Machine learning books and papers

📑 A gentle introduction to pangenomics 📎 Study the paper @Machine_learn

برترین کانال‌های آموزشی در زمینه های هوش‌مصنوعی, پایتون و یادگیری ماشین و علم  داده ‏ معرفی دوره های رایگان AI, ML, LLM و DataScience   @Ai_Tv مجله هوش‌مصنوعی @Homeai یادگیری عمیق و هوش مصنوعی @cvision آموزش‌های تخصصی هوش مصنوعی @class_vision دوره‌های تخصصی LLM ،VLM و Agentic AI @llm_huggingface رویدادهای هوش‌مصنوعی @eventai آموزش Machine Learning @Machine_learn آموزش علوم داده @DataPlusScience آموزش ، اخبار و تحولات هوش‌مصنوعی @Ai_NewsTv ‏ دوره های رایگان Python , ML و  Ai از موسسات معتبر @Python4all_pro ‏منابع آموزشی پایتون برای علم داده ،ML & Ai : @programmers_street

با عرض سلام برای مقاله ی زیر نفرات ۲ تا ۴ قابل اضافه شدن می باشد. Title: Independently Recurrent Neural Network XGBoost (IXGBOOST) proposed method for Short term load forecasting Abstract: Short-term load forecasting (STLF) is one of the most important and critical issue for power system operators. Therefore, it plays a fundamental role in improving the reliability of the power system, facilitating the integration of renewable energy sources and making demand response processes more efficient. Today, electricity forecasting based on sensor data with the increasing popularity of smart meter applications. On the other hand, STLF is one of the most critical inputs for the power plant planning undertaking. STLF reduces the overall scheduling uncertainty added by the intermittent generation of renewable resources. Therefore, it helps to minimize the cost of hydrothermal power generation in a power grid. Machine learning (ML) models have obtained acceptable results in this field. These approaches require manual feature extraction, which is challenging. Because of feature selection, deep learning approaches have automatically achieved results in prediction problems. This research proposes a network approach based on IndRNN+XGBoost to forecast electricity consumption in three modes: hourly, daily and weekly. .... Journal: Optik 2: 20 milion 3:15 milion 4:10 milion @Raminmousa @Machine_learn @paper4money

📹 AI in Bioinformatics Overcoming Pitfalls in Statistical, ML and Generative AI Approaches 🎞 Watch @Machine_learn

برترین کانال‌های آموزشی در زمینه های هوش‌مصنوعی, پایتون و یادگیری ماشین و علم  داده ‏ معرفی دوره های رایگان AI, ML, LLM و DataScience   @Ai_Tv مجله هوش‌مصنوعی @Homeai یادگیری عمیق و هوش مصنوعی @cvision آموزش‌های تخصصی هوش مصنوعی @class_vision دوره‌های تخصصی LLM ،VLM و Agentic AI @llm_huggingface رویدادهای هوش‌مصنوعی @eventai آموزش Machine Learning @Machine_learn آموزش علوم داده @DataPlusScience آموزش ، اخبار و تحولات هوش‌مصنوعی @Ai_NewsTv ‏ دوره های رایگان Python , ML و  Ai از موسسات معتبر @Python4all_pro ‏منابع آموزشی پایتون برای علم داده ،ML & Ai : @programmers_street

🔹 Title: UltraMemV2: Memory Networks Scaling to 120B Parameters with Superior Long-Context Learning 🔹 Publication Date: Published on Aug 26 🔹 Paper Links: • arXiv Page: https://arxiv.org/abs/2508.18756 • PDF: https://arxiv.org/pdf/2508.18756 • Github: https://github.com/ZihaoHuang-notabot/Ultra-Sparse-Memory-Network @Machine_learn

🔹 Title: OmniHuman-1.5: Instilling an Active Mind in Avatars via Cognitive Simulation 🔹 Publication Date: Published on Aug 26 🔹 Paper Links: • arXiv Page: https://arxiv.org/abs/2508.19209 • PDF: https://arxiv.org/pdf/2508.19209 • Project Page: https://omnihuman-lab.github.io/v1_5/ @Machine_learn

نفر ۷ از این مقاله پر شد...!

