en
Feedback
Machine learning books and papers

Machine learning books and papers

Open in Telegram

📈 Analytical overview of Telegram channel Machine learning books and papers

Channel Machine learning books and papers (@machine_learn) in the English language segment is an active participant. Currently, the community unites 24 504 subscribers, ranking 8 031 in the Education category and 13 740 in the Iran region.

📊 Audience metrics and dynamics

Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 24 504 subscribers.

According to the latest data from 29 June, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -131 over the last 30 days and by -1 over the last 24 hours, overall reach remains high.

  • Verification status: Not verified
  • Engagement rate (ER): The average audience engagement rate is 7.01%. Within the first 24 hours after publication, content typically collects 1.97% reactions from the total number of subscribers.
  • Post reach: On average, each post receives 1 718 views. Within the first day, a publication typically gains 484 views.
  • Reactions and interaction: The audience actively supports content: the average number of reactions per post is 1.
  • Thematic interests: Content is focused on key topics such as disorder, psy, مقاله, framework, graph.

📝 Description and content policy

The author describes the resource as a platform for expressing subjective opinions:
Admin: @Raminmousa ID: @Machine_learn link: https://t.me/Machine_learn

Thanks to the high frequency of updates (latest data received on 30 June, 2026), the channel maintains relevance and a high level of publication reach. Analytics show that the audience actively interacts with content, making it an important point of influence in the Education category.

24 504
Subscribers
-124 hours
-277 days
-13130 days
Posts Archive
🔸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

deep-learning-with-python-meap-2nd-ed.pdf8.85 MB

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 کارب
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
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 🔹 م
🛎 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

🎆 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