Computer Science and Programming

Открыть в Telegram

Channel specialized for advanced topics of: * Artificial intelligence, * Machine Learning, * Deep Learning, * Computer Vision, * Data Science * Python Admin: @otchebuch Memes: @memes_programming Ads: @Source_Ads, https://telega.io/c/computer_science

Больше

Сеть:Computer Science and Programming Италия87 Технологии и приложения816...

📈 Аналитический обзор Telegram-канала Computer Science and Programming

Канал Computer Science and Programming (@computer_science_and_programming) языкового сегмента Английский является активным участником. Сейчас сообщество объединяет 142 737 подписчиков, занимая 816 место в категории Технологии и приложения и 87 место в регионе Италия.

📊 Показатели аудитории и динамика

С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 142 737 подписчиков.

Согласно последним данным от 14 июня, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -1 292, а за последние 24 часа — -44, 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 1.82% реакций от общего числа подписчиков.
Охват публикаций: В среднем каждый пост получает 8 976 просмотров. В течение первых суток публикация набирает 2 595 просмотров.
Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 17.
Тематические интересы: Контент сосредоточен на ключевых темах, таких как sellerflash, github, developer, pricing, waybienad.

📝 Описание и контентная политика

Автор описывает ресурс как площадку для выражения субъективного мнения:
“Channel specialized for advanced topics of: * Artificial intelligence, * Machine Learning, * Deep Learning, * Computer Vision, * Data Science * Python Admin: @otchebuch Memes: @memes_programming Ads: @Source_Ads, https://telega.io/c/computer_sc...”

Благодаря высокой частоте обновлений (последние данные получены 15 июня, 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 Технологии и приложения.

142 737

Подписчики

-4424 часа

-2007 дней

-1 29230 день

8 976

Просмотры поста

~ 2 59524 часа

~ 3 64748 часов

6.29%

Коэффициент вовлеченности

~ 1

Постов в день

Ads index

beta

Архив постов

142 711

Paper: http://proceedings.mlr.press/v78/dosovitskiy17a/dosovitskiy17a.pdf Code: https://github.com/carla-simulator/carla

142 711

CARLA: An Open Urban Driving Simulator Open-source simulator for autonomous driving

142 711

https://github.com/dsgiitr/graph_nets?fbclid=IwAR39aQbvMVhVxNCbQOoxkxdkYgnfd3tMuqzvWBqz048i8iE8Sjavcqbh56M

142 711

PyTorch Implementation and Explanation of Graph Representation Learning papers involving DeepWalk, GCN, GraphSAGE, ChebNet & GAT.

142 711

Paper link, Blog and code are at their Github page: https://xbpeng.github.io/projects/DeepMimic/index.html?fbclid=IwAR3SaHAM-nii9UcpBJsWH-w7swuJudV9ouC7Ige8iuZDF0lbBy4ThchKhTo

142 711

DeepMimic: Example-Guided Deep Reinforcement Learning of Physics-Based Character Skills

142 711

Article: https://www.microsoft.com/en-us/research/blog/zero-deepspeed-new-system-optimizations-enable-training-models-with-over-100-billion-parameters/ Github: https://github.com/microsoft/DeepSpeed

142 711

ZeRO & DeepSpeed: New system optimizations enable training models with over 100 billion parameters

142 711

http://introtodeeplearning.com/

142 711

Course from MIT 6.S191 "Introduction to Deep Learning". Methods and applications in game play, medicine, language, art, computer vision, robotics and more

142 711

This video is synthetic and was created using deep learning

142 711

https://ai.facebook.com/blog/-introducing-pytorch3d-an-open-source-library-for-3d-deep-learning/

142 711

Introducing PyTorch3D: An open-source library for 3D deep learning. PyTorch3D: Faster, flexible 3D deep learning research

142 711

https://towardsdatascience.com/end-to-end-machine-learning-from-data-collection-to-deployment-ce74f51ca203 If you want to play with the app and see how it looks like: 💻Demo: https://www.reviews.ai2prod.com/ Code: https://github.com/MarwanDebbiche/post-tuto-deployment

142 711

End to End Machine Learning: From Data Collection to Deployment. - Collect and scrape data with Scrapy / Selenium - Train a deep character CNN for (English) sentiment analysis using PyTorch - Build an interactive web app with Dash to serve the model in real-time - Put everything in Docker Compose - Deploy to AWS on a custom domain name

142 711

More than 200 NLP datasets - this is gold (last update 21.01.202) https://quantumstat.com/dataset/dataset.html and also Google provided dataset search tool for publicly available datasets: https://datasetsearch.research.google.com/

142 711

Paper: https://arxiv.org/pdf/2001.05613.pdf Project page: http://www.ynl.t.u-tokyo.ac.jp/research/vmocap-syn/ Dataset will be available publicly soon

142 711

Synergetic Reconstruction from 2D Pose and 3D Motion for Wide-Space Multi-Person Video Motion Capture in the Wild

142 711

Paper pdf: https://arxiv.org/pdf/2001.05201.pdf Github: https://wywu.github.io/projects/EBT/EBT.html Youtube: https://youtu.be/tNPuAnvijQk

142 711

Everybody’s Talkin’: Let Me Talk as You Want This paper presents a method to edit a target portrait footage by taking a sequence of audio as input to synthesize a photo-realistic video.