fa
Feedback
Machine learning books and papers

Machine learning books and papers

رفتن به کانال در Telegram

📈 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 24 535 مشترک است و جایگاه 8 076 را در دسته آموزش و رتبه 13 766 را در منطقه إيران دارد.

📊 شاخص‌های مخاطب و پویایی

از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 24 535 مشترک جذب کرده است.

بر اساس آخرین داده‌ها در تاریخ 21 ژوئن, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -148 و در ۲۴ ساعت گذشته برابر -2 بوده و همچنان دسترسی گسترده‌ای حفظ شده است.

  • وضعیت تأیید: تأیید نشده
  • نرخ تعامل (ER): میانگین تعامل مخاطب 7.36% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 1.98% واکنش نسبت به کل مشترکان کسب می‌کند.
  • دسترسی پست‌ها: هر پست به طور میانگین 1 806 بازدید دریافت می‌کند. در اولین روز معمولاً 485 بازدید جمع‌آوری می‌شود.
  • واکنش‌ها و تعامل: مخاطبان به‌طور فعال حمایت می‌کنند؛ میانگین واکنش به هر پست 3 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: @Raminmousa ID: @Machine_learn link: https://t.me/Machine_learn

به لطف به‌روزرسانی‌های پرتکرار (آخرین داده در تاریخ 22 ژوئن, 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.

24 535
مشترکین
-224 ساعت
-447 روز
-14830 روز
آرشیو پست ها
🔹 Title: Limitations of Normalization in Attention Mechanism 🔹 Publication Date: Published on Aug 25 🔹 Paper Links: • arXi
🔹 Title: Limitations of Normalization in Attention Mechanism 🔹 Publication Date: Published on Aug 25 🔹 Paper Links: • arXiv Page: https://arxiv.org/abs/2508.17821 • PDF: https://arxiv.org/pdf/2508.17821 🔹 Datasets citing this paper: No datasets found @Machine_learn

Evaluation Metrics in Learning Systems: A Survey @Raminmousa @Machine_learn

🔹 Title: German4All - A Dataset and Model for Readability-Controlled Paraphrasing in German 🔹 Publication Date: Published o
🔹 Title: German4All - A Dataset and Model for Readability-Controlled Paraphrasing in German 🔹 Publication Date: Published on Aug 25 🔹 Paper Links: • arXiv Page: https://arxiv.org/abs/2508.17973 • PDF: https://arxiv.org/pdf/2508.17973 🔹 Datasets citing this paper: No datasets found 🔹 Spaces citing this paper: No spaces found ================================== @Machine_learn

Repost from Papers
با عرض سلام نفر 2 ام از پروژه جديدمون باقي مونده و ٦ جايگاه ديگه پر شدن. امكان اموزش كامل كار كدنويسي كار نحوه جمع اوري داده
+2
با عرض سلام نفر 2 ام از پروژه جديدمون باقي مونده و ٦ جايگاه ديگه پر شدن. امكان اموزش كامل كار كدنويسي كار نحوه جمع اوري داده ها نگارش مقاله در اين كار وجود داره Project Title: MedRec: Medical recommender system for image classification without retraining Github: https://github.com/Ramin1Mousa/MedicalRec Journal: IEEE Transactions on Pattern Analysis and Machine Intelligence Impact factor: 20.8 500$ جهت مشارکت می تونید به ایدی بنده پیام بدین. زمان سابميت نهايي سه شنبه اي اينده. @Raminmousa @Machine_learn @paper4money

📑 Deep graph anomaly detection: A survey and new perspectives 📎 Study paper @Machine_learn
📑 Deep graph anomaly detection: A survey and new perspectives 📎 Study paper @Machine_learn

ScaleCUA: Master GUIs across 6 OS with our new open-source agent! 📕 Read @Machine_learn
ScaleCUA: Master GUIs across 6 OS with our new open-source agent! 📕 Read @Machine_learn

This GitHub repo is a gold mine for EVERY data scientist! Fully open-source and free! https://github.com/GeostatsGuy/DataScienceInteractivePython @Machine_learn

DeepSeek-R1 incentivizes reasoning in LLMs through reinforcement learning 📕 Read @Machine_learn
DeepSeek-R1 incentivizes reasoning in LLMs through reinforcement learning 📕 Read @Machine_learn

