es
Feedback
Machine learning books and papers

Machine learning books and papers

Ir al canal en Telegram

📈 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 24 502 suscriptores, ocupando la posición 8 028 en la categoría Educación y el puesto 13 775 en la región Irán.

📊 Métricas de audiencia y dinámica

Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 24 502 suscriptores.

Según los últimos datos del 02 julio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -109, y en las últimas 24 horas de 5, conservando un alto alcance.

  • Estado de verificación: No verificado
  • Tasa de interacción (ER): El promedio de interacción de la audiencia es 6.29%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 2.04% de reacciones respecto al total de suscriptores.
  • Alcance de las publicaciones: Cada publicación recibe en promedio 1 541 visualizaciones. En el primer día suele acumular 500 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 03 julio, 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.

24 502
Suscriptores
+524 horas
-147 días
-10930 días
Archivo de publicaciones
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.
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://
@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

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/
@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
با عرض سلام به يك حامي مالي جهت ثبت اين مقاله نيازمنديم @Raminmousa