es
Feedback
Machine learning books and papers

Machine learning books and papers

Ir al canal en Telegram

📈 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
🔸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 ‏❯ منابع یادگیری برنامه‌نویسی : 1️⃣ @pythony❯ آموزش پایتون: ‏ 1️⃣ @raspberry_python 2️⃣ @pythonchallenge

Enabling Creative Expression with Concept Activation Vectors http://ai.googleblog.com/2022/07/enabling-creative-expression-with.html @Machine_learn

با عرض سلام تنها جايگاه اول مقاله باقي مونده تا اخر امشب دوستاني كه نياز دارند اعلام وضعيت كنن @Raminmousa

deep-learning-with-python-meap-2nd-ed.pdf8.85 MB

Repost from N/a
آکادمی همراه اول برگزار می‌کند: 🛎 دوره آنلاین "مبانی هوش مصنوعی و یادگیری عمیق" ➕ فهم عمیق هوش مصنوعی و یادگیری ماشین و کارب
آکادمی همراه اول برگزار می‌کند: 🛎 دوره آنلاین "مبانی هوش مصنوعی و یادگیری عمیق" ➕ فهم عمیق هوش مصنوعی و یادگیری ماشین و کاربردهای آن ➕ حل مسئله با الگوریتم های یادگیری عمیق در فریم ورک های مبتنی بر پایتون ➕ اعطای تخفیف جهت ثبت نام در بوت کمپ تابستانی پایتون و هوش مصنوعی ♦️همراه با پروژه های فردی و گروهی 🎤 مدرس: مهندس علیرضا اخوان پور 🔸مدرس یادگیری عمیق در دانشگاه های برتر 🔹مدیر فنی مجموعه دانش بنیان شناسا ⏳شروع ثبت نام: از 12 تیرماه 1401 ⏱ مدت دوره:‌ 12 ساعت 🔗 مشاهده اطلاعات بیشتر و ثبت‌نام: 🌐 zaya.io/y2rhf ❓پاسخ به سوالات: 🆔 @academy_hamrah 📞 09191866820

يكي از مهم ترين چالش هاي طبقه بندي سند اين كه مدل ها به صورت ٢ بعدي به متن و طبقه بندي ان مي پردازند، در واقع مكان قرار گيري
يكي از مهم ترين چالش هاي طبقه بندي سند اين كه مدل ها به صورت ٢ بعدي به متن و طبقه بندي ان مي پردازند، در واقع مكان قرار گيري جمله در سند كاملا ناديده گرفته ميشه. در اين مقاله ساختار تنسور سه بعدي را پيشنهاد دادم كه جملات در سند، كلمات در جملات و بردار تعبيه شده ي ان ها را در نظر ميگيره. به زودي فايل كامل مقاله رو در كانال ميزارم و تقريبا فرايند ثبتش تموم شده. @Raminmousa

خیلی از دوستان در رابطه با هزینه ی مقاله سوال پرسیدن جایگاه اول : ۱۲۰۰ دلار جایگاه ۵ : ۱۵ میلیون

با عرض سلام جايگاه اول مقالمون رو براي فروش گذاشتيم. مقاله ي ارسالي فرداشب به ژورنال : IEEE Transactions on Affective Computing: https://ieeexplore.ieee.org/xpl/aboutJournal.jsp?punumber=5165369 فرستاده ميشه. جزئيات بيشتر پي وي @Raminmousa

photo content

LIMoE: Learning Multiple Modalities with One Sparse Mixture of Experts Model http://ai.googleblog.com/2022/06/limoe-learning-multiple-modalities-with.html @Machine_learn

The StatQuest Illustrated Guide To Machine Learning by stamphet phd ,josh The StatQuest Illustrated Guide To Machine Learning by stamphet phd ,josh #book _req @Raminmousa

Repost from N/a
🛎 دوره آنلاین "بازشناسی و سنتز گفتار با تمرکز بر توسعه چت بات صوتی" 🔸معرفی نفر برتر دوره جهت استخدام در شرکت های مرتبط 🔹 م
🛎 دوره آنلاین "بازشناسی و سنتز گفتار با تمرکز بر توسعه چت بات صوتی" 🔸معرفی نفر برتر دوره جهت استخدام در شرکت های مرتبط 🔹 معرفی سایر نفرات برتر به کارآموزی همراه اول ♦️پروژه محور: توسعه یک چت‌بات صوتی با داده‌های واقعی مرکز تماس مشتریان همراه اول 🎤 مدرس: دکتر حسین صامتی 🔸دانشیار گروه هوش مصنوعی دانشکده مهندسی کامپیوتر دانشگاه صنعتی شریف 📆 بازه زمانی برگزاری دوره: ۱۲ هفته از تاریخ ۴ تیر ماه لغایت ۳۱ شهریور ماه ۱۴۰۱ ⏱ مدت دوره:‌ ۳۶ ساعت 🎁 تخفیف ویژه + امکان قسط بندی شهریه برای دانشجویان 🎁 🔗 برای مشاهده اطلاعات بیشتر و ثبت‌نام اینجا کلیک کنید. ❓ پاسخگویی به سوالات: 🆔 @academy_hamrah

End-to-end Generative Pre-training for Multimodal Video Captioning http://ai.googleblog.com/2022/06/end-to-end-generative-pre-training-for.html @Machine_learn

photo content

🎆 Optimizing Relevance Maps of Vision Transformers Improves Robustness This code allows to finetune the explainability maps of Vision Transformers to enhance robustness. Github: https://github.com/hila-chefer/robustvit Colab: https://colab.research.google.com/github/hila-chefer/RobustViT/blob/master/RobustViT.ipynb Paper: https://arxiv.org/abs/2206.01161 Dataset: https://github.com/UnsupervisedSemanticSegmentation/ImageNet-S @Machine_learn

با عرض سلام موضوعات پيشنهادي تز برای دوستانی که نیاز دارن در ادامه اورده شده است. master thesis پيش بيني بار كوتاه مدت با استفاده از رويكردهاي يادگيري تركيبي طبقه بندي رضايت مشتريان بانكي و موسسات اعتباري با استفاده از رويكردهاي بازگشتي طبقه بندي اخبار جعل با استفاده از رويكرد تنسور سه بعدي و bert پيشبيني قيمت سهام با استفاده از اطلاعات تويتر و ماركت پيش بيني قيمت crypto با استفاده از اطلاعات hashrate phd thesis بهبود رویکردهای یادگیری عمیق بر روی اخبار جعل و شایعات بهبود رویکرد های یادگیری عمیق ترکیبی جهت دستیابی به پورتوفولی بهینه بهبود رویکردهای ترکیبی یادگیری عمیق برای طبقه بندی crypto با استفاده از اطلاعات hashrate ارائه رویکردهای مبتنی بر وزن دهی غیر تصادفی در یادگیری عمیق بهبود یادگیری انتقالی در سری زمانی ارائه مدل های انتقالی برای طبقه بندی های سری زمانی جهت مشاوره موضوعات می تونین با بنده در ارتباط باشین @Raminmousa

Chinese students ride bicycles to build their own drones. This bike is the latest artificial intelligence technology that allows it to learn "like a human". Able to identify and track. () (() () ( This operation requires 100 accounts per second! The speed and efficiency of artificial intelligence is so high that these calculations can be performed with high accuracy. And make the bike smart enough to act like a human and make decisions. + In short, I can tell you that you can say with this bike, go get two loaves of bread and come back.‌ It will do it for you. https://t.me/Machine_learn