¡Ya disponible! Investigación de Telegram 2025 — los principales insights del año 
Machine learning books and papers
Ir al canal en Telegram
Admin: @Raminmousa ID: @Machine_learn link: https://t.me/Machine_learn
Mostrar más📈 Análisis del canal de Telegram Machine learning books and papers
El canal Machine learning books and papers (@machine_learn) en el segmento lingüístico de Inglés es un actor destacado. Actualmente la comunidad reúne a 24 517 suscriptores, ocupando la posición 8 056 en la categoría Educación y el puesto 13 757 en la región Irán.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 24 517 suscriptores.
Según los últimos datos del 24 junio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -165, y en las últimas 24 horas de -3, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 6.78%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 1.90% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 1 663 visualizaciones. En el primer día suele acumular 465 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 1.
- Intereses temáticos: El contenido se centra en temas clave como disorder, psy, مقاله, framework, graph.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“Admin: @Raminmousa
ID: @Machine_learn
link: https://t.me/Machine_learn”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 25 junio, 2026), el canal mantiene la vigencia y un amplio alcance. La analítica demuestra que la audiencia interactúa activamente con el contenido, lo que lo convierte en un punto de referencia dentro de la categoría Educación.
24 517
Suscriptores
-324 horas
-477 días
-16530 días
Archivo de publicaciones
gpt-engineer
gpt-engineer is a project in which you specify what you want in plain English and it iterates to produce a working codebase or scaffolded app. It’s an excellent playground for anyone exploring code-generation agents. And the repo contains clear install/usage instructions and a low-friction dev loop.
Creator: AntonOsika
Stars ⭐️: 55,000
Forked by: 7,300
Github Repo:
https://github.com/AntonOsika/gpt-engineer
@Machine_learn
دوستانی که نیاز به این مقاله دارن جایگاه ۲، ۳، ۴ خالی می باشد...!
@Raminmousa
🔹 Title: OmniHuman-1.5: Instilling an Active Mind in Avatars via Cognitive Simulation
🔹 Publication Date: Published on Aug 26
🔹 Paper Links:
• arXiv Page: https://arxiv.org/abs/2508.19209
• PDF: https://arxiv.org/pdf/2508.19209
• Project Page: https://omnihuman-lab.github.io/v1_5/
@Machine_learn
میدونی برنامهنویسها چقدر حقوق میگیرن؟
امسال کوئرا دوباره یه نظرسنجی بزرگ طراحی کرده تا با کمک خودِ برنامهنویسها به این سؤالها جواب بدیم.
تو هم بهعنوان بخشی از این جامعه، با چند دقیقه وقت گذاشتن میتونی اثر بزرگی بذاری.
نتایج این نظرسنجی هم باهات به اشتراک گذاشته میشه.
🔗 https://quera.org/r/cyteg
Repost from Papers
با عرض سلام مي خواهيم مقاله اي زیر را ادامه بدیم.
Recurrent Neural Network Basic defiences
نيازمند ٤ نفر هستيم كه بتونن در نگارش و كارها و هزينه كار كمكمون كنند. هزينه نفرات براي اين كار كه ١٨ بنچ مارك باید اجرا بشه. از قرار زير:
1: 700$(❌)
2: 500$✅
3: 400$✅
4: 350$ ✅
دوستاني كه مايل هستن مي تونن به ايدي بنده پيام بدن.
همچنين كدهاي كار، توضيحات و ... در اختيار دوستان قرار ميگيره.
