Machine learning books and papers

Ir al canal en Telegram

Admin: @Raminmousa ID: @Machine_learn link: https://t.me/Machine_learn

📈 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 24 533 suscriptores, ocupando la posición 8 070 en la categoría Educación y el puesto 13 771 en la región Irán.

📊 Métricas de audiencia y dinámica

Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 24 533 suscriptores.

Según los últimos datos del 22 junio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -150, 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 7.45%. 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 1 829 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 3.
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 23 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.

24 533

Suscriptores

-524 horas

-417 días

-15030 días

1 829

Visitas de la publicación

~ 46524 horas

~ 57948 horas

7.45%

Tasa de compromiso

Sin datos

Mensajes por día

Ads index

beta

Archivo de publicaciones

24 530

TCANet for motor imagery EEG classification 🖥 Github: https://github.com/tliby/unifork 📕 Paper: https://link.springer.com/article/10.1007/s11571-025-10275-5 🔗 Dataset: https://paperswithcode.com/task/brain-computer-interface @Machine_learn

24 530

Repost from Papers

سلام دوستانی که مقالات مرتبط با یادگیری ماشین و یادگیری عمیق دارند و می خوان افرادی در مقالاتشون مشارکت کنند با رعایت برخی شرایط می تونن در کانالهای ما مقالاتشون رو ثبت کنن. @Raminmousa @Machine_learn @paper4money

24 530

UniFork: Exploring Modality Alignment for Unified Multimodal Understanding and Generation 🖥 Github: https://github.com/tliby/unifork 📕 Paper: https://arxiv.org/abs/2506.17202v1 🔗 Dataset: https://paperswithcode.com/dataset/gqa @Machine_learn

24 530

AI4Research: A Survey of Artificial Intelligence for Scientific Research 📚 Paper @Machine_learn

24 530

Natural Language Processing with PyTorch.pdf13.49 MB

24 530

Vine Copulas as Differentiable Computational Graphs 🖥 Github: https://github.com/TY-Cheng/torchvinecopulib 📕 Paper: https://arxiv.org/abs/2506.13318v1 🔗 Tasks: https://paperswithcode.com/task/scheduling @Machine_learn

24 530

با عرض سلام از این مقاله فقط نفر سوم باقی مونده دوستانی که نیاز دارن به بنده مراجعه کنند. @Raminmousa

24 530

The Cybernetic Teammate: A Field Experiment on Generative AI Reshaping Teamwork and Expertise tldr: Person with AI ~ Person who talks and works with teammates. Source: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5188231 @Machine_learn

24 530

Helpful Agent Meets Deceptive Judge: Understanding Vulnerabilities in Agentic Workflows 📄 Book @Machine_learn

24 530

Repost from Papers

با عرض سلام حدودا ٦ ماه مقاله ي مروري تحت عنوان Survey on evaluation metrics for learnin system رو داريم مي نويسم و تقريبا گام هاي اخر براي سابميت. نفرات ١ و ٢ رو براي اضافه شدن در نظر گرفتيم. در مرحله ي اول هفته ديگه arxiv كار فرستاده ميشه. دوستاني كه مايل هستن به ايدي بنده پيام بدن. @Raminmousa

24 530

Performance Prediction for Large Systems via Text-to-Text Regression 📚 Paper @Machine_learn

24 530

🧠 Generative AI Project Template Project @Machine_learn

24 530

SWE-bench Goes Live 🖥 Github: https://github.com/microsoft/swe-bench-live 📕 Paper: https://arxiv.org/abs/2505.23419v1 🔗 Tasks: https://paperswithcode.com/dataset/humaneval For more data science resources: @Machine_learn

24 530

Article Title: Uncertainty Quantification for Language Models: A Suite of Black-Box, White-Box, LLM Judge, and Ensemble Scorers PDF Download Link: https://arxiv.org/pdf/2504.19254v2.pdf GitHub: • https://github.com/cvs-health/uqlm Datasets: • GSM8K • SVAMP • PopQA ================================== @Machine_learn

24 530

با عرض سلام مي خواهيم مقاله اي براي ACM transaction on Ai ارائه بديم موضوع اصلي حول Recurrent Neural Network Basic defiences مي باشد. نيازمند نفر 4ام هستيم كه بتونن در نگارش و كارها و هزينه كار كمكمون كند. هزينه نفرات براي اين كار كه ١٨ بنچ مارك داره از قرار زير: 1: 700$(❌) 2: 500$❌ 3: 400$❌ 4: 350$ ✅ دوستاني كه مايل هستن مي تونن به ايدي بنده پيام بدن. @Raminmousa

24 530

5 Things You Need to Know About Agentic AI 📚 Guide @Machine_learn

24 530

Google Cloud donates A2A to Linux Foundation 📚 Read @Machine_learn

24 530

Repost from Quera

از ریاضیات تا ماشین‌لرنینگ و دیپ‌لرنینگ... 🚩 بوتکمپ تخصصی هوش‌مصنوعی 🟢 دوره‌ فشرده‌ آماده‌سازی برای ورود به بازارکار ✨ آموزش تخصصی، کاربردی و تجربه نزدیک به صنعت! ✔️ اساتید مجرب و فعال در حوزه هوش‌مصنوعی ✔️ کار گروهی و شبکه‌سازی‎ ✔️ تمرین و پروژه هدفمند ✔️ منتورینگ اختصاصی ❗️ ظرفیت محدود 💳 پرداخت قسطی ➡️ فرم ثبت‌نام: 🔗 https://quera.org/r/qrlve

24 530

BioPars: A Pretrained Biomedical Large Language Model for Persian Biomedical Text Mining ‏https://arxiv.org/abs/2506.21567 یکی از کارهایی که دوستان زحمت کشیدن. این کار حدود ۵ ماه طول کشید . @Machine_learn