¡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 24 504 suscriptores, ocupando la posición 8 031 en la categoría Educación y el puesto 13 740 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 29 junio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -131, y en las últimas 24 horas de -1, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 7.01%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 1.97% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 1 718 visualizaciones. En el primer día suele acumular 484 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 30 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.
24 504
Suscriptores
-124 horas
-277 días
-13130 días
Archivo de publicaciones
Can CNNs Be More Robust Than Transformers?
CNN architectures without any attention-like operations that is as robust as, or even more robust than, Transformers.
Github: https://github.com/ucsc-vlaa/robustcnn
Paper: https://arxiv.org/abs/2206.03452v1
Dataset: https://paperswithcode.com/dataset/imagenet-r
@Machine_learn
با عرض سلام یکی از مقاله های ما minor revisions خورده و کساییکه نیاز دارند می تونن به عنوان نفر ۴ و ۵ در مقاله شرکت کنن
جزئیات بیشتر :
@Raminmousa
🔦 Featurized Query R-CNN
Featurized object queries predicted by a query generation network in the well-established Faster R-CNN framework and develop a Featurized Query R-CN
Github: https://github.com/hustvl/featurized-queryrcnn
Paper: https://arxiv.org/abs/2206.06258v1
Dataset: https://paperswithcode.com/dataset/crowdhuman
@Machine_learn
Repost from علم و فناوری
آکادمی همراه اول برگزار میکند:
🛎 دوره بین المللی آنلاین "اینترنت اشیاء در شهر هوشمند"
🔹 معرفی نفرات برتر به شرکت های وابسته همراه اول جهت همکاری
🔸ارائه بیش از 50 مثال عملی
🔹آموزش کار با MIT APP
🔸همراه با پروژه های تخصصی
🎤 ارائه دهندگان:
دکتر مهدی قیصری (هیئت علمی دانشگاه هاربین اینستیتو و تکنولوژی چین)
دکتر آتا جهانگیر مشیدی (دانشیار دانشگاه جیانگشی چین)
دکتر محمد فرجود (مدیرعامل سازمان فاوا هلدینگ بانک تجارت)
📆 تاریخ شروع برگزاری دوره: 5 مرداد ماه ۱۴۰۱
⏳ مدت دوره: 34 ساعت آموزش شامل: 24 ساعت فیلم آموزشی ضبطشده + 6 ساعت پرسش و پاسخ آنلاین + 4 ساعت منتورینگ
🎁 30% هدیه ویژه ثبت نام زودهنگام با کد تخفیف: SMARTCITY (مهلت استفاده تا 31 تیر)➕ امکان قسط بندی هزینه دوره برای دانشجویان
🔗 مشاهده اطلاعات بیشتر و ثبتنام:
🌐 zaya.io/q1j91
❓پاسخ به سوالات: (پاسخگویی به تماس تا ساعت 17)
🆔 @AcademyHamrah1
📞 09902032003
Repost from N/a
آکادمی همراه اول برگزار میکند:
🛎 بوت کمپ آنلاین تابستانی پایتون و هوش مصنوعی
➕بدون نیاز به تجربه قبلی برنامه نویسی #پایتون و دانش #هوش_مصنوعی
➕ حل تمرین و پرسش و پاسخ زنده هفتگی با مهندسین مجرب شرکت های حاضر در بوتکمپ
➕تجربه یادگیری مستقیم از طریق کدنویسی برای پروژه های واقعی از قلب شرکت های مطرح فناوری و هوش مصنوعی کشور
➕معرفی نفرات برتر به شرکت های حاضر در بوتکمپ برای #کارآموزی و #استخدام
🎤 مدرسین دوره:
🔸 دکتر هشام فیلی
🔹دکتر یدالله یعقوب زاده
🔸دکتر حسین زینلی
🔹دکتر رشاد حسینی
🔸دکتر عماد الدین فاطمی زاده
🔹 مهندس جمال کزازی
🏢 همکاران دوره:
مرکز تحقیق و توسعه همراه اول
شرکت هوش پارت
شرکت سنسیفای
⏱ مدت دوره: بیش از 80 ساعت آموزش تئوری و کدنویسی
🔗 مشاهده اطلاعات بیشتر و ثبتنام:
🌐 zaya.io/4adog
🎖 امکان قسط بندی برای دانشجویان فراهم است
🎁 تخفیف 45 درصدی تا جمعه این هفته
❓پاسخ به سوالات: (پاسخگویی به تماس تا ساعت 17)
🆔 @AcademyHamrah1
📞 09902032003
با عرض سلام خیلی از دوستان سوالاتی می پرسند که داخل دو پکیچ یادگیری بهشون جواب دادم در صورت نیاز این دو پکیج رو تهیه کنین.
@Raminmousa
Not to Profit Community by Industry professionals for Ai job seekers
we are posting openings in the field of Artificial Intelligence, Python, Automation, Data Science.💡📊 🤖
We are connecting job seekers to hiring Companies!
To post job, email at ai.india.ml@gmail.com
To get Internships and jobs, Join
https://t.me/AiIndiaJobs
Rewriting Image Captions for Visual Question Answering Data Creation
http://ai.googleblog.com/2022/07/rewriting-image-captions-for-visual.html
@Machine_learn
Natural Language Processing with Python & nltk Cheat Sheet #Book @Machine_learn
PySpark & Spark SQL
Spark SQL is Apache Spark's #Book @Machine_learn
Contextual Rephrasing in Google Assistant
http://ai.googleblog.com/2022/05/contextual-rephrasing-in-google.html
@Machine_learn
👁🗨 CVNets: A library for training computer vision networks
Improved model, MobileViTv2, is state-of-the-art on several mobile vision tasks, including ImageNet object classification and MS-COCO object detection.
Github: https://github.com/apple/ml-cvnets
Examples: https://github.com/apple/ml-cvnets/blob/main/docs/source/en/models
Paper: https://arxiv.org/abs/2206.02680v1
Dataset: https://paperswithcode.com/dataset/coco
@Machine_learn
