23171
Admin: @Raminmousa ID: @Machine_learn link: https://t.me/Machine_learn
📃A Comprehensive Survey on Deep Graph Representation Learning
🗓 Publish year: 2024
📘Journal: Neural Networks(I.F=6)
📎 Study paper
✅@Machine_learn
Mini-Omni: Language Models Can Hear, Talk While Thinking in Streaming
Paper: https://arxiv.org/pdf/2408.16725v2.pdf
Code: https://github.com/gpt-omni/mini-omni
Dataset: LibriSpeech
✅@Machine_learn
WavTokenizer: an Efficient Acoustic Discrete Codec Tokenizer for Audio Language Modeling
Paper: https://arxiv.org/pdf/2408.16532v1.pdf
Code: https://github.com/jishengpeng/wavtokenizer
Dataset: AudioSet LibriTTS SLURP
✅@Machine_learn
This open-source RAG tool for chatting with your documents is Trending at Number-1 in Github from the past few days
🔍 Open-source RAG UI for document QA
🛠️ Supports local LLMs and API providers
📊 Hybrid RAG pipeline with full-text & vector retrieval
🖼️ Multi-modal QA with figures & tables support
📄 Advanced citations with in-browser PDF preview
🧠 Complex reasoning with question decomposition
⚙️ Configurable settings UI
🔧 Extensible Gradio-based architecture
Key features:
🌐 Host your own RAG web UI with multi-user login
🤖 Organize LLM & embedding models (local & API)
🔎 Hybrid retrieval + re-ranking for quality
📚 Multi-modal parsing and QA across documents
💡 Detailed citations with relevance scores
🧩 Question decomposition for complex queries
🎛️ Adjustable retrieval & generation settings
🔌 Customizable UI and indexing strategies
▪ Github
✅@Machine_learn
Fluent Python
📚 Book
✅@Machine_learn
Conformal prediction under ambiguous ground truth
Paper: https://arxiv.org/pdf/2307.09302v2.pdf
Codes:
https://github.com/google-deepmind/uncertain_ground_truth
https://github.com/alaalab/webcp
Dataset: Dermatology ddx dataset
✅@Machine_learn
Book of machine learning algorithms & concepts explained to simply, even a human can understand.
📓 Book
✅@Machine_learn
⚡️ Yi-Coder
🟢Yi-Coder-9B;
🟢Yi-Coder-9B-Chat;
🟠Yi-Coder-1.5B;
🟠Yi-Coder-1.5B-Chat.
# Clone repository
git clone https://github.com/01-ai/Yi-Coder.git
cd Yi-Coder
# Install requirements
pip install -r requirements.txt
با عرض سلام دوستاني كه نياز به اين مقاله دارن هنوز جايگاه ٣ باقي هست.
Title: Breast Cancer Ultrasound Image Segmentation Using Improved 3DUNET++
@Raminmousa
Reinforcement Learning_ An Introduction, 2nd Edition
✅Book
✅@Machine_learn
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
🎓 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
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
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
Recurrent Neural Networks Learn to Store and Generate Sequences
using Non-Linear Representations
#RNN
https://arxiv.org/pdf/2408.10920
@Machine_learn
⭐️ ثبت‌نام استارکمپ Machine Learning پیشرفته دانشکار شروع شد!
💻📊 مناسب افراد فعال در حوزه دیتا ساینس و دیتا آنالیز و که به دنبال ارتقا خود در این زمینه هستن.
🔽 مباحث این استارکمپ:
🔸Ensemble Algorithm
🔸Anomaly Detection
🔸Machine Learning Pipeline
🔸Feature Selection
💼 این دوره پروژه‌محوره با نیازهای شرکت‌ها تطابق داره تا شما رو برای بازار کار و ارتقا شغلی آماده کنه.
🤖🐍 برای این دوره باید آشنایی مقدماتی با پایتون و ماشین لرنینگ داشته باشین.
