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
با عرض سلام دوستانی که نیاز دارن به این مقاله فقط دو روز زمان باقی مانده و اخرین ریوایزد مقاله می باشد..!
@Raminmousa
Repost from Github LLMs
Crawl 4 AI
Crawl4AI: Open-source LLM Friendly Web Crawler & Scrapper
Creator: UncleCode
Stars ⭐️: 8.6k
Forked By: 627
https://github.com/unclecode/crawl4ai
✅https://t.me/deep_learning_proj
Deep Learning and Computational Physics - Lecture Notes, University of South California
📓 book
@Machine_learn
Repost from Papers
با عرض سلام
مقاله بنده در رابطه با استخراج عوامل استرس زا در توييتر Major revision خورده .
Title:...Extracting psychiatric stressors for suicide from twitter
journal:Natural Language Processing Journal
دوستاني كه نياز دارين مي تونن براي نفر ٤ اقدام كنند. تنها يك نفر ميتونيم اضافه كنيم.
@Raminmousa
@Paper4money
@Machine_learn
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 . جهت تهیه می تونین به ایدی بنده مراجعه کنین
@Raminmousa
⚡️ Apple Depth Pro
# setting up a venv:
conda create -n depth-pro -y python=3.9
conda activate depth-pro
pip install -e .
# Download pretrained checkpoints:
source get_pretrained_models.sh
# Run the inference from CLI on a single image:
depth-pro-run -i ./data/example.jpg
# Running from python
from PIL import Image
import depth_pro
model, transform = depth_pro.create_model_and_transforms()
model.eval()
image, _, f_px = depth_pro.load_rgb(image_path)
image = transform(image)
prediction = model.infer(image, f_px=f_px)
depth = prediction["depth"] # Depth in [m].
focallength_px = prediction["focallength_px"] # Focal length in pixels.
🟡Demo
🟡Arxiv
🖥GitHub
@Machine_learnRepost from Papers
⏳با عرض سلام در راستای کار بر روی LLM ها سعی داریم یک مقاله ی مروری comparative با عنوان
✅Title: A comparative survey on Biological and knowledge graph
رو شروع کنیم. نفرات اول و دوم بنده و دکتر سرابادانی هستن. حدودا تا ۶ نفر هم می تونیم شرکت کنیم. دوستانی که تمایل به شرکت در این مقاله هستن با بنده در ارتباط باشن تا جزئیات مشارکت رو خدمتشون بفرستم.
(هزینه سرورها برای هر جایگاه متفاوت هستش)
⏳ Start time: 24/30/9
⏳Submit time:24/30/11
💠#Benchmarks=18
🔻#Articles:250
🔸#pretrained models:25
@Raminmousa
@Paper4money
@Machine_learn
Neural Networks, Machine Learning, and Image Processing
📚 book
@Machine_learn
An Infinite Descent into Pure Mathematics
📚 Book
@Machine_learn
Repost from Papers
سلام دوستاني كه مقاله براي ارسال به ژورنال دارن مي تونن بنده رو به عنوان داور در سه ژورنال زير معرفي كنند
1-Knowledge-Based system(https://www.sciencedirect.com/journal/knowledge-based-systems)
2-Machine learning with application(https://www.sciencedirect.com/journal/machine-learning-with-applications)
3-Ai(https://www.sciencedirect.com/journal/artificial-intelligence)
Name:Ramin Mousa
Email: Raminmousa@znu.ac.ir
همچنين دوستاني كه مقاله براي ارسال دارن مي تونن قبل ارسال جهت بررسي به بنده ارسال كنن تا يك پيش داوري انجام بدم.
@Raminmousa
@Paper4money
@Machine_learn
Large Brain Model for Learning Generic Representations with Tremendous EEG Data in BCI
🖥 Github: https://github.com/935963004/labram
📕Paper: https://arxiv.org/abs/2405.18765v1
@Machine_learn
Repost from Papers
با عرض سلام ٨٠٪ نگارش مقاله زير انجام شده است
title: A survey of generative adversarial network on next generation networks:5G and 6G Networks
مقاله در ابتدا در اركايو ثبت ميشه و كامل شدش براي ژورنال مربوطه فرستاده ميشه.
دوستاني كه نياز دارن ميتونن در اين مقاله شركت كنند. اين مقاله فقط با سه نفر سابميت ميشه كه نفر اول خودم هستم و جايگاه دو و سوم خالي داره.
هزینه نفر دوم ۱۰ تومن و سوم ۵ تومن هستش
@Raminmousa
@Paper4money
@Machine_learn
WiLoR: End-to-end 3D Hand Localization and Reconstruction in-the-wild
Paper: https://arxiv.org/pdf/2409.12259v1.pdf
Code: https://github.com/rolpotamias/WiLoR
Datasets: FreiHAND - HO-3D v2 - COCO-WholeBody
✅@Machine_learn
How to Train Long-Context Language Models (Effectively)
🖥 Github: https://github.com/hijkzzz/pymarl2
📕 Paper: https://arxiv.org/abs/2410.02511v1
🤗 Dataset: https://paperswithcode.com/dataset/smac
@Machine_learn
