Machine learning books and papers
رفتن به کانال در Telegram
Admin: @Raminmousa1 ID: @Machine_learn link: https://t.me/Machine_learn
نمایش بیشتر📈 تحلیل کانال تلگرام Machine learning books and papers
کانال Machine learning books and papers (@machine_learn) در بخش زبانی انگلیسی بازیگری فعال است. در حال حاضر جامعه شامل 24 121 مشترک است و جایگاه 8 279 را در دسته آموزش و رتبه 14 626 را در منطقه إيران دارد.
📊 شاخص‌های مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 24 121 مشترک جذب کرده است.
بر اساس آخرین داده‌ها در تاریخ 26 اکتبر, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -170 و در ۲۴ ساعت گذشته برابر -3 بوده و همچنان دسترسی گسترده‌ای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 7.29% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 1.93% واکنش نسبت به کل مشترکان کسب می‌کند.
- دسترسی پست‌ها: هر پست به طور میانگین 1 758 بازدید دریافت می‌کند. در اولین روز معمولاً 466 بازدید جمع‌آوری می‌شود.
- واکنش‌ها و تعامل: مخاطبان به‌طور فعال حمایت می‌کنند؛ میانگین واکنش به هر پست 2 است.
- علایق موضوعی: محتوا بر موضوعات کلیدی مانند disorder, psy, مقاله, framework, graph تمرکز دارد.
📝 توضیح و سیاست محتوایی
نویسنده این فضا را محل بیان دیدگاه‌های شخصی توصیف می‌کند:
“Admin: @Raminmousa1
ID: @Machine_learn
link: https://t.me/Machine_learn”
به لطف به‌روزرسانی‌های پرتکرار (آخرین داده در تاریخ 27 اکتبر, 2026)، کانال همواره به‌روز و دارای دسترسی بالاست. تحلیل‌ها نشان می‌دهد مخاطبان به‌طور فعال با محتوا تعامل دارند و آن را به نقطه اثرگذاری مهم در دسته آموزش تبدیل کرده‌اند.
24 121
مشترکین
-324 ساعت
-517 روز
-17030 روز
در حال بارگذاری داده‌ها
کانال‌های مشابه
ابر برچسب‌ها
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
اکتبر '26اکتبر '26
اکتبر '26
+11
در 1 کانال‌ها
سپتامبر '26
+13
در 2 کانال‌ها
Get PRO
اوت '26
+76
در 1 کانال‌ها
Get PRO
ژوئیه '26
+83
در 2 کانال‌ها
Get PRO
ژوئن '26
+44
در 1 کانال‌ها
Get PRO
مه '26
+45
در 2 کانال‌ها
Get PRO
آوریل '26
+45
در 0 کانال‌ها
Get PRO
مارس '26
+2
در 0 کانال‌ها
Get PRO
فوریه '26
+14
در 1 کانال‌ها
Get PRO
ژانویه '26
+10
در 1 کانال‌ها
Get PRO
دسامبر '25
+251
در 2 کانال‌ها
Get PRO
نوامبر '25
+522
در 11 کانال‌ها
Get PRO
اکتبر '25
+1 065
در 2 کانال‌ها
Get PRO
سپتامبر '25
+794
در 2 کانال‌ها
Get PRO
اوت '25
+941
در 11 کانال‌ها
Get PRO
ژوئیه '25
+835
در 3 کانال‌ها
Get PRO
ژوئن '25
+734
در 3 کانال‌ها
Get PRO
مه '25
+956
در 2 کانال‌ها
Get PRO
آوریل '25
+1 898
در 4 کانال‌ها
Get PRO
مارس '25
+658
در 7 کانال‌ها
Get PRO
فوریه '25
+44
در 4 کانال‌ها
Get PRO
ژانویه '25
+92
در 8 کانال‌ها
Get PRO
دسامبر '24
+134
در 5 کانال‌ها
