Endi mavjud! Telegram Tadqiqoti 2025 — yilning asosiy insaytlari 
Machine learning books and papers
Kanalga Telegram’da o‘tish
Admin: @Raminmousa ID: @Machine_learn link: https://t.me/Machine_learn
Ko'proq ko'rsatish📈 Telegram kanali Machine learning books and papers analitikasi
Machine learning books and papers (@machine_learn) Ingliz til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 24 516 obunachidan iborat bo'lib, Taʼlim toifasida 8 048-o'rinni va Eron mintaqasida 13 749-o'rinni egallagan.
📊 Auditoriya ko‘rsatkichlari va dinamika
невідомо sanasidan buyon loyiha tez o‘sib, 24 516 obunachiga ega bo‘ldi.
26 Iyun, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -162 ga, so‘nggi 24 soatda esa -2 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.
- Tasdiqlash holati: Tasdiqlanmagan
- Jalb etish (ER): Auditoriya o‘rtacha 5.76% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 1.79% ini tashkil etuvchi reaksiyalarni to‘playdi.
- Post qamrovi: Har bir post o‘rtacha 1 412 marta ko‘riladi; birinchi sutkada odatda 440 ta ko‘rish yig‘iladi.
- Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 1 ta reaksiya keladi.
- Tematik yo‘nalishlar: Kontent disorder, psy, مقاله, framework, graph kabi asosiy mavzularga jamlangan.
📝 Tavsif va kontent siyosati
Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
“Admin: @Raminmousa
ID: @Machine_learn
link: https://t.me/Machine_learn”
Yuqori yangilanish chastotasi (oxirgi ma’lumot 27 Iyun, 2026 da olingan) sababli kanal doimo dolzarb va katta qamrovli bo‘lib qoladi. Analitika auditoriya kontent bilan faol hamkorlik qilishini, uni Taʼlim toifasidagi muhim ta’sir nuqtasiga aylantirishini ko‘rsatadi.
24 516
Obunachilar
-224 soatlar
-337 kunlar
-16230 kunlar
Postlar arxiv
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
