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 24 533 підписників, посідаючи 8 070 місце в категорії Освіта та 13 771 місце у регіоні Іран.

📊 Показники аудиторії та динаміка

З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 24 533 підписників.

За останніми даними від 22 червня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -150, а за останні 24 години на -5, загальне охоплення залишається високим.

Статус верифікації: Не верифікований
Рівень залученості (ER): Середній показник залученості аудиторії становить 7.45%. Протягом перших 24 годин після публікації контент зазвичай збирає 1.90% реакцій від загальної кількості підписників.
Охоплення публікацій: В середньому кожен допис отримує 1 829 переглядів. Протягом першої доби публікація в середньому набирає 465 переглядів.
Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 3.
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 23 червня, 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.

24 533

Підписники

-524 години

-417 днів

-15030 день

1 829

Перегляди допису

~ 46524 години

~ 57948 годин

7.45%

Коефіцієнт залучення

Немає даних

Дописів на день

Ads index

beta

Архів дописів

24 533

Audio, Video, and Webcams in Python (Lost Chapter from Automate the Boring Stuff) 📕 Book @Machine_learn

24 533

با عرض سلام موضوع زير رو می خواهیم به صورت گروهی ادامه بدیم. - survey on GAN methods for time series data generation نفرات ١ تا ٣ پر شده و ٤ ،٥، و ٦ باقي موندن. دوستاني كه نياز دارند مي تونن به بنده پيام بدن. نمونه كارهاي مشترك قبلي 1: llm survey https://www.preprints.org/manuscript/202504.2464/download/final_file 2: Next G survey https://www.preprints.org/frontend/manuscript/6a1dadfbe284a8e1b45ba04e5af1fdf5/download_pub 3: Metrcis survey. @Raminmousa

24 533

سابميت اين مقاله امشب اگر كسي نياز داشت نفر سوم خالي هستش...! @Raminmousa

24 533

Reflections on OpenAI 📚 link @Machine_learn

24 533

How to Optimize Your Python Code Even If You’re a Beginner 📚 Read @Machine_learn

24 533

این مقاله تا فرداشب سابمیت میشه دوستانی که نیاز دارن بهم مراجعه کنند...! @Raminmousa

24 533

Parallels Between VLA Model Post-Training and Human Motor Learning: Progress, Challenges, and Trends 🖥 Github: https://github.com/aoqunjin/awesome-vla-post-training 📕 Paper: https://arxiv.org/pdf/2506.20966v1.pdf 🔗 Dataset: https://paperswithcode.com/dataset/imagenet1 @Machine_learn

24 533

Repost from Papers

با عرض سلام مقاله مروري تحت عنوان زير رو نوشتيم فردا قرار سابميت بشه اگر كسي از دوستان خواست ميتونه براي جايگاه سوم اقدام كنه. Survey on evaluation metrics for learning system @Raminmousa @paper4money

24 533

Understanding Gradients 📚 Read @Machine_learn

24 533

Article Title: AutoAgent: A Fully-Automated and Zero-Code Framework for LLM Agents PDF Download Link: https://arxiv.org/pdf/2502.05957v2.pdf GitHub: • https://github.com/hkuds/autoagent • https://github.com/hkuds/auto-deep-research @Machine_learn

24 533

Microsoft Build 2025: The age of AI agents and building the open agentic web 📚 Read @Machine_learn

24 533

Repost from Papers

با عرض سلام نيازمند شخصي هستيم كه بتونه در پروژه MedicalRec به ما كمك كنه. Git:https://github.com/Ramin1Mousa/MedicalRec هدف اين پروژه ارائه ي يك ريكامندر در حوزه پزشكي است كه از ترين مجدد شبكه ها جلوگيري كنه. كه منجر به صرف جوي در هزينه و صرف جوي در انرژي مصرفي ميشه. مجموعه داده ها شامل ٣٠٠٠ مقاله بوده كه كامل طي ٣ ماه جمع اوري شده است. هزينه مشاركت ٥٠٠$ هستش و اسم به عنوان نفر دوم در نظر گرفته ميشه. Journal: IEEE Transactions on Pattern Analysis and Machine Intelligence If: 18.6 @Raminmousa

24 533

📄 Large Language Models in Genomics—A Perspective on Personalized Medicine 📎 Study the paper @Machine_learn

24 533

SRT-H: A Hierarchical Framework for Autonomous Surgery via Language Conditioned Imitation Learning 📚 Read @Machine_learn

24 533

با عرض سلام این یک کار بنیادی هستش که در ادامه مقالات متفاوتی در این حوزه خواهیم داد. نفر دوم اگر کسی تمایل داشت اطلاع بده. @Raminmousa

24 533

Article Title: AReaL: A Large-Scale Asynchronous Reinforcement Learning System for Language Reasoning PDF Download Link: https://arxiv.org/pdf/2505.24298v2.pdf GitHub: • https://github.com/inclusionai/areal Datasets: • MATH @Machine_learn

24 533

A Beginner’s Guide to AirTable for Data Analysis 📚 Guide @Machine_learn

24 533

Context Engineering Guide 📚 Read @Machine_learn

24 533

Repost from Papers

با عرض سلام نفرات ٢ تا ٤ قابل اضافه شدن به مقاله زير مي باشد. Title:Probability latent for Recurrent Neural Networks Basic deficiencies abstract: Time series prediction analyzes patterns in past data to predict the future. Traditional machine learning algorithms, despite achieving impressive results, require manual feature selection. Automatic feature selection along with the addition of the time concept in deep recurrent networks has led to more suitable solutions. The selection of feature order in deep recurrent networks leads to the provision of different results due to the use of back-propagation. The problem of selecting feature order is an NP-complete problem. . ..... The proposed approach has an improvement of 0.49 over the reviewed approaches in some benchmarks. Price: 2:500$ 3:400$ 4:250$ @Raminmousa @Machine_learn @Paper4money