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

142 737

Advancing the state of the art in computer vision with self-supervised Transformers and 10x more efficient training

142 737

CS224W: Machine Learning with Graphs - Stanford / Winter 2021 https://www.youtube.com/playlist?list=PLuv1FSpHurUemjLiP4L1x9k6Z9D8rNbYW Full Stack Deep Learning - Spring 2021 - UC Berkeley https://www.youtube.com/playlist?list=PLuv1FSpHurUc2nlabZjCLLe8EQa9fOoa9 Introduction to Deep Learning (I2DL) - Technical University of Munich https://www.youtube.com/playlist?list=PLuv1FSpHurUdmk7v06MDyIx0SDxTrIoqk 3D Computer Vision - National University of Singapore - 2021 https://www.youtube.com/playlist?list=PLuv1FSpHurUflLnJF6hgi0FkeNG1zSFCZ CV3DST - Computer Vision 3: Detection, Segmentation and Tracking https://www.youtube.com/playlist?list=PLuv1FSpHurUd08wNo1FMd3eCUZXm8qexe ADL4CV - Advanced Deep Learning for Computer Vision https://www.youtube.com/playlist?list=PLuv1FSpHurUcQi2CwFIVQelSFCzxphJqz

142 737

2021- Courses List of Machine Learning, Deep Learning, and Computer Vision from a top school

142 737

Paper: https://arxiv.org/pdf/1811.08264.pdf Github: https://github.com/DirtyHarryLYL/Transferable-Interactiveness-Network Learning list: https://github.com/DirtyHarryLYL/HOI-Learning-List

142 737

Transferable Interactiveness Knowledge forHuman-Object Interaction Detection

142 737

Paper: https://arxiv.org/pdf/2104.01604v1.pdf Github: https://github.com/speechbrain/speechbrain/tree/develop/recipes/timers-and-such Dataset: https://zenodo.org/record/4623772#.YHFLkxKRWJk

142 737

Timers and Such: A Practical Benchmark for Spoken Language Understanding with Numbers End-to-end pipeline for Spoken Language Understanding (SLU)

142 737

Github: https://github.com/ai-coodinator/yolact_edge YolactEdge, competitive instance segmentation approach that runs on small edge devices at real-time speeds. Specifically, YolactEdge runs at up to 30.8 FPS on a Jetson AGX Xavier (and 172.7 FPS on an RTX 2080 Ti) with a ResNet-101 backbone on 550x550 resolution images.

142 737

YolactEdge Real time Instance Segmentation on the Edge https://www.youtube.com/watch?v=pMDwXkIerw8

142 737

Paper: https://arxiv.org/pdf/2103.07941v1.pdf Github: https://github.com/hkchengrex/MiVOS Project page: https://hkchengrex.github.io/MiVOS/

142 737

CVPR 2021 paper Modular Interactive Video Object Segmentation: Interaction-to-Mask, Propagation and Difference-Aware Fusion (MiVOS)

142 737

Blog: https://ai.facebook.com/blog/-detectron2-a-pytorch-based-modular-object-detection-library-/ Github: https://github.com/facebookresearch/detectron2 Documentation: https://detectron2.readthedocs.io/en/latest/tutorials/getting_started.html Colab tutorial: https://colab.research.google.com/drive/16jcaJoc6bCFAQ96jDe2HwtXj7BMD_-m5#scrollTo=QHnVupBBn9eR

142 737

Detectron2 is a ground-up rewrite of Detectron that started with maskrcnn-benchmark. The platform is now implemented in PyTorch.

142 737

Paper: https://arxiv.org/pdf/2102.09480.pdf Github: https://ycliu93.github.io/projects/unbiasedteacher.html Project page: https://ycliu93.github.io/projects/unbiasedteacher.html

142 737

"Unbiased Teacher for Semi-Supervised Object Detection" from Facebook researchers

142 737

Github: https://github.com/mobvoi/wenet Paper: https://arxiv.org/pdf/2102.01547v1.pdf Tutorial: https://github.com/mobvoi/wenet/blob/main/docs/tutorial.md

142 737

End-to-end speech recognition toolkit (based on Pytorch) What's make it different from other ASR toolkits: * Production first and production ready * Unified solution for streaming and non-streaming ASR * Portable runtime * Light weight

142 737

Github: https://github.com/tohinz/CharacterGAN Paper: https://arxiv.org/pdf/2102.03141.pdf You can use also interactive GUI to easily repose a given character based on keypoints.

142 737

Create Character Animation with small amount of data by using Generative Adversarial Network (GAN)

142 737

Github: https://github.com/DirtyHarryLYL/Transferable-Interactiveness-Network Paper: https://arxiv.org/pdf/2101.10292v1.pdf Human-Object Interaction Learning studies (bonus): https://github.com/DirtyHarryLYL/HOI-Learning-List