✅ ثبت‌نام و مشاوره رایگان:
🔗 https://dnkr.ir/6pPVa
Eagle: Exploring The Design Space for Multimodal LLMs with Mixture of Encoders
Paper: https://arxiv.org/pdf/2408.15998v1.pdf
Code: https://github.com/nvlabs/eagle
✅@Machine_learn
Data Structures and Information Retrieval in Python
https://greenteapress.com/wp/data-structures-and-information-retrieval-in-python/
✅@Machine_learn
سلام دوستان
ما دو دانشجوی دکترای یکی از دانشگاه های آمریکا هستیم و برای این پیپیرها می تونیم اسمتون رو اضافه کنیم:
۱) پیپر ژورنالی:
Research Area: Medical Image Classification by Using geometry-aware netowrks
مناسب: فقط دانشجوهای آمریکا( گرین کارت)
** پیپر در مرحله ریوایز نهایی
اسم پنجم: ۳۰۰ دلار
۲) پیپر ژورنالی:
Research Area: Accuracy-aware quantization for medical image classification
مناسب: اپلای و دانشجویان آمریکا( گرین کارت)
**زمان ارسال: اوایل اکتبر
اسم اول: ۶۵۰ دلار
اسم دوم: ۴۵۰ دلار
اسم سوم: ۴۰۰ دلار
اسم چهارم: ۳۵۰ دلار
اسم پنجم: ۳۰۰ دلار
۳) پیپر کنفرانس IEEE :
Research Area: Pay less, earn more! A Dynamic Computation-efficient neural network for non-invasive surgery analysis
مناسب: اپلای و دانشجویان آمریکا( گرین کارت)
مزیت کنفرانس: زمان سریع چاپ و نمایه شدن( بعد از اکسپت در آرکایو قرار داده می شود)
**زمان ارسال: ۱۴ اکتبر
**زمان اکسپت: ۲۸ اکتبر
اسم اول: ۵۵۰ دلار
اسم دوم : ۴۰۰ دلار
اسم سوم: ۲۵۰ دلار
اسم چهارم: ۲۰۰ دلار
اسم پنجم: ۱۵۰ دلار
***همه ی پیپر ها برای آمادگی مصاحبه در مرحله اپلای و … به طور کامل توضیح داده میشه.
*** پیپر کنفرانسی:
بعد کنفرانس پیپر در IEEE نمایه می شود.
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
با عرض سلام
در ادامه فرایند نگارش مقالات سعی داریم چند گروه ۴ نفره برای مقالات با موضوعات مختلف ایجاد کنیم. چهار موضوع که می خواهیم در ان ها کار کنیم از قبیل زیر می باشند:
۱ - طبقه بندی تصاویر پزشکی
۲- پیش بینی ترافیک شبکه
۳- حل مشکلات شبکه های RNN در مساله سری زمانی
۴-پیش بینی بار مصرفی در شبکه های smart grid
جهت اطلاعات بیشتر کسانی که دوست دارند می تونن به بنده پیام
بدن.
✅@Raminmousa
@Paper4money
@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
✅ /channel/addlist/8_rRW2scgfRhOTc0
✅ /channel/codeprogrammer
با عرض سلام دوستاني كه نياز به اين مقاله دارن هنوز جايگاه ٣ باقي هست.
فردا اخرين فرصت براي اين مقاله هستش.
Title: Breast Cancer Ultrasound Image Segmentation Using Improved 3DUNET++
@Raminmousa
Data-Intensive Text Processing with MapReduce
📚 Book
✅@Machine_learn
Artificial Intelligence and Games
(2nd Edition)
📚 Book
✅@Machine_learn
با عرض سلام مقاله اي تحت ريوايزد داريم که در حوزه Ultrasound Image Segmentation هستش. دوستانی که نیاز دارن نفر سومش رو می تونیم اختصاص بدیم.
@Raminmousa
@Paper4money
@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
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
📃A key review on graph data science: The power of graphs in scientific studies
📎 Study paper
@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
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