اکنون در دسترس! پژوهش تلگرام ۲۰۲۵ — مهمترین بینشهای سال 
Machine learning books and papers
رفتن به کانال در Telegram
Admin: @Raminmousa 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 24 502 مشترک است و جایگاه 8 036 را در دسته آموزش و رتبه 13 785 را در منطقه إيران دارد.
📊 شاخصهای مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 24 502 مشترک جذب کرده است.
بر اساس آخرین دادهها در تاریخ 01 ژوئیه, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -127 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 7.47% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 2.04% واکنش نسبت به کل مشترکان کسب میکند.
- دسترسی پستها: هر پست به طور میانگین 1 829 بازدید دریافت میکند. در اولین روز معمولاً 500 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 02 ژوئیه, 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.
24 502
مشترکین
-524 ساعت
-207 روز
-12730 روز
آرشیو پست ها
Machine Learning for Computer Architecture
http://ai.googleblog.com/2021/02/machine-learning-for-computer.html
@Machine_learn
WeNet open source, production first and production ready end-to-end (E2E) speech recognition toolkit
Github: https://github.com/mobvoi/wenet
Paper: https://arxiv.org/abs/2102.01547v1
Tutorial: https://github.com/mobvoi/wenet/blob/main/docs/tutorial.md
@Machine_learn
Open Datasets for Research
During last week there were several news about newly open datasets for researchers.
1. Twitter opened “full history of public conversation” for academics (specifically, for academics):
https://www.theverge.com/2021/1/26/22250203/twitter-academic-research-public-tweet-archive-free-access
We can happily conduct researches about social networks graphs, users behavior and fake news (especially fake news🙃) without fighting with Twitter API.
2. Papers with code are now also Papers with Datasets:
https://www.paperswithcode.com/datasets
Not for only NLP, but for all fields structured for easy search and download.
@Machine_learn
Feature Engineering for Machine Learning
Principles and Techniques for Data Scientists
#book
@Machine_learn
Adaptive Checkpoint Adjoint Method for Gradient Estimation in Neural ODE #paper @Machine_learn
Evaluating Design Trade-offs in Visual Model-Based Reinforcement Learning
http://ai.googleblog.com/2021/02/evaluating-design-trade-offs-in-visual.html
@Machin_learn
Improving Mobile App Accessibility with Icon Detection
http://ai.googleblog.com/2021/01/improving-mobile-app-accessibility-with.html
@Machine_learn
TIN: Transferable Interactiveness Network
Github: https://github.com/DirtyHarryLYL/Transferable-Interactiveness-Network
HOI-Learning-List: https://github.com/DirtyHarryLYL/HOI-Learning-List
Paper: https://arxiv.org/abs/2101.10292v1
@Machine_learn
🔸لیستی از برترین کانالهای آموزشی در زمینه های هوشمصنوعی, پایتون و یادگیری ماشین
❯ هوش مصنوعی:
1️⃣ @Ai_Tv
2⃣ @HomeAI
❯ یادگیری ماشین و یادگیری عمیق :
1️⃣ @Machine_learn
2⃣ @cvision
❯ علم داده:
1⃣ @mr_ie
❯ آموزش پایتون و برنامه نویسی :
1⃣ @pythony
2⃣ @pythonchallenge
3⃣ @Programming4all_0to100
Stabilizing Live Speech Translation in Google Translate
http://ai.googleblog.com/2021/01/stabilizing-live-speech-translation-in.html
@Machine_learn
Self-Adaptive Training
Github: https://github.com/LayneH/self-adaptive-training
Paper: https://arxiv.org/abs/2101.08732v1
@Machine_learn
سلام از دوستان كسي هست كه به #رايانش_تكاملي مسلط باشه ممنون ميشم بهم پيام بده
@Raminmousa
A Visual Intro to NumPy and Data Representation
.
Link : https://jalammar.github.io/visual-numpy/
@Machine_learn
👉Lecture Notes for Linear Algebra Featuring Python
.
GitHub link : https://github.com/MacroAnalyst/Linear_Algebra_With_Python
@Machine_learn
🔥 Fast convolutional neural networks on FPGAs with hls4ml
Github: https://github.com/fastmachinelearning/hls4ml
Paper: https://arxiv.org/abs/2101.05108v1
Documentation: https://fastmachinelearning.org/hls4ml/
@Machine_learn
Alex_Thomas_Natural_Language_Processing_with_Spark_NLP_Learn.pdf
#book #NLP
@Machine_learn
Superpixel-based Refinement for Object Proposal Generation
Github: https://github.com/chwilms/superpixelRefinement
Paper: https://arxiv.org/abs/2101.04574v1
@Machine_learn
Gender recognition in the wild: a robustness evaluation over corrupted images
Github: https://github.com/MiviaLab/GenderRecognitionFramework
Paper: https://link.springer.com/article/10.1007/s12652-020-02750-0
@Machine_lear