با عرض سلام در حال تنظیم مقاله ای تحت عنوان Title: MediSeg: Medical Segmentation and classification Recommender system .... Journal: IEEE Transactions on Medical Imaging If: 9.8 این کار ۶ ماه طول خواهد کشید و به مسائل بهینه سازی انرژی، جلوگیری از اموزش مجدد شبکه ها، و مسائل تولید کربن در شبکه ها ی عصبی پرداخته خواهد شد. هزینه مشارکت : 2: 600$ 3:500 $ 4: 400$ 5:300$ 6: 200$ 7:200$ @Raminmousa @Machine_learn @Paper4money

State of AI-assisted Software Development 📕 Report @Machine_learn

با عرض سلام دوستاني كه مايل به اين پروژه هستن مي تونن بهمون ملحق بشن @Raminmousa

The Smol Training Playbook: The Secrets to Building World-Class LLMs 📚 Read @Machine_learn

5-phase path every ML systems engineer follows but almost no one talks about. 📚 Read @Machine_learn

ایران‌جی‌پی‌یو — بستر قدرتمند ⚡️GPU برای توسعه، یادگیری و استقرار مدل‌های هوش مصنوعی در هر مقیاس 🚀 🧠 GPUهای نسل جدید: H100 / L40S / A10 آماده برای LLM، Vision و Agentهای سازمانی 🤖 🟢 پایداری واقعی با SLA 99.9% 💬 پشتیبانی لحظه‌ای ۲۴/۷، همیشه در کنار شما ✨ ما زیرساخت را فراهم می‌کنیم، تا شما فقط بر خلق و نوآوری تمرکز کنید. ❓ پرسش یا پروژه‌ای دارید که نیاز به توان پردازشی بالا دارد؟ تیم ما کنار شماست تا بهترین راه‌حل پردازشی را برای پروژه‌تان پیشنهاد دهد و مسیر اجرای مدل‌های هوش مصنوعی را سریع‌تر و اقتصادی‌تر کند. 🚀 فرم زیر را تکمیل کنید تا در کوتاه‌ترین زمان با شما تماس بگیریم! 🚀 https://b2n.ir/zj9753

با عرض سلام در حال تنظیم مقاله ای تحت عنوان Title: MediSeg: Medical Segmentation and classification Recommender system .... Journal: IEEE Transactions on Medical Imaging If: 9.8 این کار ۶ ماه طول خواهد کشید و به مسائل بهینه سازی انرژی، جلوگیری از اموزش مجدد شبکه ها، و مسائل تولید کربن در شبکه ها ی عصبی پرداخته خواهد شد. هزینه مشارکت : 2: 600$ 3:500 $ 4: 400$ 5:300$ 6: 200$ 7:200$ @Raminmousa @Machine_learn @Paper4money

با عرض سلام در حال تنظیم مقاله ای تحت عنوان Title: MediSeg: Medical Segmentation and classification Recommender system .... Journal: IEEE Transactions on Medical Imaging If: 9.8 این کار ۶ ماه طول خواهد کشید و به مسائل بهینه سازی انرژی، جلوگیری از اموزش مجدد شبکه ها، و مسائل تولید کربن در شبکه ها ی عصبی پرداخته خواهد شد. هزینه مشارکت : 2: 600$ 3:500 $ 4: 400$ 5:300$ 6: 200$ 7:200$ @Raminmoua @Machine_learn @Paper4money

A combined UNet++ and LSTM approach for breast ultrasound image segmentation Author: @Raminmousa Doi:https://kwnsfk27.r.eu-west-1.awstrack.me/L0/https:%2F%2Fdoi.org%2F10.1016%2Fj.fraope.2025.100385/1/0102019a29ac6163-f3d94222-1d67-4a4b-8bb0-22ed875a5711-000000/VLVCKG-PEYhELOu00YPCeqOuaaA=449 Link:https://www.sciencedirect.com/science/article/pii/S2773186325001732?ref=pdf_download&fr=RR-8&rr=9958aaca19dd11fc @Machine_learn

gpt-engineer gpt-engineer is a project in which you specify what you want in plain English and it iterates to produce a working codebase or scaffolded app. It’s an excellent playground for anyone exploring code-generation agents. And the repo contains clear install/usage instructions and a low-friction dev loop. Creator:   AntonOsika Stars ⭐️:  55,000 Forked by:  7,300 Github Repo: https://github.com/AntonOsika/gpt-engineer @Machine_learn

دوستانی که نیاز به این مقاله دارن جایگاه ۲، ۳، ۴ خالی می باشد...! @Raminmousa

🔹 Title: OmniHuman-1.5: Instilling an Active Mind in Avatars via Cognitive Simulation 🔹 Publication Date: Published on Aug 26 🔹 Paper Links: • arXiv Page: https://arxiv.org/abs/2508.19209 • PDF: https://arxiv.org/pdf/2508.19209 • Project Page: https://omnihuman-lab.github.io/v1_5/ @Machine_learn