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 24 533 مشترک است و جایگاه 8 070 را در دسته آموزش و رتبه 13 771 را در منطقه إيران دارد.

📊 شاخص‌های مخاطب و پویایی

از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 24 533 مشترک جذب کرده است.

بر اساس آخرین داده‌ها در تاریخ 22 ژوئن, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -150 و در ۲۴ ساعت گذشته برابر -5 بوده و همچنان دسترسی گسترده‌ای حفظ شده است.

  • وضعیت تأیید: تأیید نشده
  • نرخ تعامل (ER): میانگین تعامل مخاطب 7.45% 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 1 829 بازدید دریافت می‌کند. در اولین روز معمولاً 465 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 23 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.

24 533
مشترکین
-524 ساعت
-417 روز
-15030 روز
آرشیو پست ها
Audio, Video, and Webcams in Python (Lost Chapter from Automate the Boring Stuff) 📕 Book @Machine_learn
Audio, Video, and Webcams in Python (Lost Chapter from Automate the Boring Stuff) 📕 Book @Machine_learn

با عرض سلام موضوع زير رو می خواهیم به صورت گروهی ادامه بدیم. - survey on GAN methods for time series data generation نفرات ١ تا ٣ پر شده و ٤ ،٥، و ٦ باقي موندن. دوستاني كه نياز دارند مي تونن به بنده پيام بدن. نمونه كارهاي مشترك قبلي 1: llm survey https://www.preprints.org/manuscript/202504.2464/download/final_file 2: Next G survey https://www.preprints.org/frontend/manuscript/6a1dadfbe284a8e1b45ba04e5af1fdf5/download_pub 3: Metrcis survey. @Raminmousa

سابميت اين مقاله امشب اگر كسي نياز داشت نفر سوم خالي هستش...! @Raminmousa

Reflections on OpenAI 📚 link @Machine_learn

How to Optimize Your Python Code Even If You’re a Beginner 📚 Read @Machine_learn

این مقاله تا فرداشب سابمیت میشه دوستانی که نیاز دارن بهم مراجعه کنند...! @Raminmousa

Parallels Between VLA Model Post-Training and Human Motor Learning: Progress, Challenges, and Trends 🖥 Github: https://githu
Parallels Between VLA Model Post-Training and Human Motor Learning: Progress, Challenges, and Trends 🖥 Github: https://github.com/aoqunjin/awesome-vla-post-training 📕 Paper: https://arxiv.org/pdf/2506.20966v1.pdf 🔗 Dataset: https://paperswithcode.com/dataset/imagenet1 @Machine_learn

Repost from Papers
با عرض سلام مقاله مروري تحت عنوان زير رو نوشتيم فردا قرار سابميت بشه اگر كسي از دوستان خواست ميتونه براي جايگاه سوم اقدام كنه
با عرض سلام مقاله مروري تحت عنوان زير رو نوشتيم فردا قرار سابميت بشه اگر كسي از دوستان خواست ميتونه براي جايگاه سوم اقدام كنه. Survey on evaluation metrics for learning system @Raminmousa @paper4money

Understanding Gradients 📚 Read @Machine_learn
Understanding Gradients 📚 Read @Machine_learn

Article Title: AutoAgent: A Fully-Automated and Zero-Code Framework for LLM Agents PDF Download Link: https://arxiv.org/pdf/2502.05957v2.pdf GitHub:https://github.com/hkuds/autoagenthttps://github.com/hkuds/auto-deep-research @Machine_learn

Microsoft Build 2025: The age of AI agents and building the open agentic web 📚 Read @Machine_learn
Microsoft Build 2025: The age of AI agents and building the open agentic web 📚 Read @Machine_learn

