Available now! Telegram Research 2025 — the year's key insights 
Machine learning books and papers
Open in Telegram
Admin: @Raminmousa ID: @Machine_learn link: https://t.me/Machine_learn
Show more📈 Analytical overview of Telegram channel Machine learning books and papers
Channel Machine learning books and papers (@machine_learn) in the English language segment is an active participant. Currently, the community unites 24 535 subscribers, ranking 8 076 in the Education category and 13 766 in the Iran region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 24 535 subscribers.
According to the latest data from 21 June, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -148 over the last 30 days and by -2 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 7.36%. Within the first 24 hours after publication, content typically collects 1.98% reactions from the total number of subscribers.
- Post reach: On average, each post receives 1 806 views. Within the first day, a publication typically gains 485 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 3.
- Thematic interests: Content is focused on key topics such as disorder, psy, مقاله, framework, graph.
📝 Description and content policy
The author describes the resource as a platform for expressing subjective opinions:
“Admin: @Raminmousa
ID: @Machine_learn
link: https://t.me/Machine_learn”
Thanks to the high frequency of updates (latest data received on 22 June, 2026), the channel maintains relevance and a high level of publication reach. Analytics show that the audience actively interacts with content, making it an important point of influence in the Education category.
24 535
Subscribers
-224 hours
-447 days
-14830 days
Posts Archive
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
Repost from Papers
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
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
Repost from Papers
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
Repost from Papers
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
