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 24 517 مشترک است و جایگاه 8 056 را در دسته آموزش و رتبه 13 757 را در منطقه إيران دارد.

📊 شاخص‌های مخاطب و پویایی

از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 24 517 مشترک جذب کرده است.

بر اساس آخرین داده‌ها در تاریخ 24 ژوئن, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -165 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 6.78% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 1.90% واکنش نسبت به کل مشترکان کسب می‌کند.
  • دسترسی پست‌ها: هر پست به طور میانگین 1 663 بازدید دریافت می‌کند. در اولین روز معمولاً 465 بازدید جمع‌آوری می‌شود.
  • واکنش‌ها و تعامل: مخاطبان به‌طور فعال حمایت می‌کنند؛ میانگین واکنش به هر پست 1 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 25 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.

24 517
مشترکین
-324 ساعت
-477 روز
-16530 روز
آرشیو پست ها
🎬 Random Graphs 🎞 Watch ▫️Part 1 ▫️Part 2 @Machine_learn

در پروژه MedicalRec ما نياز به يه نفر جهت مشاركت داريم(جايگاه ٧) Project Title: MedRec: Medical recommender system for image
در پروژه MedicalRec ما نياز به يه نفر جهت مشاركت داريم(جايگاه ٧) 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 🔸 7- 200$❌ جهت مشارکت می تونید به ایدی بنده پیام بدین. 🧠🧠🧠🧠🧠 @Raminmousa

Foundations of Geometry. DAVID HILBERT, PH. D. 📚 Book @Machine_learn
Foundations of Geometry. DAVID HILBERT, PH. D. 📚 Book @Machine_learn

⭐️ Fast Think-on-Graph: Wider, Deeper and Faster Reasoning of Large Language Model on Knowledge Graph 🖥 Github: https://gith
⭐️ Fast Think-on-Graph: Wider, Deeper and Faster Reasoning of Large Language Model on Knowledge Graph 🖥 Github: https://github.com/dosonleung/fasttog 📕 Paper: https://arxiv.org/abs/2501.14300v1 @Machine_learn

Discrete Matematics and applications 🔗 link @Machine_learn
Discrete Matematics and applications 🔗 link @Machine_learn

در این پروژه امکان اموزش کامل کد نویسی مدل هم برای کسانی که مشارکت میکنن فراهم

Repost from Papers
با عرض سلام پروژه MedicalRec تنها نفر ٤ ام باقي مونده و امشب استارت کار میباشد. 🫥🫥🫥🫥 هدف اصلی این پروژه اموزش یک مدل پیشنهاد دهنده ی مدل برای مسائله طبقه بندی تصاویر پزشکی میباشد که از اموزش مجدد مدل ها جلوگیری میکند. این مسائله با جنبه جلوگیری از مصرف انرژی اموزشی و زمان اموزش مدل ها ارائه می شود. برای این منظور ۵۰۰۰ مقاله در این زمینه جمع اوری شده است. جزئیات بیشتر در لینک گیت قرار دارد. 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 🔹 2- 600$❌ 🔺 3- 500$❌ 💠 4- 400$✅ 🔺 5- 300$▫️ 🔹 6- 200$❌ 🔸 7- 200$❌ جهت مشارکت می تونید به ایدی بنده پیام بدین. 🧠🧠🧠🧠🧠 @Raminmousa

📄A Survey of Genetic Programming Applications in Modern Biological Research 📎 Study the paper @Machine_learn
📄A Survey of Genetic Programming Applications in Modern Biological Research 📎 Study the paper @Machine_learn

Free access to our secret channels ✅ 📚 Free Data Science Books 👨‍💻 Programming Handwritten Notes 🎁 Python Free Courses 🤖 Learn AI with ChatGPT 🏆 Data Science Projects 👩‍🎓 Coding Projects 💝 Free Coding Certified Courses 💪 Quiz and Job Opportunities And Many More......Join now : https://t.me/machinelearning_deeplearningData Science & AI Jobs Join fast before I delete the link ❤️

📄 Deep Generative Models for Therapeutic Peptide Discovery: A Comprehensive Review 📎 Study the paper @Machine_learn
📄 Deep Generative Models for Therapeutic Peptide Discovery: A Comprehensive Review 📎 Study the paper @Machine_learn

ML, DL, AND AI Cheat Sheet.pdf7.46 MB

Click-Calib: A Robust Extrinsic Calibration Method for Surround-View Systems Surround-View System (SVS) is an essential compo
Click-Calib: A Robust Extrinsic Calibration Method for Surround-View Systems Surround-View System (SVS) is an essential component in Advanced Driver Assistance System (ADAS) and requires precise calibrations. Paper: https://arxiv.org/pdf/2501.01557v2.pdf Code: https://github.com/lwangvaleo/click_calib Dataset: WoodScape @Machine_learn

This channels is for Programmers, Coders, Software Engineers. 0️⃣ Python 1️⃣ Data Science 2️⃣ Machine Learning 3️⃣ Data Visualization 4️⃣  Artificial Intelligence 5️⃣ Data Analysis 6️⃣ Statistics 7️⃣ Deep Learning 8️⃣ programming Languages ✅ https://t.me/addlist/8_rRW2scgfRhOTc0https://t.me/codeprogrammer

Lots of math for CS & ML. Looks pretty interesting. 📚 Book @Machine_learn
Lots of math for CS & ML. Looks pretty interesting. 📚 Book @Machine_learn

Deep Learning 01.pdf31.51 MB

با عرض سلام پروژه MedicalRec تنها نفر ٤ ام باقي مونده هدف اصلی این پروژه اموزش یک مدل پیشنهاد دهنده ی مدل برای مسائله طبقه بندی تصاویر پزشکی میباشد که از اموزش مجدد مدل ها جلوگیری میکند. این مسائله با جنبه جلوگیری از مصرف انرژی اموزشی و زمان اموزش مدل ها ارائه می شود. برای این منظور ۵۰۰۰ مقاله در این زمینه جمع اوری شده است. جزئیات بیشتر در لینک گیت قرار دارد. 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 🔹 2- 600$❌ 🔺 3- 500$❌ 💠 4- 400$✅ 🔺 5- 300$▫️ 🔹 6- 200$❌ 🔸 7- 200$❌ جهت مشارکت می تونید به ایدی بنده پیام بدین. تنها نفرات ۴ و ۵ باقی مانده....! @Raminmousa

📘 ABI Bioinformatics Guide 🌐 Study @Machine_learn
📘 ABI Bioinformatics Guide 🌐 Study @Machine_learn

Physics IQ Benchmark: Do generative video models learn physical principles from watching videos Book @Machine_learn
Physics IQ Benchmark: Do generative video models learn physical principles from watching videos Book @Machine_learn

📃 Demystifying the black box: A survey on explainable artificial intelligence (XAI) in bioinformatics 📎 Study the paper @Ma
📃 Demystifying the black box: A survey on explainable artificial intelligence (XAI) in bioinformatics 📎 Study the paper @Machine_learn