn

Mathematics for Machine Learning 📚 Book @Machine_learn
Mathematics for Machine Learning 📚 Book @Machine_learn

الان وقتشه شروع کنی... 🚩 بوتکمپ تخصصی هوش‌مصنوعی 🔘 دوره‌ فشرده‌ آماده‌سازی برای ورود به بازارکار ✨ آموزش تخصصی، کاربردی و ت
الان وقتشه شروع کنی... 🚩 بوتکمپ تخصصی هوش‌مصنوعی 🔘 دوره‌ فشرده‌ آماده‌سازی برای ورود به بازارکار ✨ آموزش تخصصی، کاربردی و تجربه نزدیک به صنعت! ✔️ اساتید مجرب و فعال در حوزه هوش‌مصنوعی ✔️ کار گروهی و شبکه‌سازی‎ ✔️ تمرین و پروژه هدفمند ✔️ منتورینگ اختصاصی ❗️ظرفیت محدود ❗️ فرصت ثبت‌نام فقط تا ۱ اردیبهشت ماه 💳 پرداخت قسطی 🌐 فرم ثبت‌نام: 🔗 https://quera.org/r/7k47n 〰️〰️〰️〰️〰️ #Quera #QBC9

https://arxiv.org/pdf/2504.10452 Integrating Vision and Location with Transformers: A Multimodal Deep Learning Framework for
https://arxiv.org/pdf/2504.10452 Integrating Vision and Location with Transformers: A Multimodal Deep Learning Framework for Medical Wound Analysis New Paper Ramin Mousa Hadis Taherinia Khabiba Abdiyeva Amir Ali Bengari Mohammadmahdi Vahediahmar @Machine_learn

با عرض سلام در ادامه ی کار تحقیقاتی یک مقاله مروری در حوزه پاتولوژی رو شروع کردیم. دوستانی که مایل هستن نفر۲ این موضوع رو می تونن شرکت کنن. Journal: scientific reports https://www.nature.com/srep/ Price: 2: ٢٥ میلیون توضیحات کامل و نحوه نگارش هر بخش رو خودم کمک میکنم. @Raminmousa @Machine_learn @Paper4money

Repost from Github LLMs
SeedLM: Compressing LLM Weights into Seeds of Pseudo-Random Generators 📚 Read @LLM_learning
SeedLM: Compressing LLM Weights into Seeds of Pseudo-Random Generators 📚 Read @LLM_learning

Artificial Intelligence Index Report 2025 📚 Report @Machine_learn
Artificial Intelligence Index Report 2025 📚 Report @Machine_learn

Large Language Model Agent: A Survey on Methodology, Applications and Challenges Paper: https://arxiv.org/pdf/2503.21460v1.pd
Large Language Model Agent: A Survey on Methodology, Applications and Challenges Paper: https://arxiv.org/pdf/2503.21460v1.pdf Code: https://github.com/luo-junyu/awesome-agent-papers @Machine_learn

Compute Forecast 📚 Read @Machine_learn
Compute Forecast 📚 Read @Machine_learn

شنبه شروع اين پروژه مي باشد. دوستاني كه مايل هستند نفر دوم از اين مقاله باقي موند است. @Raminmousa

eswa127077.pdf1.87 MB

eswa127077.pdf1.87 MB

شنبه شروع اين پروژه مي باشد. دوستاني كه مايل هستند نفر دوم از اين مقاله باقي موند است. @Raminmousa

📃 Advances and Mechanisms of RNA–Ligand Interaction Predictions 📎 Study the paper @Machine_learn
📃 Advances and Mechanisms of RNA–Ligand Interaction Predictions 📎 Study the paper @Machine_learn