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 24 506 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

1 541

Просмотры поста

~ 50024 часа

~ 61348 часов

6.29%

Коэффициент вовлеченности

Нет данных

Постов в день

Ads index

beta

Архив постов

24 505

Introduction to Applied Linear Algebra – Vectors, Matrices, and Least Squares https://web.stanford.edu/~boyd/vmls/ @ai_machinelearning_big_data

24 505

This AI Learned To Animate Humanoids 🚶 https://www.youtube.com/watch?v=cTqVhcrilrE code: https://github.com/sebastianstarke/AI4Animation Check out Lambda here and sign up for their GPU Cloud : https://lambdalabs.com/papers

24 505

Stacked Capsule Autoencoders https://github.com/google-research/google-research/tree/master/stacked_capsule_autoencoders paper : https://arxiv.org/abs/1906.06818 http://akosiorek.github.io/ml/2019/06/23/stacked_capsule_autoencoders.html

24 505

Applied Deep Learning — Umberto Michelucci (en) 2018 @Machine_learn

24 505

HoloGAN (A new generative model) learns 3D representation from natural images Article: https://arxiv.org/pdf/1904.01326.pdf Code: https://github.com/thunguyenphuoc/HoloGAN Dataset: http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html

24 505

🔥OpenAI realesed the 1.5billion parameter GPT-2 model Post: https://openai.com/blog/gpt-2-1-5b-release/ GPT-2 output detection model: https://github.com/openai/gpt-2-output-dataset/tree/master/detector Research from partners on potential malicious uses: https://d4mucfpksywv.cloudfront.net/papers/GPT_2_Report.pdf #NLU #GPT2 #OpenAI #NLP

24 505

Hamiltonian Neural Networks https://eng.uber.com/research/hamiltonian-neural-networks/ paper: https://arxiv.org/pdf/1906.01563.pdf code: https://github.com/greydanus/hamiltonian-nn

24 505

discriminative : 1:#Regression 2:#Logistic regression 3:#decision tree(Hunt) 4:#neural network(traditional network, deep network) 5:#Support Vector Machine(SVM) Generative: 1:#Hidden Markov model 2:#Naive bayes 3:#K-nearest neighbor(KNN) 4:#Generative adversarial networks(GANs) Deep learning: 1:CNN R_CNN Fast-RCNN Mask-RCNN 2:RNN 3:LSTM 4:CapsuleNet 5:Siamese: siamese cnn siamese lstm siamese bi-lstm siamese CapsuleNet 6:time series data SVR DT(cart) Random Forest linear Bagging Boosting جهت درخواست و راهنمایی در رابطه با پیاده سازی مقالات و پایان نامه ها در رابطه با مباحث deep learning و machine learning با ایدی زیر در ارتباط باشید @Raminmousa

24 505

Deep feature flow for video recognition #Dl #Book @Machine_learn

24 505

Deep learning for biometrics #book #Dl @Machine_learn

24 505

2019 #Deep_Learning Based Recommender System A #Survey and New Perspectives @Machine_learn

24 505

Neural networks in NLP are vulnerable to adversarially crafted inputs. We show that they can be trained to become certifiably robust against input perturbations such as typos and synonym substitution in text classification: https://arxiv.org/abs/1909.01492

24 505

ICCV 2019 papers open access http://openaccess.thecvf.com/ICCV2019.py Workshops: http://openaccess.thecvf.com/ICCV2019_workshops/menu.py

24 505

CrypTen: A new research tool for secure machine learning with PyTorch https://ai.facebook.com/blog/crypten-a-new-research-tool-for-secure-machine-learning-with-pytorch code: https://github.com/facebookresearch/CrypTen

24 505

Open-Source Library for Real-Time Metric-Semantic Localization and Mapping video: https://www.youtube.com/watch?v=-5XxXRABXJs&feature=youtu.be code: https://github.com/MIT-SPARK/Kimera article: https://arxiv.org/abs/1910.02490

24 505

OpenCV By Example #DL #book #openCV @Machine_learn

24 505

Chollet deeplearning #DL #book #Python @Machine_learn

24 505

Master open Cv second edition #book #OpenCV @Machine_learn

24 505

Exploring Massively Multilingual, Massive Neural Machine Translation http://ai.googleblog.com/2019/10/exploring-massively-multilingual.html #DL #paper @Machine_learn article: https://arxiv.org/pdf/1907.05019.pdf

24 505

Unfolding the Structure of a Document using Deep Learning. #DL #paper @Machine_learn https://arxiv.org/abs/1910.03678