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 24 516 subscribers, ranking 8 048 in the Education category and 13 749 in the Iran region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 24 516 subscribers.
According to the latest data from 26 June, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -162 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 5.76%. Within the first 24 hours after publication, content typically collects 1.79% reactions from the total number of subscribers.
- Post reach: On average, each post receives 1 412 views. Within the first day, a publication typically gains 440 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 1.
- 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 27 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.
24 516
Subscribers
-224 hours
-337 days
-16230 days
Posts Archive
An open source UI to train your own Flux LoRA just landed on Hugging Face 🚀 Also, probably the easiest and cheapest (local training also supported).
https://huggingface.co/spaces/autotrain-projects/train-flux-lora-ease
@Machine_learn
DocsGPT
DocsGPT is a cutting-edge open-source solution that streamlines the process of finding information in project documentation. With its integration of the powerful GPT models, developers can easily ask questions about a project and receive accurate answers.
Say goodbye to time-consuming manual searches, and let DocsGPT help you quickly find the information you need. Try it out and see how it revolutionizes your project documentation experience. Contribute to its development and be a part of the future of AI-powered assistance.
Creator: Arc53
Stars ⭐️: 7.4k
Forked By: 769
https://github.com/arc53/DocsGPT
#DocsGPT #GPT
@Machine_learn
🎓 Graph Neural Networks in Intrusion Detection
📘A thesis submitted in fulfilment of the requirements for the degree of MSc. Computer Science
🗓Publish year: 2024
📎Study Thesis
@Machine_learn
Paper: Scalable Autoregressive Image Generation with Mamba
Paper: https://arxiv.org/pdf/2408.12245v1.pdf
Code: https://github.com/hp-l33/aim
Dataset: ImageNet
@Machine_learn
Repost from Papers
با عرض سلام دوستانی که نیاز به سایتیشن دارند سه تا از مقالات ما اماده ی سایت زنی هستند. هر سه مقاله در حوزه ی طبقه بندی و تقسیم بندی تصاویر می باشند. دومقاله در مرحله ی سابمیت و ۱ مقاله در مرحله ی ریوایزد می باشند.
@Raminmousa
@paper4money
@Machine_learn
📃A key review on graph data science: The power of graphs in scientific studies
📎 Study paper
@Machine_learn
MER 2024: Semi-Supervised Learning, Noise Robustness, and Open-Vocabulary Multimodal Emotion Recognition
🖥 Github: https://github.com/zeroqiaoba/mertools
📕 Paper: https://arxiv.org/abs/2404.17113v1
🔥Dataset: https://paperswithcode.com/dataset/voxceleb2
@Machine_learn
سلام دوستان
من دانشجوی دکترای یکی از دانشگاه آمریکا هستم.
قرار هست ۱ سپتامبر در کنفرانس IEEE پیپر سابمیت کنیم و ۱ اکتبر جواب اکسپت میاد و ما بلافاصله در آرکایو هم قرار میدیم.
** سایتیشن: سایتی ۲۰ دلار
(در مرحله سابمیت امکانش نیست و فقط بعد از اکسپتی پیپر و در مرحله camera ready)
** نفر اول: ۵۵۰ دلار
** نفر پنجم: ۱۵۰ دلار
بعد کنفرانس پیپر در ieee نمایه میشه.
به دلیل اینکه بعضی از نویسندگان به دنبال گرفتن گرین کارت از طریق داشتن مقاله و سایتیشن از آن هستند، ما قبل نمایه شدن در IEEE در آرکایو هم قرار میدیم و سایتیشن می زنیم.
اگر مدنظرتون بود به این آی دی پیام بدین:
@reza_alvandi
Recurrent Neural Networks Learn to Store and Generate Sequences
using Non-Linear Representations
#RNN
https://arxiv.org/pdf/2408.10920
@Machine_learn
Dynamic Prompt Learning: Addressing Cross-Attention Leakage for Text-Based Image Editing
🖥 Github: https://github.com/wangkai930418/DPL
📕 Paper: https://arxiv.org/abs/2405.01496v1
🔥Dataset: https://neurips.cc/virtual/2023/poster/72801
@Machine_learn
✅
شرکت در این مقالات صرفا هزینه ای نیست تسک هم باید انجام بدین.
