Machine learning books and papers

Ir al canal en Telegram

Admin: @Raminmousa ID: @Machine_learn link: https://t.me/Machine_learn

📈 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 24 506 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 24 506 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.

24 506

Suscriptores

+524 horas

-147 días

-10930 días

1 541

Visitas de la publicación

~ 50024 horas

~ 61348 horas

6.29%

Tasa de compromiso

Sin datos

Mensajes por día

Ads index

beta

Archivo de publicaciones

24 505

Introduction to Applied Linear Algebra – Vectors, Matrices, and Least Squares https://web.stanford.edu/~boyd/vmls/ @ai_machinelearning_big_data

24 505

This AI Learned To Animate Humanoids 🚶 https://www.youtube.com/watch?v=cTqVhcrilrE code: https://github.com/sebastianstarke/AI4Animation Check out Lambda here and sign up for their GPU Cloud : https://lambdalabs.com/papers

24 505

Stacked Capsule Autoencoders https://github.com/google-research/google-research/tree/master/stacked_capsule_autoencoders paper : https://arxiv.org/abs/1906.06818 http://akosiorek.github.io/ml/2019/06/23/stacked_capsule_autoencoders.html

24 505

Applied Deep Learning — Umberto Michelucci (en) 2018 @Machine_learn

24 505

HoloGAN (A new generative model) learns 3D representation from natural images Article: https://arxiv.org/pdf/1904.01326.pdf Code: https://github.com/thunguyenphuoc/HoloGAN Dataset: http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html

24 505

🔥OpenAI realesed the 1.5billion parameter GPT-2 model Post: https://openai.com/blog/gpt-2-1-5b-release/ GPT-2 output detection model: https://github.com/openai/gpt-2-output-dataset/tree/master/detector Research from partners on potential malicious uses: https://d4mucfpksywv.cloudfront.net/papers/GPT_2_Report.pdf #NLU #GPT2 #OpenAI #NLP

24 505

Hamiltonian Neural Networks https://eng.uber.com/research/hamiltonian-neural-networks/ paper: https://arxiv.org/pdf/1906.01563.pdf code: https://github.com/greydanus/hamiltonian-nn

24 505

discriminative : 1:#Regression 2:#Logistic regression 3:#decision tree(Hunt) 4:#neural network(traditional network, deep network) 5:#Support Vector Machine(SVM) Generative: 1:#Hidden Markov model 2:#Naive bayes 3:#K-nearest neighbor(KNN) 4:#Generative adversarial networks(GANs) Deep learning: 1:CNN R_CNN Fast-RCNN Mask-RCNN 2:RNN 3:LSTM 4:CapsuleNet 5:Siamese: siamese cnn siamese lstm siamese bi-lstm siamese CapsuleNet 6:time series data SVR DT(cart) Random Forest linear Bagging Boosting جهت درخواست و راهنمایی در رابطه با پیاده سازی مقالات و پایان نامه ها در رابطه با مباحث deep learning و machine learning با ایدی زیر در ارتباط باشید @Raminmousa

24 505

Deep feature flow for video recognition #Dl #Book @Machine_learn

24 505

Deep learning for biometrics #book #Dl @Machine_learn

24 505

2019 #Deep_Learning Based Recommender System A #Survey and New Perspectives @Machine_learn

24 505

Neural networks in NLP are vulnerable to adversarially crafted inputs. We show that they can be trained to become certifiably robust against input perturbations such as typos and synonym substitution in text classification: https://arxiv.org/abs/1909.01492

24 505

ICCV 2019 papers open access http://openaccess.thecvf.com/ICCV2019.py Workshops: http://openaccess.thecvf.com/ICCV2019_workshops/menu.py

24 505

CrypTen: A new research tool for secure machine learning with PyTorch https://ai.facebook.com/blog/crypten-a-new-research-tool-for-secure-machine-learning-with-pytorch code: https://github.com/facebookresearch/CrypTen

24 505

Open-Source Library for Real-Time Metric-Semantic Localization and Mapping video: https://www.youtube.com/watch?v=-5XxXRABXJs&feature=youtu.be code: https://github.com/MIT-SPARK/Kimera article: https://arxiv.org/abs/1910.02490

24 505

OpenCV By Example #DL #book #openCV @Machine_learn

24 505

Chollet deeplearning #DL #book #Python @Machine_learn

24 505

Master open Cv second edition #book #OpenCV @Machine_learn

24 505

Exploring Massively Multilingual, Massive Neural Machine Translation http://ai.googleblog.com/2019/10/exploring-massively-multilingual.html #DL #paper @Machine_learn article: https://arxiv.org/pdf/1907.05019.pdf

24 505

Unfolding the Structure of a Document using Deep Learning. #DL #paper @Machine_learn https://arxiv.org/abs/1910.03678