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 24 504 suscriptores, ocupando la posición 8 029 en la categoría Educación y el puesto 13 743 en la región Irán.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 24 504 suscriptores.
Según los últimos datos del 07 julio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -104, y en las últimas 24 horas de -9, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 6.04%. 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 1 480 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 2.
- 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 08 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.
24 504
Suscriptores
-924 horas
-47 días
-10430 días
Archivo de publicaciones
Distance Learner: Incorporating Manifold Prior to Model Training
Github: https://github.com/microsoft/distance-learner
Paper: https://arxiv.org/abs/2207.06888v1
Project: https://fast-vid2vid.github.io/
@Machine_learn
🎯 Object-Compositional Neural Implicit Surfaces
Github: https://github.com/qianyiwu/objsdf
Paper: https://arxiv.org/abs/2207.09686v1
Project: https://qianyiwu.github.io/objectsdf/
Dataset: https://paperswithcode.com/dataset/scannet
@Machine_learn
🔸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
❯ علم داده :
1️⃣ @BigDataSchool
❯ منابع یادگیری برنامهنویسی :
1️⃣ @pythony
❯ آموزش پایتون:
1⃣ @AI_PYTHON
2⃣ @pythonchallenge
❯ تنسورفلو :
1️⃣ @cvision
با عرض سلام دو پکیچ یادگیری ماشین و یادگیری عمیق را برای دوستانی که می خواهند تا فرداشب با تخفیف ۵۰٪ مجدد قرار دادیم این تخفیف اخرین سری از تخفیف های این دو پکیچ می باشد
1: introduction to machine learning
2: Regression (linear and non-linear)
3: Tensorflow introduction
4: Tensorflow computaion graph
5: Tensorflow optimizer and loss function
6: Tensorflow linear and non linear regression
7: logistic regression
8: Tensorflow regression
___________
9: introduction to traditional machine learning
*10: knn and desicion tree
*11: desicion tree and Naive bayes
*12: desicion tree, knn, Naive bayes implementation
*13: k-means
*14: Guassion Mixture Model(GMM)
*15: implementation K-means and GMM
_________
16: introduction to Artificial Neural Network
17: Multi-level Neural Network
18: Introduction to Convolution Neural Network
19: Tensorflow Multi-level Neural Network
20:Tensorflow CNN
21:CNN image clasaification
22: Cnn text clasaification
23: Recurrent Neural Network(RNN)
جهت تهیه می تونین به ایدی بنده مراجعه کنین
@Raminmousa
Computer_Vision_and_Augmented_Reality_in_iOS_OpenCV_and_ARKit_Applications.pdf8.80 MB
🏎 Instance Shadow Detection with A Single-Stage Detector
Deep framework, and an evaluation metric to approach this new task.
Github: https://github.com/stevewongv/InstanceShadowDetection
Instance Shadow Detection: https://github.com/stevewongv/SSIS
Video: https://www.youtube.com/watch?v=p0b_2SsFypw
Colab: https://colab.research.google.com/drive/1y9UpS5uA1YuoMyvYVzcKL4ltA_FDu_x0?usp=sharing
Paper: https://arxiv.org/abs/2207.04614v1
Datasets: https://paperswithcode.com/dataset/soba
@Machine_learn
🔸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
❯ علم داده :
1⃣ @BigDataSchool
❯ منابع یادگیری برنامهنویسی :
1️⃣ @pythony
❯ آموزش پایتون:
1⃣ @AI_PYTHON
2⃣ @raspberry_python
3⃣ @pythonchallenge
This is definitely between new and experienced programmer :D
https://t.me/Machine_learn
This is definitely between new and old programmer :D
https://t.me/Machine_learn
🔸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
❯ علم داده :
1⃣ @DataAnalysis
2⃣ @BigDataSchool
❯ تنسورفلو :
1️⃣ @cvision
❯ آموزش پایتون:
1️⃣ @raspberry_python
2️⃣ @pythonchallenge
⚡️ K-CAI NEURAL API
KCAI NEURAL API Keras based neural network API that will allow you to prototype
Github: https://github.com/joaopauloschuler/k-neural-api
Colab: https://colab.research.google.com/github/joaopauloschuler/k-neural-api/blob/master/examples/jupyter/simple_image_classification_with_any_dataset.ipynb
Paper: https://www.researchgate.net/publication/360226228_Grouped_Pointwise_Convolutions_Reduce_Parameters_in_Convolutional_Neural_Networks
Dataset: https://paperswithcode.com/dataset/plantdoc
@Machine_learn
⚡️ K-CAI NEURAL API
KCAI NEURAL API Keras based neural network API that will allow you to prototype
Github: https://github.com/joaopauloschuler/k-neural-api
Colab: https://colab.research.google.com/github/joaopauloschuler/k-neural-api/blob/master/examples/jupyter/simple_image_classification_with_any_dataset.ipynb
Paper: https://www.researchgate.net/publication/360226228_Grouped_Pointwise_Convolutions_Reduce_Parameters_in_Convolutional_Neural_Networks
Dataset: https://paperswithcode.com/dataset/plantdoc
@Machine_learn