Repost from Papers
با عرض سلام براي يكي از مقالاتمون نياز به اسپانسر داريم كه در حوزه ي طبقه بندي تصاوير پزشكي هستش و هزينه سرور ٤٠٠$ مي باشد. براي اين منظور جايگاه دوم رو به شخص پرداخت كننده واگذار مي كنيم. جهت اطلاعات بيشتر با بنده
در ارتباط باشين.
مقاله تنها با دو نفر سابمیت خواهد شد.
@Raminmousa
Very cool cookbook here
PDF extractor, calendar agent, data analyst, financial agent & more
docs: https://docs.cohere.com/docs/multi-step-tool-use
cookbook: https://github.com/cohere-ai/notebooks/tree/main?tab=readme-ov-file#agents
✅@Machine_learn
✅paper :Transformers in Time Series: A Survey
#Transfromer #Time_series #DL
✅@Machine_learn
Graph Diffusion Policy Optimization
🖥 Github: https://github.com/sail-sg/gdpo
📕 Paper: https://arxiv.org/pdf/2402.16302v1.pdf
🔥Dataset: https://paperswithcode.com/dataset/zinc
✨ Tasks: https://paperswithcode.com/task/graph-generation
✅@Machine_learn
با عرض سلام دو پکیچ یادگیری ماشین و یادگیری عمیق را برای دوستانی که می خواهند تا فرداشب با تخفیف ۵۰٪ مجدد قرار دادیم این تخفیف اخرین سری از تخفیف های این دو پکیچ می باشد
1: introduction to machine learning
2: Regression (linear and non-linear)
3: Tensorflow introduction
4: Tensorflow computaion graph
5: Tensorflow optimizer and loss function
6: Tensorflow linear and non linear regression
7: logistic regression
8: Tensorflow regression
___________
9: introduction to traditional machine learning
*10: knn and desicion tree
*11: desicion tree and Naive bayes
*12: desicion tree, knn, Naive bayes implementation
*13: k-means
*14: Guassion Mixture Model(GMM)
*15: implementation K-means and GMM
_
16: introduction to Artificial Neural Network
17: Multi-level Neural Network
18: Introduction to Convolution Neural Network
19: Tensorflow Multi-level Neural Network
20:Tensorflow CNN
21:CNN image clasaification
22: Cnn text clasaification
23: Recurrent Neural Network(RNN)
جهت تهیه می تونین به ایدی بنده مراجعه کنین
@Raminmousa
Recall-Oriented-CL-Framework
🖥 Github: https://github.com/bigdata-inha/recall-oriented-cl-framework
📕 Paper: https://arxiv.org/pdf/2403.03082v1.pdf
🔥Dataset: https://paperswithcode.com/dataset/cifar-10
✨ Tasks: https://paperswithcode.com/task/continual-learning
✅@Machine_learn
Pixart-Sigma, the first high-quality, transformer-based image generation training framework!
🖥 Github: https://github.com/PixArt-alpha/PixArt-sigma
🔥Demo: https://huggingface.co/spaces/PixArt-alpha/PixArt-Sigma
✅@Machine_learn
سلام دوستان
من یک دانشجوی دکترای دانشگاه آمریکا هستم.
اخیرا یکی از پیپرام در کنفرانس ieee اکسپت شده و می خواستم نفر دوم و چهارمش رو واگذار کنم.
کنفرانس ieee توی آمریکاست.
سایتیشن: سایتی ۲۰ دلار
نفر دوم: ۴۰۰ دلار
نفر چهارم: ۲۵۰ دلار
کنفرانس هم ۸ سپتامبر در میشیگان هست و بعدش پیپر تو ieee نمایه میشه.
اگر مدنظرتون بود به این آی دی پیام بدین:
@reza_alvandi
💨 Scaling hierarchical agglomerative clustering to trillion-edge graphs
https://research.google/blog/scaling-hierarchical-agglomerative-clustering-to-trillion-edge-graphs/
✅@Machine_learn
