¡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 24 517 suscriptores, ocupando la posición 8 056 en la categoría Educación y el puesto 13 757 en la región Irán.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 24 517 suscriptores.
Según los últimos datos del 24 junio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -165, y en las últimas 24 horas de -3, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 6.78%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 1.90% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 1 663 visualizaciones. En el primer día suele acumular 465 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 25 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.
24 517
Suscriptores
-324 horas
-477 días
-16530 días
Archivo de publicaciones
در پروژه MedicalRec ما نياز به يه نفر جهت مشاركت داريم(جايگاه ٧)
Project Title: MedRec: Medical recommender system for image classification without retraining
Github: https://github.com/Ramin1Mousa/MedicalRec
Journal: IEEE Transactions on Pattern Analysis and Machine Intelligence
Impact factor: 20.8
🔸 7- 200$❌
جهت مشارکت می تونید به ایدی بنده پیام بدین.
🧠🧠🧠🧠🧠
@Raminmousa
Foundations of Geometry. DAVID HILBERT, PH. D.
📚 Book
@Machine_learn
⭐️ Fast Think-on-Graph: Wider, Deeper and Faster Reasoning of Large Language Model on Knowledge Graph
🖥 Github: https://github.com/dosonleung/fasttog
📕 Paper: https://arxiv.org/abs/2501.14300v1
@Machine_learn
در این پروژه امکان اموزش کامل کد نویسی مدل هم برای کسانی که مشارکت میکنن فراهم
Repost from Papers
با عرض سلام پروژه MedicalRec تنها نفر ٤ ام باقي مونده و امشب استارت کار میباشد.
🫥🫥🫥🫥
هدف اصلی این پروژه اموزش یک مدل پیشنهاد دهنده ی مدل برای مسائله طبقه بندی تصاویر پزشکی میباشد که از اموزش مجدد مدل ها جلوگیری میکند. این مسائله با جنبه جلوگیری از مصرف انرژی اموزشی و زمان اموزش مدل ها ارائه می شود. برای این منظور ۵۰۰۰ مقاله در این زمینه جمع اوری شده است. جزئیات بیشتر در لینک گیت قرار دارد.
Project Title: MedRec: Medical recommender system for image classification without retraining
Github: https://github.com/Ramin1Mousa/MedicalRec
Journal: IEEE Transactions on Pattern Analysis and Machine Intelligence
Impact factor: 20.8
🔹 2- 600$❌
🔺 3- 500$❌
💠 4- 400$✅
🔺 5- 300$▫️
🔹 6- 200$❌
🔸 7- 200$❌
جهت مشارکت می تونید به ایدی بنده پیام بدین.
🧠🧠🧠🧠🧠
@Raminmousa
📄A Survey of Genetic Programming Applications in Modern Biological Research
📎 Study the paper
@Machine_learn
Free access to our secret channels ✅
📚 Free Data Science Books
👨💻 Programming Handwritten Notes
🎁 Python Free Courses
🤖 Learn AI with ChatGPT
🏆 Data Science Projects
👩🎓 Coding Projects
💝 Free Coding Certified Courses
💪 Quiz and Job Opportunities
And Many More......
✅ Join now : https://t.me/machinelearning_deeplearning
✅ Data Science & AI Jobs
Join fast before I delete the link ❤️
📄 Deep Generative Models for Therapeutic Peptide Discovery: A Comprehensive Review
📎 Study the paper
@Machine_learn
Click-Calib: A Robust Extrinsic Calibration Method for Surround-View Systems
Surround-View System (SVS) is an essential component in Advanced Driver Assistance System (ADAS) and requires precise calibrations.
Paper: https://arxiv.org/pdf/2501.01557v2.pdf
Code: https://github.com/lwangvaleo/click_calib
Dataset: WoodScape
@Machine_learn
This channels is for Programmers, Coders, Software Engineers.
0️⃣ Python
1️⃣ Data Science
2️⃣ Machine Learning
3️⃣ Data Visualization
4️⃣ Artificial Intelligence
5️⃣ Data Analysis
6️⃣ Statistics
7️⃣ Deep Learning
8️⃣ programming Languages
✅ https://t.me/addlist/8_rRW2scgfRhOTc0
✅ https://t.me/codeprogrammer
Lots of math for CS & ML. Looks pretty interesting.
📚 Book
@Machine_learn
با عرض سلام پروژه MedicalRec تنها نفر ٤ ام باقي مونده
هدف اصلی این پروژه اموزش یک مدل پیشنهاد دهنده ی مدل برای مسائله طبقه بندی تصاویر پزشکی میباشد که از اموزش مجدد مدل ها جلوگیری میکند. این مسائله با جنبه جلوگیری از مصرف انرژی اموزشی و زمان اموزش مدل ها ارائه می شود. برای این منظور ۵۰۰۰ مقاله در این زمینه جمع اوری شده است. جزئیات بیشتر در لینک گیت قرار دارد.
Project Title: MedRec: Medical recommender system for image classification without retraining
Github: https://github.com/Ramin1Mousa/MedicalRec
Journal: IEEE Transactions on Pattern Analysis and Machine Intelligence
Impact factor: 20.8
🔹 2- 600$❌
🔺 3- 500$❌
💠 4- 400$✅
🔺 5- 300$▫️
🔹 6- 200$❌
🔸 7- 200$❌
جهت مشارکت می تونید به ایدی بنده پیام بدین.
تنها نفرات ۴ و ۵ باقی مانده....!
@Raminmousa
Physics IQ Benchmark: Do generative video models learn physical principles from watching videos
Book
@Machine_learn
📃 Demystifying the black box: A survey on explainable artificial intelligence (XAI) in bioinformatics
📎 Study the paper
@Machine_learn
