Machine learning books and papers

Відкрити в Telegram

Admin: @Raminmousa ID: @Machine_learn link: https://t.me/Machine_learn

📈 Аналітичний огляд Telegram-каналу Machine learning books and papers

Канал Machine learning books and papers (@machine_learn) у мовному сегменті Англійська є активним учасником. На даний момент спільнота об'єднує 24 506 підписників, посідаючи 8 028 місце в категорії Освіта та 13 775 місце у регіоні Іран.

📊 Показники аудиторії та динаміка

З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 24 506 підписників.

За останніми даними від 02 липня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -109, а за останні 24 години на 5, загальне охоплення залишається високим.

Статус верифікації: Не верифікований
Рівень залученості (ER): Середній показник залученості аудиторії становить 6.29%. Протягом перших 24 годин після публікації контент зазвичай збирає 2.04% реакцій від загальної кількості підписників.
Охоплення публікацій: В середньому кожен допис отримує 1 541 переглядів. Протягом першої доби публікація в середньому набирає 500 переглядів.
Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 1.
Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як disorder, psy, مقاله, framework, graph.

📝 Опис та контентна політика

Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“Admin: @Raminmousa ID: @Machine_learn link: https://t.me/Machine_learn”

Завдяки високій частоті оновлень (останні дані отримано 03 липня, 2026), канал підтримує актуальність та високий рівень охоплення публікацій. Аналітика показує, що аудиторія активно взаємодіє з контентом, що робить його важливою точкою впливу в категорії Освіта.

24 506

Підписники

+524 години

-147 днів

-10930 день

1 541

Перегляди допису

~ 50024 години

~ 61348 годин

6.29%

Коефіцієнт залучення

Немає даних

Дописів на день

Ads index

beta

Архів дописів

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