ru
Feedback
Machine learning books and papers

Machine learning books and papers

Открыть в Telegram

📈 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 24 506 подписчиков, занимая 8 028 место в категории Образование и 13 775 место в регионе Иран.

📊 Показатели аудитории и динамика

С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 24 506 подписчиков.

Согласно последним данным от 02 июля, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -109, а за последние 24 часа — 5, при этом общий охват остаётся высоким.

  • Статус верификации: Не верифицирован
  • Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 6.29%. В первые 24 часа после публикации контент обычно набирает 2.04% реакций от общего числа подписчиков.
  • Охват публикаций: В среднем каждый пост получает 1 541 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 03 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.

24 506
Подписчики
+524 часа
-147 дней
-10930 день
Архив постов
Neural Networks and Deep Learning A Textbook #book #DL @Machine_learn

A Smooth Representation of SO(3) for Deep Rotation Learning with Uncertainty @Machine_learn Website: https://papers.starslab.
A Smooth Representation of SO(3) for Deep Rotation Learning with Uncertainty @Machine_learn Website: https://papers.starslab.ca/bingham-rotation-learning/ Paper: https://arxiv.org/abs/2006.01031 Github: https://github.com/utiasSTARS/bingham-rotation-learn

First Contact with Deep Learning Practical Introduction with Keras #book #keras #DL @Machine_learn

@Machine_learn Acme: A research framework for reinforcement learning Github: https://github.com/deepmind/acme Paper: https://
@Machine_learn Acme: A research framework for reinforcement learning Github: https://github.com/deepmind/acme Paper: https://arxiv.org/abs/2006.00979

🔸لیستی از برترین کانال‌های آموزشی در زمینه های هوش‌مصنوعی، علم داده , پایتون و یادگیری ماشین ‏❯ هوش مصنوعی: 1️⃣ @Ai_Tv ‏❯ علم داده: 1️⃣ @DataAnalysis 2️⃣ @python4finance ‏❯ تحلیل داده و تصمیم‌گیری داده‌محور: 1️⃣ @Mr_IE ‏❯ یادگیری ماشین و یادگیری عمیق : 1️⃣ @Machine_learn 2️⃣ @cvision ‏❯ پایگاه داده : 1️⃣ @Sql_server ‏❯ آموزش پایتون و برنامه نویسی : 1️⃣ @pythony 2️⃣ @Programming4all_0to100

Praise for Deep Learning Illustrated #book #DL @Machine_learn

@Machine_learn GPT-3: Language Models are Few-Shot Learners Github: https://github.com/openai/gpt-3 Paper: https://arxiv.org/abs/2005.14165v1

CURL: Contrastive Unsupervised Representations for Reinforcement Learning @Machine_learn This paper introduces a new method that significantly improves the sample efficiency of RL algorithms when learning from raw pixel data. Paper: https://arxiv.org/abs/2004.04136.pdf Code: https://github.com/MishaLaskin/curl #rl #agent #reinforcement #learning

با عرض سلام جمع اوری داده های مربوط به #Covide_19 یکی از اساسی ترین گام ها برای یک تحقیق می باشد. ما مجموعه ای از ابزارها و‌مدل ها برای جمع اوری داده ها و پیش بینی ها را طراحی کرده ایم که می تواند در این زمینه به کمک محقیق بیایند. این ابزار ها و‌مدل ها از قرار زیر می باشند: 1) Twitter #Covid_19 : این ابزار برای استخراج نامحدود داده های تویتر و ویژگی های هر تویت و هر شخص مورد استفاده قرار می گیرد. خوبی این ابزار این است که می تواند مختص چند شهر خاص نیز تنظیم شود. 2) Instagram #Covid_19 این ابزار برای جمع اوری داده ها از پست های خاص اينستاگرام طراحی شده است بدین گونه که تمامی کامنت های پست شده، تعداد لایک، تاریخ و صاحب نظران را استخراج می کند. این ابزار می تواند به صورت همزمان لیستی از پست ها را استخراج کند. 3) Weather #Covide_19 با توجه به اهمیت اب و هوا بر روی شیوع این اپیدمی ابزار فوق برای جمع اوری داده های اب و هوا مورد استفاده قرار می گیرد 4) Stock #Covide_19 بازار بورس یکی دیگر از حوزه هایی است که دست خوش تغییراتی براساس این اپیدمی بوده است. این ابزار امکان جمع اوری‌دادههای ۱۳ شاخص FX# را فراهم می آورد. __ همچنین مجموعه ای از داده ها نیز برای این منظور جمع اوری شده است. 1) Who #Covide_19 داده های اصلی سازمان بهداشت جهانی شامل ۷ ویژگی 2) Sars history داده های بیماری سارس برای جبران اطلاعات ناقص مدل ها با ۷ ویژگی 3)Countries of world داده هاي مربوط به اطلاعات اجتماعي، سياسي، اقتصادي و جغرافيايي تمامي كشورهاي دنيا شامل ٢٩ ويژگي 4)Weather #Covide_19 داده هاي مربوط به اب و هواي هر شهر و هر كشور از شروع اين اپيدمي با ٦٠ ويژگي از جمله (دما، رطوبت، فشار، اوزون و....) ___ همچنین مجموعه ای از مدلها نیز برای پیش بینی طراحی شده اند از جمله 1) LSTM Seq2Seq model(multi-Regression) 2) GRU Seq2Seq model(multi-Regression) 3) Hi-Attention Seq2Seq model(multi-Regression) 4) SVR(single-Regression) 5) Lasso(single-Regression) 6) Random forest Regression(single-Regression) 7) Decision tree Regression(single-Regression) دوستانی که نیاز به این ابزار ها دارن می توانند برای سفارش به بنده مراجعه کنند @Raminmousa

@Machine_learn Deep Learning System to Screen Coronavirus Disease 2019 Pneumonia #Paper

@Machine_learn Modified SEIR and AI prediction of the epidemics trend of COVID-19 in China under public health interventions #paper

TensorFlow 2.0 Pocket Primer #Tensorflow #python #Book @Machine_learn

@Machine_learn Short over view of Artificial Neural Networks with examples Page: https://www.infinitycodex.in/
@Machine_learn Short over view of Artificial Neural Networks with examples Page: https://www.infinitycodex.in/

سلام ظرفیت مقاله فوق یک نفر مانده اگر کسی تمایل داشت به بنده اطلاع بده

Little Ball of Fur Little Ball of Fur consists of methods to do sampling of graph structured data Documentation : https://little-ball-of-fur.readthedocs.io/en/latest/#little-ball-of-fur-documentation github: https://github.com/benedekrozemberczki/littleballoffur paper: https://arxiv.org/abs/2005.05257v1 @Machine_learn

با عرض سلام به يك حامي مالي جهت ثبت اين مقاله نيازمنديم @Raminmousa
با عرض سلام به يك حامي مالي جهت ثبت اين مقاله نيازمنديم @Raminmousa