@Raminmousa
@Machine_learn
@Paper4money
🔹 Title: Understanding Tool-Integrated Reasoning
🔹 Publication Date: Published on Aug 26
🔹 Paper Links:
• arXiv Page: https://arxiv.org/abs/2508.19201
• PDF: https://arxiv.org/pdf/2508.19201
• Project Page: https://zhongwenxu.notion.site/Understanding-Tool-Integrated-Reasoning-2551c4e140e3805489fadcc802a1ea83
🔹 Datasets citing this paper:
No datasets found
🔹 Spaces citing this paper:
No spaces found
==================================
@Machine_learn
🔹 Title: Hermes 4 Technical Report
🔹 Publication Date: Published on Aug 25
🔹 Paper Links:
• arXiv Page: https://arxiv.org/abs/2508.18255
• PDF: https://arxiv.org/pdf/2508.18255
• Project Page: https://hermes4.nousresearch.com/
🔹 Datasets citing this paper:
No datasets found
🔹 Spaces citing this paper:
No spaces found
==================================
@Machine_learn
The LLM Evaluation Framework
🖥 Github: http://github.com/confident-ai/deepeval
📕 Colab: https://colab.research.google.com/drive/1PPxYEBa6eu__LquGoFFJZkhYgWVYE6kh?usp=sharing
🔗 Project: https://deepeval.com
@Machine_learn
InstructFLIP: Exploring Unified Vision-Language Model for Face Anti-spoofing
🖥 Github: https://github.com/kunkunlin1221/InstructFLIP
📕 Paper: https://arxiv.org/pdf/2507.12060v1.pdf
🔗 Dataset: https://paperswithcode.com/dataset/replay-attack
@Machine_learn
Title: A wavelet-LSTM model for Flood Risk Prediction using Gaussian Mixture Latent Features
Abstract: Flash floods and runoff pose serious risks to humans and their infrastructure, resulting in significant economic and human losses. Traditional conceptual models have
long been used to estimate runoff. These models require human operators and are prone to errors. Recent advances in artificial intelligence have introduced machine learning and deep learning models for more accurate predictions. In this study, the aim is to present a framework based on deep learning for flood prediction. In the proposed framework, latent features are first extracted by a Gaussian Mixture Model (GMM). These features and the data themselves are fed to a Wavelet time series transform for denoising.
نفرات ۲،۳،۴ این مقاله را جهت مشارکت نیاز داریم.
هزینه مشارکت به ترتیب
2: 15
3: 10
4: 8
میلیون می باشد.
دوستانی که نیاز به اپلایی برای استرالیا دارند می تونن مشارکت کنن.
@Raminmousa
@Machine_learn
@Paper4money
🔹 Title: MMTok: Multimodal Coverage Maximization for Efficient Inference of VLMs
🔹 Publication Date: Published on Aug 25
🔹 Paper Links:
• arXiv Page: https://arxiv.org/abs/2508.18264
• PDF: https://arxiv.org/pdf/2508.18264
• Project Page: https://project.ironieser.cc/mmtok
@Machine_learn
🔹 Title: Limitations of Normalization in Attention Mechanism
🔹 Publication Date: Published on Aug 25
🔹 Paper Links:
• arXiv Page: https://arxiv.org/abs/2508.17821
• PDF: https://arxiv.org/pdf/2508.17821
@Machine_learn
Repost from N/a
✅Increase citation
👌Journal: Springer, Q1, IF=4, fast processing (Top 10%)
🇺🇸👩🔬for Eb1, Eb2 (NIW), PHD, boosting CV
🆗Existing Key words: Deep Learning, Food Classification, Nutritional Estimation, Dietary Management
⛏️Related papers (method, domain) can be cited
❌Deadline: 8 October
❌Max total citations: 2 (priority based on time)
Price: 15usd: @Raminmousa
@papercite
Repost from Papers
با عرض سلام
پروژه جدیدمون که نیاز به نفرات ۱، ۴ و پنج هستیم.
ژورنال هدف AI اسپرینگر می باشد.
Price:
1: 400$
4: 200$
5: 150 $
@Raminmousa
Repost from Papers
با عرض سلام
پروژه جدیدمون که نیاز به نفرات ۱، ۴ و پنج هستیم.
ژورنال هدف AI اسپرینگر می باشد.
Price:
1: 400$
200$
5: 150 $
@Raminmousa
Repost from Papers
با عرض سلام
پروژه جدیدمون که نیاز به نفرات ۱، ۲ و پنج هستیم.
ژورنال هدف AI اسپرینگر می باشد.
Price:
1: 400$
2: 300$
5: 150 $
@Raminmousa
Python library that adds Generative AI capabilities to Pandas!
PandasAI analyzes complex data frames and plot visualizations just by using natural language.
GitHub: https://github.com/sinaptik-ai/pandas-ai
@Machine_learn
droidrun
DroidRun is a powerful framework for controlling Android and iOS devices through LLM agents. It allows you to automate device interactions using natural language commands.
Creator: droidrun
Stars ⭐️: 4,300
Forked by: 430
Github Repo:
https://github.com/droidrun/droidrun
@Machine_learn
Repost from N/a
✅Increase citation
👌Journal: Springer, Q1, IF=3.5, fast processing
🇺🇸👩🔬for Eb1, Eb2 (NIW), PHD, boosting CV
🆗Existing Key words: Sentiment Analysis, Machine Learning, Large Language Models, Chain-of-Thoughts (CoT) Reasoning, Distilled Models, NLP, Interpretability
⛏️Related papers (method, domain) can be cited
❌Deadline: 8 October
❌Max total citations: 2 (priority based on time)
Price: 20$: @Raminmousa
https://t.me/papercite