Repost from Papers
با عرض سلام نيازمند شخصي هستيم كه بتونه در پروژه MedicalRec به ما كمك كنه. Git:https://github.com/Ramin1Mousa/MedicalRec هدف
با عرض سلام نيازمند شخصي هستيم كه بتونه در پروژه MedicalRec به ما كمك كنه. Git:https://github.com/Ramin1Mousa/MedicalRec هدف اين پروژه ارائه ي يك ريكامندر در حوزه پزشكي است كه از ترين مجدد شبكه ها جلوگيري كنه. كه منجر به صرف جوي در هزينه و صرف جوي در انرژي مصرفي ميشه. مجموعه داده ها شامل ٣٠٠٠ مقاله بوده كه كامل طي ٣ ماه جمع اوري شده است. هزينه مشاركت ٥٠٠$ هستش و اسم به عنوان نفر دوم در نظر گرفته ميشه. Journal: IEEE Transactions on Pattern Analysis and Machine Intelligence If: 18.6 @Raminmousa

📄 Large Language Models in Genomics—A Perspective on Personalized Medicine 📎 Study the paper @Machine_learn
📄 Large Language Models in GenomicsA Perspective on Personalized Medicine 📎 Study the paper @Machine_learn

SRT-H: A Hierarchical Framework for Autonomous Surgery via Language Conditioned Imitation Learning 📚 Read @Machine_learn
SRT-H: A Hierarchical Framework for Autonomous Surgery via Language Conditioned Imitation Learning 📚 Read @Machine_learn

با عرض سلام این یک کار بنیادی هستش که در ادامه مقالات متفاوتی در این حوزه خواهیم داد. نفر دوم اگر کسی تمایل داشت اطلاع بده. @Raminmousa

با عرض سلام نيازمند شخصي هستيم كه بتونه در پروژه MedicalRec به ما كمك كنه. Git:https://github.com/Ramin1Mousa/MedicalRec هدف اين پروژه ارائه ي يك ريكامندر در حوزه پزشكي است كه از ترين مجدد شبكه ها جلوگيري كنه. كه منجر به صرف جوي در هزينه و صرف جوي در انرژي مصرفي ميشه. مجموعه داده ها شامل ٣٠٠٠ مقاله بوده كه كامل طي ٣ ماه جمع اوري شده است. هزينه مشاركت ٥٠٠$ هستش و اسم به عنوان نفر دوم در نظر گرفته ميشه. Journal: IEEE Transactions on Pattern Analysis and Machine Intelligence If: 18.6 @Raminmousa

Article Title: AReaL: A Large-Scale Asynchronous Reinforcement Learning System for Language Reasoning PDF Download Link: https://arxiv.org/pdf/2505.24298v2.pdf GitHub:https://github.com/inclusionai/areal Datasets: • MATH @Machine_learn

A Beginner’s Guide to AirTable for Data Analysis 📚 Guide @Machine_learn
A Beginner’s Guide to AirTable for Data Analysis 📚 Guide @Machine_learn

Context Engineering Guide 📚 Read @Machine_learn
Context Engineering Guide 📚 Read @Machine_learn

Repost from Papers
با عرض سلام نفرات ٢ تا ٤ قابل اضافه شدن به مقاله زير مي باشد. Title:Probability latent for Recurrent Neural Networks Basic de
با عرض سلام نفرات ٢ تا ٤ قابل اضافه شدن به مقاله زير مي باشد. Title:Probability latent for Recurrent Neural Networks Basic deficiencies abstract: Time series prediction analyzes patterns in past data to predict the future. Traditional machine learning algorithms, despite achieving impressive results, require manual feature selection. Automatic feature selection along with the addition of the time concept in deep recurrent networks has led to more suitable solutions. The selection of feature order in deep recurrent networks leads to the provision of different results due to the use of back-propagation. The problem of selecting feature order is an NP-complete problem. . ..... The proposed approach has an improvement of 0.49 over the reviewed approaches in some benchmarks. Price: 2:500$ 3:400$ 4:250$ @Raminmousa @Machine_learn @Paper4money