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

24 504

Therapeutics Data Commons: Machine Learning Datasets and Tasks for Therapeutics Github: https://github.com/mims-harvard/TDC Paper: https://arxiv.org/abs/2102.09548 Datasets: https://tdcommons.ai/ @Machine_learn

24 504

Python for data science cheatsheet #python #chearsheet @Machine_learn

24 504

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 ٥٠٠هزارمیباشد(صرفا هزينه تهيه ديتاست هاست). جهت خريد مي توانيد با ايدي بنده در ارتباط باشيد @Raminmousa

24 504

https://analyticsindiamag.com/guide-to-pgmpy-probabilistic-graphical-models-with-python-code/ @Machine_learn

24 504

AI for Data Science #book #Al @Machine_learn

24 504

Introducing Model Search: An Open Source Platform for Finding Optimal ML Models http://ai.googleblog.com/2021/02/introducing-model-search-open-source.html @Machine_learn

24 504

GraphGallery: A Platform for Fast Benchmarking and Easy Development of Graph Neural Networks Based Intelligent Software Github: https://github.com/EdisonLeeeee/GraphGallery Paper: https://arxiv.org/abs/2102.07933v1 @Machine_learn

24 504

🔸لیستی از برترین کانال‌های آموزشی در زمینه های هوش‌مصنوعی, پایتون و یادگیری ماشین ‏❯ هوش مصنوعی: 1️⃣ @Ai_Tv 2⃣ @AI_PYTHON 3⃣ @cvision 4⃣ @HomeAI ‏❯ یادگیری ماشین و یادگیری عمیق : 1️⃣ @Machine_learn ‏❯ علم داده: 1⃣ @dataanalysis 2⃣ @python4finance 3⃣ @mr_ie ‏❯ آموزش پایتون : 1⃣ @pythony 2⃣ @pythonchallenge 3⃣ @SQL_Server 4⃣ @Koolac_Org 5⃣ @Raspberry_Python 6⃣ @Programming4all_0to100

24 504

TI-Capsule: Capsule Network for Stock Exchange Prediction #Paper @Raminmousa @Machine_learn

24 504

🧪 Alchemy: A structured task distribution for meta-reinforcement learning Deepmind: https://deepmind.com/research/publications/alchemy Github: https://github.com/deepmind/dm_alchemy Paper: https://arxiv.org/abs/2102.02926 @Machine_learn

24 504

How to Speed up Scikit-Learn Model Training https://www.kdnuggets.com/2021/02/speed-up-scikit-learn-model-training.html @Machine_learn

24 504

📌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

24 504

Neural-Backed Decision Trees Demo: https://research.alvinwan.com/neural-backed-decision-trees/ Github: https://github.com/alvinwan/neural-backed-decision-trees Paper: https://arxiv.org/abs/2004.00221 Code: https://colab.research.google.com/github/alvinwan/neural-backed-decision-trees/blob/master/examples/load_pretrained_nbdts.ipynb Dataset: https://pytorch.org/docs/stable/torchvision/datasets.html @Machine_learn

24 504

Building Image Segmentation Faster Using Jupyter Notebooks from NGC https://developer.nvidia.com/blog/building-image-segmentation-faster-using-jupyter-notebooks-from-ngc/ @Machine_learn

24 504

ML Algorithms Cheatsheet (python and R) #code #python #R @Machine_learn

24 504

Super VIP Cheatsheet: Machine Learning Afshine Amidi and Shervine Amidi #ML @Machine_learn

24 504

Quantum Computing and Blockchain in Business (2020) #book #2020 #Blockchain @Machine_learn

24 504

Alternative data #book @Machine_learn

24 504

Evaluating Design Trade-offs in Visual Model-Based Reinforcement Learning http://ai.googleblog.com/2021/02/evaluating-design-trade-offs-in-visual.html @Machine_learn

24 504

TracIn — A Simple Method to Estimate Training Data Influence http://ai.googleblog.com/2021/02/tracin-simple-method-to-estimate.html @Machine_learn