Computer Science and Programming

Ir al canal en Telegram

Channel specialized for advanced topics of: * Artificial intelligence, * Machine Learning, * Deep Learning, * Computer Vision, * Data Science * Python Admin: @otchebuch Memes: @memes_programming Ads: @Source_Ads, https://telega.io/c/computer_science

Red:Computer Science and Programming Italia87 Tecnologías y Aplicaciones816...

📈 Análisis del canal de Telegram Computer Science and Programming

El canal Computer Science and Programming (@computer_science_and_programming) en el segmento lingüístico de Inglés es un actor destacado. Actualmente la comunidad reúne a 142 737 suscriptores, ocupando la posición 816 en la categoría Tecnologías y Aplicaciones y el puesto 87 en la región Italia.

📊 Métricas de audiencia y dinámica

Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 142 737 suscriptores.

Según los últimos datos del 14 junio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -1 292, y en las últimas 24 horas de -44, 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 1.82% de reacciones respecto al total de suscriptores.
Alcance de las publicaciones: Cada publicación recibe en promedio 8 976 visualizaciones. En el primer día suele acumular 2 595 visualizaciones.
Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 17.
Intereses temáticos: El contenido se centra en temas clave como sellerflash, github, developer, pricing, waybienad.

📝 Descripción y política de contenido

El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“Channel specialized for advanced topics of: * Artificial intelligence, * Machine Learning, * Deep Learning, * Computer Vision, * Data Science * Python Admin: @otchebuch Memes: @memes_programming Ads: @Source_Ads, https://telega.io/c/computer_sc...”

Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 15 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 Tecnologías y Aplicaciones.

142 737

Suscriptores

-4424 horas

-2007 días

-1 29230 días

8 976

Visitas de la publicación

~ 2 59524 horas

~ 3 64748 horas

6.29%

Tasa de compromiso

~ 1

Mensajes por día

Ads index

beta

Archivo de publicaciones

142 711

Paper: http://proceedings.mlr.press/v78/dosovitskiy17a/dosovitskiy17a.pdf Code: https://github.com/carla-simulator/carla

142 711

CARLA: An Open Urban Driving Simulator Open-source simulator for autonomous driving

142 711

https://github.com/dsgiitr/graph_nets?fbclid=IwAR39aQbvMVhVxNCbQOoxkxdkYgnfd3tMuqzvWBqz048i8iE8Sjavcqbh56M

142 711

PyTorch Implementation and Explanation of Graph Representation Learning papers involving DeepWalk, GCN, GraphSAGE, ChebNet & GAT.

142 711

Paper link, Blog and code are at their Github page: https://xbpeng.github.io/projects/DeepMimic/index.html?fbclid=IwAR3SaHAM-nii9UcpBJsWH-w7swuJudV9ouC7Ige8iuZDF0lbBy4ThchKhTo

142 711

DeepMimic: Example-Guided Deep Reinforcement Learning of Physics-Based Character Skills

142 711

Article: https://www.microsoft.com/en-us/research/blog/zero-deepspeed-new-system-optimizations-enable-training-models-with-over-100-billion-parameters/ Github: https://github.com/microsoft/DeepSpeed

142 711

ZeRO & DeepSpeed: New system optimizations enable training models with over 100 billion parameters

142 711

http://introtodeeplearning.com/

142 711

Course from MIT 6.S191 "Introduction to Deep Learning". Methods and applications in game play, medicine, language, art, computer vision, robotics and more

142 711

This video is synthetic and was created using deep learning

142 711

https://ai.facebook.com/blog/-introducing-pytorch3d-an-open-source-library-for-3d-deep-learning/

142 711

Introducing PyTorch3D: An open-source library for 3D deep learning. PyTorch3D: Faster, flexible 3D deep learning research

142 711

https://towardsdatascience.com/end-to-end-machine-learning-from-data-collection-to-deployment-ce74f51ca203 If you want to play with the app and see how it looks like: 💻Demo: https://www.reviews.ai2prod.com/ Code: https://github.com/MarwanDebbiche/post-tuto-deployment

142 711

End to End Machine Learning: From Data Collection to Deployment. - Collect and scrape data with Scrapy / Selenium - Train a deep character CNN for (English) sentiment analysis using PyTorch - Build an interactive web app with Dash to serve the model in real-time - Put everything in Docker Compose - Deploy to AWS on a custom domain name

142 711

More than 200 NLP datasets - this is gold (last update 21.01.202) https://quantumstat.com/dataset/dataset.html and also Google provided dataset search tool for publicly available datasets: https://datasetsearch.research.google.com/

142 711

Paper: https://arxiv.org/pdf/2001.05613.pdf Project page: http://www.ynl.t.u-tokyo.ac.jp/research/vmocap-syn/ Dataset will be available publicly soon

142 711

Synergetic Reconstruction from 2D Pose and 3D Motion for Wide-Space Multi-Person Video Motion Capture in the Wild

142 711

Paper pdf: https://arxiv.org/pdf/2001.05201.pdf Github: https://wywu.github.io/projects/EBT/EBT.html Youtube: https://youtu.be/tNPuAnvijQk

142 711

Everybody’s Talkin’: Let Me Talk as You Want This paper presents a method to edit a target portrait footage by taking a sequence of audio as input to synthesize a photo-realistic video.