Уже доступно! Исследование Telegram 2025 — ключевые инсайты года 
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
Архив постов
DENet: a deep architecture for audio surveillance applications
GIthub: https://github.com/MiviaLab/DENet
Paper: https://link.springer.com/article/10.1007/s00521-020-05572-5
@Machine_learn
👉Lecture Notes for Linear Algebra Featuring Python
.
GitHub link : https://github.com/MacroAnalyst/Linear_Algebra_With_Python
@Machine_learn
TensorFlow Lite on GPU
https://www.tensorflow.org/lite/performance/gpu_advanced
@Machine_learn
🔇 Deep Noise Suppression Challenge – ICASSP 2021
Github: https://github.com/microsoft/DNS-Challenge
Paper: https://arxiv.org/abs/2101.01902v1
Training and test datasets: https://github.com/microsoft/DNS-Challenge/tree/master/datasets
Challenge: https://www.microsoft.com/en-us/research/academic-program/deep-noise-suppression-challenge-icassp-2021/
@Machine_learn
🚀 DALL·E is a 12-billion parameter version of GPT-3 trained to generate images from text descriptions
Introduction: https://openai.com/blog/tags/multimodal/
Deepmind Blog: https://openai.com/blog/dall-e/
Github: https://github.com/openai/CLIP
Paper: https://cdn.openai.com/papers/Learning_Transferable_Visual_Models_From_Natural_Language.pdf
Colab: https://colab.research.google.com/github/openai/clip/blob/master/Interacting_with_CLIP.ipynb
@Machine_learn
Not All Memories are Created Equal: Learning to Expire
Github: https://github.com/lucidrains/learning-to-expire-pytorch
Paper: https://openreview.net/forum?id=ZVBtN6B_6i7
@Machine_learn
How to Create Custom Real-time Plots in Deep Learning
https://www.kdnuggets.com/2020/12/create-custom-real-time-plots-deep-learning.html
@Machine_learn
180 Data Science and Machine Learning Projects with Python
https://medium.com/coders-camp/180-data-science-and-machine-learning-projects-with-python-6191bc7b9db9
@Machine_learn
Generating Beautiful Neural Network Visualizations
https://www.kdnuggets.com/2020/12/generating-beautiful-neural-network-visualizations.html
@Machine_learn
💉 MeDAL: Medical Abbreviation Disambiguation Dataset for Natural Language Understanding Pretraining
Github: https://github.com/BruceWen120/medal
Paper: https://arxiv.org/abs/2012.13978v1
Dataset: https://www.kaggle.com/xhlulu/medal-emnlp
Pre-trained: https://huggingface.co/xhlu/electra-medal
@Machine_learn
Feature Selection with Stochastic Optimization Algorithms
https://machinelearningmastery.com/feature-selection-with-optimization/
@Machine_learning
Adversarial Examples in Deep Learning.
https://blog.djsarkar.ai/adversarial-learning-attacks-1/
Github: https://github.com/dipanjanS/adversarial-learning-robustness
@Machine_learn
Rotated Binary Neural Network
Github (Pytorch implementation): https://github.com/lmbxmu/RBNN
Paper: https://arxiv.org/abs/2009.13055
@Machine_learn
Visualisation of the attention patterns of Vision Transformer
link: https://epfml.github.io/attention-cnn/
@Machine_learn
🌐 Optimization Algorithms in Neural Networks
https://datascience-enthusiast.com/DL/Optimization_methods.html
Most used optimizers: https://www.theaidream.com/post/optimization-algorithms-in-neural-networks
@Machine_learn
🤩 7 Awesome Open Source Machine Learning Project Repos👍
1. DeOldify - https://github.com/jantic/DeOldify
2. Real-Time Voice Cloning - https://github.com/CorentinJ/Real-Time-Voice-Cloning
3. Face Recognition - https://github.com/ageitgey/face_recognition
4. NeuralTalk2 - https://github.com/karpathy/neuraltalk2
5. U-GAT-IT - https://github.com/taki0112/UGATIT
6. Srez - https://github.com/david-gpu/srez
7. TecoGAN - https://github.com/thunil/TecoGAN
@Machine_learn
MIT launched a New free Course on Machine learning : Click here
@Machine_learn
📈 کارگاه Kernel Methods for Pattern Analysis
📅 تاریخ برگزاری: پنج شنبه ۲۷ آذر از ساعت ۱۳ الی ۱۶.۳۰ و جمعه ۲۸ آذر ۱۰ الی ۱۶.۳۰
🖥 این دوره به صورت آنلاین برگزار خواهد شد.
🔖 ثبت نام زود هنگام این دوره را از دست ندهید!
⭕️ برای مشاهده جزئیات بیشتر و ثبت نام روی این لینک کلیک کنید.
❌ دوره دارای ظرفیت محدود می باشد.
🕙 مدت این دوره: 8 ساعت
➖➖➖➖➖➖➖➖
@LoopAcademy