Get PRO
نوامبر '24
+394
در 13 کانال‌ها
Get PRO
اکتبر '24
+463
در 6 کانال‌ها
Get PRO
سپتامبر '24
+249
در 4 کانال‌ها
Get PRO
اوت '24
+387
در 3 کانال‌ها
Get PRO
ژوئیه '24
+220
در 1 کانال‌ها
Get PRO
ژوئن '24
+228
در 11 کانال‌ها
Get PRO
مه '24
+422
در 2 کانال‌ها
Get PRO
آوریل '24
+611
در 11 کانال‌ها
Get PRO
مارس '24
+731
در 4 کانال‌ها
Get PRO
فوریه '24
+1 021
در 1 کانال‌ها
Get PRO
ژانویه '24
+1 100
در 13 کانال‌ها
Get PRO
دسامبر '23
+628
در 0 کانال‌ها
Get PRO
نوامبر '23
+409
در 11 کانال‌ها
Get PRO
اکتبر '23
+296
در 9 کانال‌ها
Get PRO
سپتامبر '23
+365
در 0 کانال‌ها
Get PRO
اوت '23
+467
در 0 کانال‌ها
Get PRO
ژوئیه '23
+715
در 0 کانال‌ها
Get PRO
ژوئن '23
+268
در 0 کانال‌ها
Get PRO
مه '23
+107
در 0 کانال‌ها
Get PRO
آوریل '23
+107
در 0 کانال‌ها
Get PRO
مارس '23
+249
در 0 کانال‌ها
Get PRO
فوریه '23
+110
در 0 کانال‌ها
Get PRO
ژانویه '23
+163
در 0 کانال‌ها
Get PRO
دسامبر '22
+118
در 0 کانال‌ها
Get PRO
نوامبر '22
+165
در 0 کانال‌ها
Get PRO
اکتبر '22
+101
در 0 کانال‌ها
Get PRO
سپتامبر '22
+177
در 0 کانال‌ها
Get PRO
اوت '22
+220
در 0 کانال‌ها
Get PRO
ژوئیه '22
+229
در 0 کانال‌ها
Get PRO
ژوئن '22
+56
در 0 کانال‌ها
Get PRO
مه '22
+296
در 0 کانال‌ها
Get PRO
آوریل '22
+411
در 0 کانال‌ها
Get PRO
مارس '22
+47
در 0 کانال‌ها
Get PRO
فوریه '22
+34
در 0 کانال‌ها
Get PRO
ژانویه '22
+44
در 0 کانال‌ها
Get PRO
دسامبر '21
+59
در 0 کانال‌ها
Get PRO
نوامبر '21
+59
در 0 کانال‌ها
Get PRO
اکتبر '21
+109
در 0 کانال‌ها
Get PRO
سپتامبر '21
+454
در 0 کانال‌ها
Get PRO
اوت '21
+251
در 0 کانال‌ها
Get PRO
ژوئیه '21
+84
در 0 کانال‌ها
Get PRO
ژوئن '21
+183
در 0 کانال‌ها
Get PRO
مه '21
+126
در 0 کانال‌ها
Get PRO
آوریل '21
+116
در 0 کانال‌ها
Get PRO
مارس '21
+101
در 0 کانال‌ها
Get PRO
فوریه '21
+601
در 0 کانال‌ها
Get PRO
ژانویه '21
+167
در 0 کانال‌ها
Get PRO
دسامبر '20
+8 834
در 0 کانال‌ها
| تاریخ | رشد مشترکین | اشارات | کانال‌ها | |
| 27 اکتبر | 0 | |||
| 26 اکتبر | 0 | |||
| 25 اکتبر | 0 | |||
| 24 اکتبر | 0 | |||
| 23 اکتبر | 0 | |||
| 22 اکتبر | 0 | |||
| 21 اکتبر | 0 | |||
| 20 اکتبر | 0 | |||
| 19 اکتبر | 0 | |||
| 18 اکتبر | 0 | |||
| 17 اکتبر | 0 | |||
| 16 اکتبر | 0 | |||
| 15 اکتبر | 0 | |||
| 14 اکتبر | 0 | |||
| 13 اکتبر | +6 | |||
| 12 اکتبر | 0 | |||
| 11 اکتبر | +2 | |||
| 10 اکتبر | 0 | |||
| 09 اکتبر | +1 | |||
| 08 اکتبر | 0 | |||
| 07 اکتبر | +1 | |||
| 06 اکتبر | 0 | |||
| 05 اکتبر | 0 | |||
| 04 اکتبر | +1 | |||
| 03 اکتبر | 0 | |||
| 02 اکتبر | 0 | |||
| 01 اکتبر | 0 |
پست‌های کانال
سلام
فقط دو روز تا سابمیت نهایی این مقاله باقی مونده دوستانی که نیاز دارن بهم پیام بدن.