بنام خدا حدود 4 الی 5 ماه است که در حال نوشتن مقاله ای مروری مبنی بر کاربرهای هوش مصنوعی، یادگیری ماشین، یادگیری ژرف و پردازش تصویر در صنعت غذا هستیم. این مقاله کاربردهای فناوری های مورد نظر در جنبه های مختلف صنعت غذا شامل ✅Food Classification, Detection, Segmentation, Localization ✅Caloric Estimation, Detecting Food In Fridges ✅Freshness, Quality and Defect Detection ✅ Food Safety & Integrity (Contamination, Adulteration and Fraud, Freshness, Quality, Processing, etc) ✅ Food Waste (Causes & Impact, FW Detection, Estimation, Quantification, Demand Prediction with ANN, Image Processing) ✅Recommender Systems (Restaurant, Sentiment Analysis, Nutrition and Diet, Health, etc) ✅Agriculture and Supply Chain (ML, AI and CV in Orchard, Harvesting, Postharvest QC, Manufacturing, Freshness and Ripening, Spoilage, etc) ✅Other Review Papers ✅Computer Vision, Machine Learning, Aritifical Neural Networks, Image Processing, etc را در بر میگیرد. در نسخه اولیه این مقاله برای سابمیت بیش از 250 (250 الی 300 مقاله مرتبط جدید که 90 درصد برای بعد 2020 و حداقل 80 درصد برای بعد 2022 هستند) مورد بررسی دقیق قرار گرفته اند. هدف این مقاله مروری چاپ در ژورنال های Q1-Q2 با IF بالا است. ⛏️به دلیل حجم بالای کار و کیفیت بسیار بالای مقاله امکان حداکثر 7 نفر در این مقاله وجود دارد. انتظار می رود که مقاله پس از چاپ در یکی از ژورنالهای مورد نظر ظرف 1 سال (به دلیل مروری و جامع بودن) حداقل 50 سایتیشن بخورد. نفر اول (کارسپاند): 700 تتر ✅واگذار شد. نفر دوم: 350 تتر نفر سوم: 250 تتر نفر چهارم: 220 تتر نفر پنجم: 190 تتر نفر ششم: 160 تتر نفر هفتم: 130 تتر 👌مناسب و عالی برای اپلای دکتری و ارشد به دلیل سطح بالای مقاله و کیفیت ژورنال های مورد سابمیت 👌مناسب برای رشته های علوم کامپیوتر، هوش مصنوعی، بینایی کامپیوتری و پردازش تصویر، صنایع، صنایع غذایی 👌مناسب برای اقامت آمریکا از EB2 و حتی EB1 (به دلیل کیفیت و سایتشن های زیاد) 👍امکان افزایش سایتیشن شما (به صورت مشروط به یکی از حوزه ها یا متدها) فراهم است. برای بررسی لطفا لینک یا DOI مقاله خود را ارسال کنید 🎈مقاله در نسخه نهایی بازبینی خود، برای برطرف سازی هر گونه اشکال احتمالی است و ظرف 1 هفته الی حداکثر 1 ماه (October 1st) سابمیت خواهد شد. 🎈مشارکت کنندگان علاوه بر ایمیل (ترجیحا ایمیل دانشگاهی)، بهتر است کد ORCID نیز ارائه دهند. (کافی است در ORCID یک اکانت بسازید و کد 16 رقمی خود را که با اسم شما همخوانی دارد بدهید) ارتباط: @Raminmousa

🔹 Title: German4All - A Dataset and Model for Readability-Controlled Paraphrasing in German 🔹 Publication Date: Published o
🔹 Title: German4All - A Dataset and Model for Readability-Controlled Paraphrasing in German 🔹 Publication Date: Published on Aug 25 🔹 Paper Links: • arXiv Page: https://arxiv.org/abs/2508.17973 • PDF: https://arxiv.org/pdf/2508.17973 @Machine_learn

🔹 Title: MEENA (PersianMMMU): Multimodal-Multilingual Educational Exams for N-level Assessment 🔹 Publication Date: Publishe
🔹 Title: MEENA (PersianMMMU): Multimodal-Multilingual Educational Exams for N-level Assessment 🔹 Publication Date: Published on Aug 24 🔹 Paper Links: • arXiv Page: https://arxiv.org/abs/2508.17290 • PDF: https://arxiv.org/pdf/2508.17290 @Machine_learn

با عرض سلام براي نفر چهارم مقاله ي مروري در حوزه ي پاتولوژي سرطان نيازمند مشاركت هستيم. هزينه مشاركت : 220 تتر مجله ي ارسالي : Nature ⚠️⚠️⚠️ امشب سابمیت مقاله می باشد. ⚠️⚠️⚠️ @Raminmousa @Machine_learn @Paper4money

Writing effective tools for agents — with agents 📕 Read @Machine_learn
Writing effective tools for agents — with agents 📕 Read @Machine_learn

All of Statistics A Concise Course in Statistical Inference 📚 Read @Machine_learn
All of Statistics A Concise Course in Statistical Inference 📚 Read @Machine_learn

The Hitchhiker’s Guide to Python! 📚 Read @Machine_learn
The Hitchhiker’s Guide to Python! 📚 Read @Machine_learn

امشب اخرین فرصت سابمیت این مقاله می باشد...!

Repost from Papers
با عرض سلام براي نفر چهارم مقاله ي مروري در حوزه ي پاتولوژي سرطان نيازمند مشاركت هستيم. هزينه مشاركت : 220 تتر مجله ي ارسالي : Nature @Raminmousa @Machine_learn @Paper4money

TRIBE: TRImodal Brain Encoder for whole-brain fMRI response prediction TLDR: Prediction of the brain response based on the au
TRIBE: TRImodal Brain Encoder for whole-brain fMRI response prediction TLDR: Prediction of the brain response based on the audio and visual content input. ArXiV: https://www.arxiv.org/pdf/2507.22229 @Machine_learn

🔹 Title: MV-RAG: Retrieval Augmented Multiview Diffusion 🔹 Publication Date: Published on Aug 22 🔹 Paper Links: • arXiv Pa
🔹 Title: MV-RAG: Retrieval Augmented Multiview Diffusion 🔹 Publication Date: Published on Aug 22 🔹 Paper Links: • arXiv Page: https://arxiv.org/abs/2508.16577 • PDF: https://arxiv.org/pdf/2508.16577 • Project Page: https://yosefdayani.github.io/MV-RAG/ • Github: https://github.com/yosefdayani/MV-RAG @Machine_learn