Machine learning books and papers

MoSiC: Optimal-Transport Motion Trajectory for Dense Self-Supervised Learning 📚 Read @Machine_learn

با عرض سلام دو موضوع رو می خواهیم به صورت گروهی ادامه بدیم. - survey on GAN methods for time series data generation - survey on highlights the advantages of foundation in new learning methods for time series data این دو مقاله به صورت جلسه ای برگزار میشه و هر هفته ۱.۵ ساعت تدریس رو خواهم داشت برای کسانی که می خوان شرکت کنند. هر مقاله ۶ نفر خواهد داشت و هزینه هر نفر ۲۰۰$ خواهد بود. دوستانی که اولین مقالشون و یا میخوان داخل این مقالات شرکت کنند به ایدی بنده مراجعه کنند. @Raminmousa @Machine_learn @Paper4money

Reinforcement Learning Teachers of Test Time Scaling: 📚 Read @Machine_learn

Awesome Math Books 📚 Books @Machine_learn

با عرض سلام مي خواهيم مقاله اي براي ACM transaction on Ai ارائه بديم موضوع اصلي حول Recurrent Neural Network Basic defiences مي باشد. نيازمند نفر 4ام هستيم كه بتونن در نگارش و كارها و هزينه كار كمكمون كند. هزينه نفرات براي اين كار كه ١٨ بنچ مارك داره از قرار زير: 1: 700$(❌) 2: 500$❌ 3: 400$❌ 4: 350$ ✅ دوستاني كه مايل هستن مي تونن به ايدي بنده پيام بدن. @Raminmousa

Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task 📚 Read @Machine_learn

This channels is for Programmers, Coders, Software Engineers. 0️⃣ Python 1️⃣ Data Science 2️⃣ Machine Learning 3️⃣ Data Visualization 4️⃣ Artificial Intelligence 5️⃣ Data Analysis 6️⃣ Statistics 7️⃣ Deep Learning 8️⃣ programming Languages ✅ https://t.me/addlist/8_rRW2scgfRhOTc0 ✅ https://t.me/Codeprogrammer

نفرات ۳ و ۴ از این مقاله باقی مانده است....! @Raminmousa

Article Title: OmniConsistency: Learning Style-Agnostic Consistency from Paired Stylization Data Article Date: 24 May 2025 PDF Download Link: https://arxiv.org/pdf/2505.18445v1.pdf GitHub: • https://github.com/showlab/omniconsistency Datasets: • No datasets information available @Machine_learn

با عرض سلام مي خواهيم مقاله اي براي ACM transaction on Ai ارائه بديم موضوع اصلي حول Recurrent Neural Network Basic defiences مي باشد. نيازمند ٤ نفر هستيم كه بتونن در نگارش و كارها و هزينه كار كمكمون كنند. هزينه نفرات براي اين كار كه ١٨ بنچ مارك داره از قرار زير: 1: 700$(❌) 2: 500$✅ 3: 400$✅ 4: 350$ ✅ دوستاني كه مايل هستن مي تونن به ايدي بنده پيام بدن. @Raminmousa

The Missing Manual for Signals: State Management for Python Developers 📚 Guide @Machine_learn

Understanding and Coding the KV Cache in LLMs from Scratch 📚 Read @Machine_learn

پاول دوروف، مدیر تلگرام، گفته یک برنامه‌نویس اندروید می‌خواد که سالی ۱ میلیون دلار درامد (بعد از مالیات) تو دبی بهش می‌دیم! فقط کافیه تو مسابقه کدنویسی‌شون تا ۱۱ جولای برنده شی. باید یه انیمیشن رو تو اپ اندروید اوپن‌سورس تلگرام پیاده کنی. جزئیاتش اینجاست: https://t.me/contest/420 @RoidBest

⭐️ فروش ویژه و محدود: اکانت ChatGPT با ایمیل شخصی فقط ۵۰۰ تومان! ⭐️ 🔥 آیا آماده‌ای دنیای هوش مصنوعی رو با تمام قدرت تجربه کنی؟ فقط برای مدت محدود، می‌تونی اکانت ChatGPT با ایمیل شخصی رو با قیمت فوق‌العاده و غیرقابل‌باور فقط ۵۰۰ تومان تهیه کنی! ✅ دسترسی کامل به امکانات بی‌نظیر ChatGPT ✅ روی ایمیل شخصی خودت فعال می‌شه ✅ بدون نگرانی از اشتراک‌ ماهانه ✅ فقط یه بار پرداخت ✅ پشتیبانی رایگان برای راه‌اندازی 🎁 این فرصت طلایی مخصوص کسانیه که می‌خوان از هوش مصنوعی به شکلی حرفه‌ای و نامحدود استفاده کنن — توی کار، تحصیل، تولید محتوا، برنامه‌نویسی و حتی کسب‌وکار آنلاین! 🕒 تعداد محدود، زمان محدود – هر لحظه ممکنه ظرفیت پر شه... 📩 برای دریافت و فعال‌سازی، همین الان پیام بده! @Tempexyou

Future of Work with AI Agents: Auditing Automation and Augmentation Potential across the U.S. Workforce 📚 Paper @Machine_learn

نفر٣ از مقاله زير رو نياز داريم. اگر از دوستان كسي نياز داشت مي تونن به ايدي بنده پيام بدن. DKG-LLM : A Framework for Medical Diagnosis and Personalized Treatment Recommendations via Dynamic Knowledge Graph and Large Language Model Integration   Abstract: The DKG-LLM framework introduces a pioneering approach to medical diagnosis and personalized treatment recommendations by integrating a Dynamic Knowledge Graph (DKG) with the Grok 3 large language model. Employing the Adaptive Semantic Fusion Algorithm (ASFA), the framework processes heterogeneous medical data, including clinical reports, PubMed articles, and patient records, to dynamically update a knowledge graph comprising 15964 nodes across 13 distinct types (e.g., diseases, symptoms, treatments, patient profiles) and 127392 edges across 26 relationship types (e.g., causal, therapeutic, associative). ASFA leverages advanced probabilistic models, Bayesian inference, and graph optimization to extract semantic information, update the graph with approximately 150 new nodes and edges per data batch, and maintain scalability with a maximum of 987654 edges. Evaluations on real-world datasets, such as MIMIC-III and PubMed, demonstrate that DKG-LLM achieves a diagnostic accuracy of 84.19%, treatment recommendation precision of 89.63%, and semantic coverage of 93.48%. The framework’s robustness in handling noisy data and complex multi-symptom diseases, combined with feedback-driven learning from clinician input, positions it as a transformative tool for intelligent healthcare systems. Future directions include adopting federated learning to enhance data privacy and integrating biosensor data for real-time monitoring. دوستاني كه LLM كار ميكنن و يا در اينده مي خوان اپلاي كنن اين مقاله براشون عاليه @Raminmousa @Machine_learn @Paper4money

Deep-Live-Cam Real time face swap and one-click video deepfake with only a single image Creator: Hacksider Stars ⭐️: 50,498 Forked by: 7,491 Github Repo: https://github.com/hacksider/Deep-Live-Cam @LLM_learning

با عرض سلام فقط نفر سوم از این مقاله مونده...! دوستانی که مایل به شرکت در این مقاله هستن به ایدی بنده پیام بدن. @Raminmouaa

How we built our multi-agent research system 📚 Paper @Machine_learn

فقط نفر سوم از این مقاله باقی مانده....!