@Raminmousa1
| 2 |  🔥 OmniReasoning: Pushing the Limits of Audio-Visual Joint Reasoning
💡 Summary
🔗 Links:
GitHub: https://github.com/huggingface
arXiv: https://arxiv.org/abs/2609.39490
PDF: https://arxiv.org/pdf/2609.39490
Project Page: https://pku-value-lab.github.io/OmniReasoning-Homepage/
📊 Datasets citing this paper:
https://huggingface.co/datasets/mjuicem/OmniReasoning-131K
https://huggingface.co/datasets/mjuicem/OmniReasoningBench
@Machine_learn | 910 |
| 3 |  با عرض سلام این مقاله نفرات ۲ و ۳ رو میخواییم اسم بنویسم. هزینه به ترتیب ۳۰۰ و ۲۰۰ دلار. اگه کسی نیاز داشت به ایدیم پیام بده.
@Raminmousa1 | 445 |
| 4 | با عرض سلام این مقاله نفرات ۲ و ۳ رو میخواییم اسم بنویسم. هزینه به ترتیب ۳۰۰ و ۲۰۰ دلار. اگه کسی نیاز داشت به ایدیم پیام بده.
@Raminmousa1 | 1 723 |
| 5 | preprints202504.2464.v1.pdf | 1 892 |
| 6 |  🔥 Prism: Dynamic Sparse Attention for Native 2K Joint Video-Audio Generation Model Training
🔗 Links:
GitHub: https://github.com/huggingface
arXiv: https://arxiv.org/abs/2610.05416
PDF: https://arxiv.org/pdf/2610.05416
Project Page: https://francis-rings.github.io/Prism/
🤖 Models citing this paper:
https://huggingface.co/FrancisRing/Prism
🚀 Spaces citing this paper:
https://huggingface.co/spaces/bibibi12345/Prism
https://huggingface.co/spaces/tardellirs/model-pulse
@Machine_learn | 1 892 |
| 7 |  🔥 Spatial Memory Intelligence: Endowing World Models with Understanding-Driven Long-Term Memory
🔗 Links:
GitHub: https://github.com/huggingface
arXiv: https://arxiv.org/abs/2610.02521
PDF: https://arxiv.org/pdf/2610.02521
Project Page: https://spatial-memory-intelligence.github.io/
@Machine_learn | 1 684 |
| 8 | High-Impact Research Paper – MedicalRec / GROKRec
Title: MedicalRec
Price: $1,000 USD
Looking for a ready-to-publish, novel research paper in medical AI and sustainable deep learning?
This paper introduces GROKRec, an innovative recommender framework that uses embedding vectors from the Grok language model combined with numerical features to recommend the best deep learning model for any medical image classification task — without the need to train dozens of models on the target dataset.
Key Highlights:
Addresses major real-world problems: high computational cost, energy consumption, carbon emissions, and e-waste caused by training large DL models.
Built on a newly curated public dataset MedicalRec-Bench II containing 3,500 research papers and over 6,000 model evaluation records across diverse medical imaging tasks.
Evaluated under four feature configurations (MedicalRec I) using 13 different models.
Achieves strong performance with HitRate@100 ranging from 72.43% to 77.08% — the highest among compared approaches.
