Machine learning books and papers

Открыть в Telegram

Admin: @Raminmousa ID: @Machine_learn link: https://t.me/Machine_learn

Больше

📈 Аналитический обзор Telegram-канала Machine learning books and papers

Канал Machine learning books and papers (@machine_learn) языкового сегмента Английский является активным участником. Сейчас сообщество объединяет 24 502 подписчиков, занимая 8 036 место в категории Образование и 13 785 место в регионе Иран.

📊 Показатели аудитории и динамика

С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 24 502 подписчиков.

Согласно последним данным от 01 июля, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -127, а за последние 24 часа — -5, при этом общий охват остаётся высоким.

Статус верификации: Не верифицирован
Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 7.47%. В первые 24 часа после публикации контент обычно набирает 2.04% реакций от общего числа подписчиков.
Охват публикаций: В среднем каждый пост получает 1 829 просмотров. В течение первых суток публикация набирает 500 просмотров.
Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 1.
Тематические интересы: Контент сосредоточен на ключевых темах, таких как disorder, psy, مقاله, framework, graph.

📝 Описание и контентная политика

Автор описывает ресурс как площадку для выражения субъективного мнения:
“Admin: @Raminmousa ID: @Machine_learn link: https://t.me/Machine_learn”

Благодаря высокой частоте обновлений (последние данные получены 02 июля, 2026) канал поддерживает актуальность и высокий уровень охвата публикаций. Аналитика показывает, что аудитория активно взаимодействует с контентом, что делает его важной точкой влияния в категории Образование.

24 502

Подписчики

-524 часа

-207 дней

-12730 день

1 829

Просмотры поста

~ 50024 часа

~ 61348 часов

7.47%

Коэффициент вовлеченности

Нет данных

Постов в день

Ads index

beta

Архив постов

24 502

Deep Learning on Windows #deeplearning #2021 #book @Machine_learn

24 502

Beginning Robotics with Raspberry Pi and Arduino #2021 #book @Machine_learn

24 502

Topic : Sudoku solver (SolSudo) Abstract : SolSudo is a Sudoku solver made using Deep Learning. SolSudo can solve sudokus using images. This has an intelligent solution method. According to this method, the model predicts the blank digits, and when each level is completed, the filled blanks are placed one after another. Each time a digit is filled, new sudoku will be fed to the solver to determine the next digit. Again and again, until there is no blank left. One of the features of this project is detecting sudoku from an image and filling in the blanks. This requires tesseract-ocr, however, which may cause problems. Therefore, I devised a method, in which the Sudoku numbers are entered one by one, and 0 is used for the empty spaces. Below is an example of Sudoku, its detection, and its solution. Github Link : https://github.com/AryaKoureshi/SolSudo Linkedin Link : https://www.linkedin.com/posts/arya-koureshi_deeplearning-python-tensorflow-activity-6711641409658716160-kdSD @Machine_learn

24 502

https://blog.tensorflow.org/2021/05/recap-of-tensorflow-at-google-io-2021.html @Machine_learn

24 502

Neural-network-from-scratch Github: https://github.com/Joaomlg/neural-network-from-scratch Code: https://github.com/Joaomlg/neural-network-from-scratch/archive/refs/heads/main.zip @Machine_learn

24 502

Project Guideline: Enabling Those with Low Vision to Run Independently http://ai.googleblog.com/2021/05/project-guideline-enabling-those-with.html @Machine_learn

24 502

500 + 𝗔𝗿𝘁𝗶𝗳𝗶𝗰𝗶𝗮𝗹 𝗜𝗻𝘁𝗲𝗹𝗹𝗶𝗴𝗲𝗻𝗰𝗲 𝗣𝗿𝗼𝗷𝗲𝗰𝘁 𝗟𝗶𝘀𝘁 𝘄𝗶𝘁𝗵 𝗰𝗼𝗱𝗲 https://github.com/ashishpatel26/500-AI-Machine-learning-Deep-learning-Computer-vision-NLP-Projects-with-code @Machine_learn

24 502

ALIGN: Scaling Up Visual and Vision-Language Representation Learning With Noisy Text Supervision http://ai.googleblog.com/2021/05/align-scaling-up-visual-and-vision.html @Machine_learn

