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 Aplicaciones815...

📈 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 142 757 suscriptores, ocupando la posición 815 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 142 757 suscriptores.

Según los últimos datos del 13 junio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -1 316, y en las últimas 24 horas de -26, conservando un alto alcance.

Estado de verificación: No verificado
Tasa de interacción (ER): El promedio de interacción de la audiencia es 6.13%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 1.79% de reacciones respecto al total de suscriptores.
Alcance de las publicaciones: Cada publicación recibe en promedio 8 753 visualizaciones. En el primer día suele acumular 2 559 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 14 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.

142 757

Suscriptores

-2624 horas

-1847 días

-1 31630 días

8 753

Visitas de la publicación

~ 2 55924 horas

~ 3 64348 horas

6.13%

Tasa de compromiso

~ 1

Mensajes por día

Ads index

beta

Archivo de publicaciones

142 737

Advancing the state of the art in computer vision with self-supervised Transformers and 10x more efficient training

142 737

CS224W: Machine Learning with Graphs - Stanford / Winter 2021 https://www.youtube.com/playlist?list=PLuv1FSpHurUemjLiP4L1x9k6Z9D8rNbYW Full Stack Deep Learning - Spring 2021 - UC Berkeley https://www.youtube.com/playlist?list=PLuv1FSpHurUc2nlabZjCLLe8EQa9fOoa9 Introduction to Deep Learning (I2DL) - Technical University of Munich https://www.youtube.com/playlist?list=PLuv1FSpHurUdmk7v06MDyIx0SDxTrIoqk 3D Computer Vision - National University of Singapore - 2021 https://www.youtube.com/playlist?list=PLuv1FSpHurUflLnJF6hgi0FkeNG1zSFCZ CV3DST - Computer Vision 3: Detection, Segmentation and Tracking https://www.youtube.com/playlist?list=PLuv1FSpHurUd08wNo1FMd3eCUZXm8qexe ADL4CV - Advanced Deep Learning for Computer Vision https://www.youtube.com/playlist?list=PLuv1FSpHurUcQi2CwFIVQelSFCzxphJqz

142 737

2021- Courses List of Machine Learning, Deep Learning, and Computer Vision from a top school

142 737

Paper: https://arxiv.org/pdf/1811.08264.pdf Github: https://github.com/DirtyHarryLYL/Transferable-Interactiveness-Network Learning list: https://github.com/DirtyHarryLYL/HOI-Learning-List

142 737

Transferable Interactiveness Knowledge forHuman-Object Interaction Detection

142 737

Paper: https://arxiv.org/pdf/2104.01604v1.pdf Github: https://github.com/speechbrain/speechbrain/tree/develop/recipes/timers-and-such Dataset: https://zenodo.org/record/4623772#.YHFLkxKRWJk

142 737

Timers and Such: A Practical Benchmark for Spoken Language Understanding with Numbers End-to-end pipeline for Spoken Language Understanding (SLU)

142 737

Github: https://github.com/ai-coodinator/yolact_edge YolactEdge, competitive instance segmentation approach that runs on small edge devices at real-time speeds. Specifically, YolactEdge runs at up to 30.8 FPS on a Jetson AGX Xavier (and 172.7 FPS on an RTX 2080 Ti) with a ResNet-101 backbone on 550x550 resolution images.

142 737

YolactEdge Real time Instance Segmentation on the Edge https://www.youtube.com/watch?v=pMDwXkIerw8

142 737

Paper: https://arxiv.org/pdf/2103.07941v1.pdf Github: https://github.com/hkchengrex/MiVOS Project page: https://hkchengrex.github.io/MiVOS/

142 737

CVPR 2021 paper Modular Interactive Video Object Segmentation: Interaction-to-Mask, Propagation and Difference-Aware Fusion (MiVOS)

142 737

Blog: https://ai.facebook.com/blog/-detectron2-a-pytorch-based-modular-object-detection-library-/ Github: https://github.com/facebookresearch/detectron2 Documentation: https://detectron2.readthedocs.io/en/latest/tutorials/getting_started.html Colab tutorial: https://colab.research.google.com/drive/16jcaJoc6bCFAQ96jDe2HwtXj7BMD_-m5#scrollTo=QHnVupBBn9eR

142 737

Detectron2 is a ground-up rewrite of Detectron that started with maskrcnn-benchmark. The platform is now implemented in PyTorch.

142 737

Paper: https://arxiv.org/pdf/2102.09480.pdf Github: https://ycliu93.github.io/projects/unbiasedteacher.html Project page: https://ycliu93.github.io/projects/unbiasedteacher.html

142 737

"Unbiased Teacher for Semi-Supervised Object Detection" from Facebook researchers

142 737

Github: https://github.com/mobvoi/wenet Paper: https://arxiv.org/pdf/2102.01547v1.pdf Tutorial: https://github.com/mobvoi/wenet/blob/main/docs/tutorial.md

142 737

End-to-end speech recognition toolkit (based on Pytorch) What's make it different from other ASR toolkits: * Production first and production ready * Unified solution for streaming and non-streaming ASR * Portable runtime * Light weight

142 737

Github: https://github.com/tohinz/CharacterGAN Paper: https://arxiv.org/pdf/2102.03141.pdf You can use also interactive GUI to easily repose a given character based on keypoints.

142 737

Create Character Animation with small amount of data by using Generative Adversarial Network (GAN)

142 737

Github: https://github.com/DirtyHarryLYL/Transferable-Interactiveness-Network Paper: https://arxiv.org/pdf/2101.10292v1.pdf Human-Object Interaction Learning studies (bonus): https://github.com/DirtyHarryLYL/HOI-Learning-List