Uses composite loss functions and regularization techniques for accurate recommendations.
Fully eliminates the trial-and-error process of training multiple models, significantly reducing carbon footprint.
This is a complete, self-contained research contribution with a novel dataset and a practical, environmentally conscious solution for the medical AI community.
Ideal for: Researchers, academic publishers, journals, or institutions looking for high-quality, ready-to-use work in medical image analysis, recommender systems, and green AI.
Price: $1,000 USD (one-time transfer of ownership/rights as agreed).
Interested? Contact me for the full manuscript, dataset details, or to discuss terms.
@Raminmousa1 | 2 030 |
| 9 |  🔥 FrameMorrow: Future-guided Frame Selection with Prospective Tokens for Long-Horizon Video Generation
🔗 Links:
GitHub: https://github.com/huggingface
arXiv: https://arxiv.org/abs/2609.38839
PDF: https://arxiv.org/pdf/2609.38839
Project Page: https://yinbo0927.github.io/FrameMorrow/
@Machine_learn | 1 559 |
| 10 |  🔥 TAPNext: Tracking Any Point (TAP) as Next Token Prediction
🔗 Links:
GitHub: https://github.com/huggingface
arXiv: https://arxiv.org/abs/2504.05579
PDF: https://arxiv.org/pdf/2504.05579
Project Page: https://tap-next.github.io/
@machine_learn | 1 557 |
| 11 |  ☁️ ابرک ویراک را 24 ساعت رایگان تست کنید!
قبل از خرید، سرویس ابری VirakCloud را با شرایط واقعی امتحان کنید:
🎁 24 ساعت تست رایگان
🚀 پهنای باند اختصاصی با ترافیک نامحدود
⏱️ پرداخت ساعتی؛ فقط به اندازه مصرفتان هزینه کنید
بدون نیاز به تعهد بلندمدت، ابرک خودتان را بسازید، عملکرد سرویس را بررسی کنید و بعد تصمیم بگیرید.
برای دریافت کد تست رایگان، کلمه «تست» را به آیدی زیر ارسال کنید:
https://t.me/cloud_virak
👇 سپس وارد پنل VirakCloud شوید، کد را وارد کنید و ابرک خود را بسازید:
🔗 https://B2n.ir/qy4432
☎️ 02191555530
🌐 virakcloud.com | 417 |
| 12 |  📖 "A Little Book on the Fundamentals of Generative AI" - an intuitive introduction to the mathematics:
arxiv.org/pdf/2605.29713
#GenerativeAI #Mathematics #DeepLearning #AIResearch #MachineLearning #arXiv
✨ Join Best TG Channels https://t.me/addlist/0f6vfFbEMdAwODBk
@Machine_learn | 1 839 |
| 13 |  🔎 #وبینار عملی ریشه‌یابی خطا با Sentry
🔮 در وبینار «از گزارش خطای کاربر تا ریشه‌یابی مشکل با Sentry» با یک سناریوی عملی، مسیر رسیدن از گزارش یک مشکل به سرنخ‌های لازم برای ریشه‌یابی آن را دنبال می‌کنیم.
در این وبینار:
• #سنتری را راه‌اندازی می‌کنیم و به یک اپلیکیشن متصل می‌شویم
• یک خطا را ثبت می‌کنیم و با اطلاعاتی که Sentry در اختیارمان می‌گذارد، علت آن را بررسی می‌کنیم
• با Session Replay اتفاقات پیش از بروز خطا را از دید کاربر بازبینی می‌کنیم
• با Trace و Span مسیر اجرای عملیات را دنبال و گلوگاه‌های عملکردی اپلیکیشن را پیدا می‌کنیم.
