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 24 518 підписників, посідаючи 8 048 місце в категорії Освіта та 13 749 місце у регіоні Іран.

📊 Показники аудиторії та динаміка

З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 24 518 підписників.

За останніми даними від 25 червня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -164, а за останні 24 години на -1, загальне охоплення залишається високим.

Статус верифікації: Не верифікований
Рівень залученості (ER): Середній показник залученості аудиторії становить 7.13%. Протягом перших 24 годин після публікації контент зазвичай збирає 1.90% реакцій від загальної кількості підписників.
Охоплення публікацій: В середньому кожен допис отримує 1 748 переглядів. Протягом першої доби публікація в середньому набирає 465 переглядів.
Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 1.
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 26 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.

24 518

Підписники

-124 години

-407 днів

-16430 день

1 748

Перегляди допису

~ 46524 години

~ 57948 годин

7.13%

Коефіцієнт залучення

Немає даних

Дописів на день

Ads index

beta

Архів дописів

24 512

⚡️ Stable Diffusion 3.5 Large.

# install Diffusers
pip install -U diffusers


# Inference
import torch
from diffusers import StableDiffusion3Pipeline

pipe = StableDiffusion3Pipeline.from_pretrained("stabilityai/stable-diffusion-3.5-large", torch_dtype=torch.bfloat16)
pipe = pipe.to("cuda")

image = pipe(
    "A happy woman laying on a grass",
    num_inference_steps=28,
    guidance_scale=3.5,
).images[0]
image.save("woman.png")

🟡Arxiv @Machine_learn

24 512

با عرض سلام امروز اخرين وقت براي مشاركت در اين مقاله مي باشد...!

24 512

Repost from Papers

Title: Advanced Classification of Drug-Drug Interactions for Assessing Adverse Effect Risks of Fluvoxamine and Curcumin Using Deep Learning in COVID-19 ——————————————————————— Keywords: Drug–Drug Interactions; Deep Neural Network; Fluvoxamine; Curcumin; Machine Learning. ——————————————————————— Journal of Infrastructure, Policy and Development نفر اول پرشده نفر دوم و سوم و چهارم خالی هست. مقاله در اخرین ریوایزد خود می باشد. @Raminmousa @Machine_learn https://t.me/+SP9l58Ta_zZmYmY0

24 512

THINKING LLMS: GENERAL INSTRUCTION FOLLOWING WITH THOUGHT GENERATION 📚 Reed @Machine_learn

24 512

📕 Applied Causal #Inference Powered by #MachineLearning 📌Book @Machine_learn

24 512

Repost from Papers

با عرض سلام نيازمند co-author براي مقاله زیر هستيم. Target Journal: International Journal of Media and Networks | Opast Publishing Group (opastpublishers.com) if: 1.2 Paper link: A Survey of Generative Adversarial Network on Next Generation Network[v1] | Preprints.org تغييرات كامل نسخه نهايي تا يك هفته اينده اعمال ميشه كسي از دوستان تمايل به همكاري داشت به ايدي بنده پيام بدن. @Raminmousa @Machine_learn https://t.me/+SP9l58Ta_zZmYmY0

24 512

Repost from Papers

24 512

Repost from Github LLMs

🌟 Zamba2-Instruct В семействе 2 модели: 🟢Zamba2-1.2B-instruct; 🟠Zamba2-2.7B-instruct.

# Clone repo
git clone https://github.com/Zyphra/transformers_zamba2.git
cd transformers_zamba2

# Install the repository & accelerate:
pip install -e .
pip install accelerate

# Inference:
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

tokenizer = AutoTokenizer.from_pretrained("Zyphra/Zamba2-2.7B-instruct")
model = AutoModelForCausalLM.from_pretrained("Zyphra/Zamba2-2.7B-instruct", device_map="cuda", torch_dtype=torch.bfloat16)

user_turn_1 = "user_prompt1."
assistant_turn_1 = "assistant_prompt."
user_turn_2 = "user_prompt2."
sample = [{'role': 'user', 'content': user_turn_1}, {'role': 'assistant', 'content': assistant_turn_1}, {'role': 'user', 'content': user_turn_2}]
chat_sample = tokenizer.apply_chat_template(sample, tokenize=False)

input_ids = tokenizer(chat_sample, return_tensors='pt', add_special_tokens=False).to("cuda")
outputs = model.generate(**input_ids, max_new_tokens=150, return_dict_in_generate=False, output_scores=False, use_cache=True, num_beams=1, do_sample=False)
print((tokenizer.decode(outputs[0])))

🖥GitHub https://t.me/deep_learning_proj

24 512

An Infinite Descent into Pure Mathematics 📚 Book @Machine_learn

24 512

Tutorial on Diffusion Models for Imaging and Vision 📚 Book @Machine_learn

24 512

NotebookLlama: An Open Source version of NotebookLM 📚 Book @Machine_learn

24 512

The State of AI Report 📚 Report @Machine_learn

24 512

فقط نفر ٤ كم داريم

24 512

با عرض سلام در حال نوشتن مقاله اي تحت عنوان title:A Comparative Survey on Large Language Models for Biological Data and Knowledge Graph systems هستيم كه ژورنال هدف Nature ميباشد. ٢ نفر از دوستان به دليل مشغله كاري نتونستن همكاري كنن. نفر ٤ و نفر ٦ از اين ليست رو تصمیم به جايگذيني كرديم. دوستاني كه توانايي كار دارن لطفا به بنده پيام بدن. تسك ها كامل مشخص شده و هزينه هر شخص هم تعيين شده. @Raminmousa @Machine_learn https://t.me/+SP9l58Ta_zZmYmY0

24 512

📑 A guide to RNA sequencing and functional analysis 📎 Study the paper @Machine_learn

24 512

💡 SAM2Long, a training-free enhancement to SAM 2 for long-term video segmentation 🟡Technical Report: https://huggingface.co/papers/2410.16268 🟡Github: https://github.com/Mark12Ding/SAM2Long 🟡Homepage: https://mark12ding.github.io/project/SAM2Long/ @Machine_learn

24 512

فقط نفر ۲ و ۴ از این باقی مونده ....!

24 512

Repost from Papers

private link: https://t.me/+SP9l58Ta_zZmYmY0

24 512

Repost from Papers

Title: BERTCaps: BERT Capsule for persian Multi-domain Sentiment Analysis. Abstract: Sentiment classification is widely known as a domain-dependent problem. In order to learn an accurate domain-specific sentiment classifier, a large number of labeled samples are needed, which are expensive and time-consuming to annotate. Multi-domain sentiment analysis based on multi-task learning can leverage labeled samples in each single domain, which can alleviate the need for large amount of labeled data in all domains. In this article, the purpose is BERTCaps to provide a multi-domain classifier. In this model, BERT was used for Instance Representation and Capsule was used for instance learning. In the evaluation dataset, the model was able to achieve an accuracy of 0.9712 in polarity classification and an accuracy of 0.8509 in domain classification. journal: https://www.sciencedirect.com/journal/array If: 2.3 نفرات ٢ تا ٤ اين مقاله رو نياز داريم. دوستاني كه مايل به شركت هستن مي تونن به ايدي بنده پيام بدن. @Raminmousa @Paper4money @Machine_learn

24 512

LLM Engineer's Handbook: Master the art of engineering Large Language Models from concept to production. 🖥 Github @Machine_learn