¡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 24 506 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
Archivo de publicaciones
🔸لیستی از کانالهای فعال در حوزههای هوشمصنوعی، علم داده , پایتون و یادگیری ماشین
هوش مصنوعی:
1️⃣ @Ai_Tv
2⃣ @HomeAi
علم داده:
1️⃣ @DataAnalysis
تحلیل داده و تصمیمگیری دادهمحور:
1️⃣ @Mr_IE
یادگیری ماشین و یادگیری عمیق :
1️⃣ @Machine_learn
2⃣ @cvision
آموزش پایتون و برنامه نویسی :
1⃣ @pythonchallenge
2⃣ @raspberry_python
3⃣ @Koolac_Org
4⃣ @Programming4all_0to100
@Machine_learn
NeRF: Neural Radiance Fields
http://www.matthewtancik.com/nerf
Tensorflow implementation: https://github.com/bmild/nerf
Paper: https://arxiv.org/abs/2003.08934v1
@Machine_learn
The TensorFlow tutorials are written as Jupyter notebooks and run directly in Google Colab—a hosted notebook environment that requires no setup.
FROM BEGINNERS TO EXPERTS
* Source Codes
* Videos
* Libraries and extensions
https://www.tensorflow.org/tutorials
@Machine_learn
In a chord diagram (or radial network), entities are arranged radially as segments with their relationships visualised by arcs that connect them. The size of the segments illustrates the numerical proportions, whilst the size of the arc illustrates the significance of the relationships1.
Chord diagrams are useful when trying to convey relationships between different entities, and they can be beautiful and eye-catching.
https://github.com/shahinrostami/chord
#python
@Machine_learn
Local-Global Video-Text Interactions for Temporal Grounding
Github: https://github.com/JonghwanMun/LGI4temporalgrounding
Paper: https://arxiv.org/abs/2004.07514
@Machine_learn
Machine Learning and Data Science free online courses to do in quarantine
A. Beginner courses
1. Machine Learning
2. Machine Learning with Python
B. Intermediate courses
3. Neural Networks and Deep Learning
4. Convolutional Neural Networks
C. Advanced course
5. Advanced Machine Learning Specialization
@Machine_learn
Regularizing Meta-Learning via Gradient Dropout
Code: https://github.com/hytseng0509/DropGrad
Paper: https://arxiv.org/abs/2004.05859
@Machine_learn
PUBG Data Analysis
https://youtu.be/sah4m-9Il7o
@Machine_learn
Hidden Markov Model - Implemented from scratch
https://zerowithdot.com/hidden-markov-model/
@Machine_learn
Python Machine Learning
Published by:
John Wiley & Sons, Inc.
@Machine_learn
Free course Deep Unsupervised Learning
https://sites.google.com/view/berkeley-cs294-158-sp20/home
@Machine_learn
TVR: A Large-Scale Dataset for Video-Subtitle Moment Retrieval
Github: https://github.com/jayleicn/TVRetrieval
PyTorch implementation : https://github.com/jayleicn/TVCaption
Paper: https://arxiv.org/abs/2001.09099v1
Python Data Visualization
Cookbook Second Edition
@Machine_learn
@Machine_learn
Deep unfolding network for image super-resolution
Deep unfolding network inherits the flexibility of model-based methods to super-resolve blurry, noisy images for different scale factors via a single model, while maintaining the advantages of learning-based methods.
Github: https://github.com/cszn/USRNet
Paper: https://arxiv.org/pdf/2003.10428.pdf
⚠️⚠️ANNOUNCEMENT⚠️⚠️
Learn machine Learning,AI,Data Science & more
https://t.me/joinchat/AAAAAFJoS2BjRz1pa-hdwQ
Learn music instruments
https://t.me/joinchat/AAAAAFJoS2BjRz1pa-hdwQ
Learn Video Editing, photo Editing
https://t.me/joinchat/AAAAAFJoS2BjRz1pa-hdwQ
Learn Programming Language
https://t.me/joinchat/AAAAAFJoS2BjRz1pa-hdwQ
Learn Python
https://t.me/joinchat/AAAAAFJoS2BjRz1pa-hdwQ
Learn Ethical Hacking
https://t.me/joinchat/AAAAAFJoS2BjRz1pa-hdwQ
Learn More & Develop your Mind
https://t.me/joinchat/AAAAAFJoS2BjRz1pa-hdwQ
@Machine_learn
Advancing Self-Supervised and Semi-Supervised Learning with SimCLR
https://ai.googleblog.com/2020/04/advancing-self-supervised-and-semi.html
Code and Pretrained-Models: https://github.com/google-research/simclr
Papare: https://arxiv.org/abs/2002.05709
artificial_vision_language_processing_robotics@NetworkArtificial.pdf5.57 MB
🔸لیستی از کانالهای فعال در حوزههای هوشمصنوعی، علم داده , پایتون و یادگیری ماشین
هوش مصنوعی:
1️⃣ @Ai_Tv
2️⃣ @AI_PYTHON
3️⃣ @HomeAi
علم داده:
1️⃣ @DataAnalysis
تحلیل داده و تصمیمگیری دادهمحور:
1️⃣ @Mr_IE
یادگیری ماشین و یادگیری عمیق :
1️⃣ @Machine_learn
2⃣ @cvision
هوش تجاری و پایگاه داده:
1⃣ @BIMining
2⃣ @sql_server
آموزش پایتون و برنامه نویسی :
1⃣ @pythonchallenge
2⃣ @raspberry_python
3⃣ @Programming4all_0to100
Artificial Vision and Language Processing for Robotics
#vision
#languageprocessing
#python
@Machine_learn