📣 ارائه‌دهنده: علیرضا بانشی | SaaS Team Lead در هم‌روش
📅 سه‌شنبه ۲۱ مهر ساعت ۱۹
🔗 ثبت‌نام رایگان:
https://hmrv.sh/EdN7gd
☁️@hamravesh | 540 |
| 14 |  با عرض سلام این مقاله به صورت کامل واگذار میشه به همراه پیاده سازی مجموعه داده و قالب latex. هزینه کار ۱۰۰۰ دلار
@Raminmousa1 | 1 911 |
| 15 |  Understanding Attention
From Q, K, V to Modern Transformer Attention
https://drive.google.com/file/d/1fCHQ5xCQJ6jZszAYf-qP3VIySbzFIEDv/view
@Machine_learn | 2 060 |
| 16 |  Uniface
Automate face detection, recognition, and analysis of key facial landmarks with the Uniface Python library.
https://github.com/yakhyo/uniface
@Machine_learn | 1 868 |
| 17 | For Sale: High-Impact Research Paper – MedicalRec / GROKRec
Title: MedicalRec
Price: $1,000 USD
Looking for a ready-to-publish, novel research paper in medical AI and sustainable deep learning?
This paper introduces GROKRec, an innovative recommender framework that uses embedding vectors from the Grok language model combined with numerical features to recommend the best deep learning model for any medical image classification task — without the need to train dozens of models on the target dataset.
Key Highlights:
Addresses major real-world problems: high computational cost, energy consumption, carbon emissions, and e-waste caused by training large DL models.
Built on a newly curated public dataset MedicalRec-Bench II containing 3,500 research papers and over 6,000 model evaluation records across diverse medical imaging tasks.
Evaluated under four feature configurations (MedicalRec I) using 13 different models.
Achieves strong performance with HitRate@100 ranging from 72.43% to 77.08% — the highest among compared approaches.
Uses composite loss functions and regularization techniques for accurate recommendations.
Fully eliminates the trial-and-error process of training multiple models, significantly reducing carbon footprint.
This is a complete, self-contained research contribution with a novel dataset and a practical, environmentally conscious solution for the medical AI community.
Ideal for: Researchers, academic publishers, journals, or institutions looking for high-quality, ready-to-use work in medical image analysis, recommender systems, and green AI.
Price: $1,000 USD (one-time transfer of ownership/rights as agreed).
Interested? Contact me for the full manuscript, dataset details, or to discuss terms.
@Raminmousa1 | 2 127 |
| 18 | For Sale: High-Impact Research Paper – MedicalRec / GROKRec
Title: MedicalRec
Price: $1,000 USD
Looking for a ready-to-publish, novel research paper in medical AI and sustainable deep learning?
This paper introduces GROKRec, an innovative recommender framework that uses embedding vectors from the Grok language model combined with numerical features to recommend the best deep learning model for any medical image classification task — without the need to train dozens of models on the target dataset.
Key Highlights:
Addresses major real-world problems: high computational cost, energy consumption, carbon emissions, and e-waste caused by training large DL models.
Built on a newly curated public dataset MedicalRec-Bench II containing 3,500 research papers and over 6,000 model evaluation records across diverse medical imaging tasks.
Evaluated under four feature configurations (MedicalRec I) using 13 different models.
Achieves strong performance with HitRate@100 ranging from 72.43% to 77.08% — the highest among compared approaches.
Uses composite loss functions and regularization techniques for accurate recommendations.
Fully eliminates the trial-and-error process of training multiple models, significantly reducing carbon footprint.
This is a complete, self-contained research contribution with a novel dataset and a practical, environmentally conscious solution for the medical AI community.
Ideal for: Researchers, academic publishers, journals, or institutions looking for high-quality, ready-to-use work in medical image analysis, recommender systems, and green AI.
Price: $1,000 USD (one-time transfer of ownership/rights as agreed).
Interested? Contact me for the full manuscript, dataset details, or to discuss terms.
@Raminmousa1 | 1 |
| 19 | #for_sell
@Raminmousa1 | 1 579 |
| 20 |  ❇️ MindDrive: A Vision-Language-Action Model for Autonomous Driving via Online Reinforcement Learning 🔥
Source code: https://github.com/xiaomi-mlab/Minddrive
@Machine_learn | 2 410 |