24 502

A Survey of Data Augmentation Approaches for NLP Data Augmentation has becoming more and more popular and important task in NLP. On the contrary to Computer Vision where all methods now are well-known and already pre-implemented in libraries, in NLP the situation is not so consistent. So, there has been published a nice paper that accumulated all known due today techniques, models and applications of data augmentation in texts: https://arxiv.org/abs/2105.03075 In the appendix you can find the list of open-source that may be useful for your task. @Machine_learn

24 502

@Machine_learn

24 502

@Machine_learn

24 502

Deep_Reinforcement_Learning_in_Action_Manning_Publications_2020.pdf14.94 MB

24 502

با عرض سلام ما پكيج ٣٦ پروژه عملي با يادگيري عميق همراه با داكيومنت فارسي را براي دوستاني كه مي خواهند در اين حوزه به صورت عملي كار كنند تهيه كرديم سرفصل هاي اين پكيج به ترتيب زير مي باشند: 1-Deep Learning Basic -01_Introduction --01_How_TensorFlow_Works --02_Creating_and_Using_Tensors --03_Implementing_Activation_Functions -02_TensorFlow_Way --01_Operations_as_a_Computational_Graph --02_Implementing_Loss_Functions --03_Implementing_Back_Propagation --04_Working_with_Batch_and_Stochastic_Training --05_Evaluating_Models -03_Linear_Regression --linear regression --Logistic Regression -04_Neural_Networks --01_Introduction --02_Single_Hidden_Layer_Network --03_Using_Multiple_Layers -05_Convolutional_Neural_Networks --Convolution Neural Networks --Convolutional Neural Networks Tensorflow --TFRecord For Deep learning Models -06_Recurrent_Neural_Networks --Recurrent Neural Networks (RNN) 2-Classification apparel -Classification apparel double capsule -Classification apparel double cnn 3-ALZHEIMERS USING CNN(ResNet) 4-Fake News (Covid-19 dataset) -Multi-channel -3DCNN model -Base line+ Char CNN -Fake News Covid CapsuleNet 5-3DCNN Fake News 6-recommender systems -GRU+LSTM MovieLens 7-Multi-Domain Sentiment Analysis -Dranziera CapsuleNet -Dranziera CNN Multi-channel -Dranziera LSTM 8-Persian Multi-Domain SA -Bi-GRU Capsule Net -Multi-CNN 9-Recommendation system -Factorization Recommender, Ranking Factorization Recommender, Item Similarity Recommender (turicreate) -SVD, SVD++, NMF, Slope One, k-NN, Centered k-NN, k-NN Baseline, Co-Clustering(surprise) 10-NihX-Ray -optimized CNN on FullDataset Nih-Xray -MobileNet -Transfer learning -Capsule Network on FullDataset Nih-Xray هزينه اين پكيج ٥٠٠هزار مي باشد و صرفا هزينه تهيه ديتاست هاست. جهت خريد مي توانيد با ايدي بنده در ارتباط باشيد @Raminmousa

24 502

tf.keras.Model https://www.tensorflow.org/api_docs/python/tf/keras/Model Code: https://github.com/tensorflow/tensorflow/blob/v2.4.1/tensorflow/python/keras/engine/training.py#L138-L2675 @Machine_learn

24 502

Google at ICLR 2021 http://ai.googleblog.com/2021/05/google-at-iclr-2021.html @Machine_learn

24 502

How Machine Learning is Changing e-Government @Machine_learn

24 502

Flexible, Scalable, Differentiable Simulation of Recommender Systems with RecSim NG http://ai.googleblog.com/2021/04/flexible-scalable-differentiable.html @Machine_learn

24 502

📌کانالی مناسب برای علاقه مندان هوش مصنوعی، یادگیری ماشین، زبان برنامه نویسی پایتون و آموزش های رایگان 📝 این کانال توسط فارغ التحصیلان هوش مصنوعی دانشگاه صنعتی امیرکبیر ایجاد شده و جدیدترین اخبار حوزه هوش مصنوعی را اطلاع رسانی خواهد کرد. https://t.me/joinchat/AAAAADweGusEx9ZAwC-N0g 📍متخصصین و اساتید زیادی در این کانال عضو هستند. 📖 مجله هوش مصنوعی ➖➖➖➖➖ 🆔 : @HomeAI

24 502

Monster Mash: A Sketch-Based Tool for Casual 3D Modeling and Animation http://ai.googleblog.com/2021/04/monster-mash-sketch-based-tool-for.html @Machine_learn

24 502

Simple multi-dataset detection Github: https://github.com/xingyizhou/UniDet Paper: https://arxiv.org/abs/2102.13086v1 @Machine_learn