ar
Feedback

لا تقع ضحية للمخادعين! تيليمتريو يكتشف ويُميّز هذه القنوات 👉 إذا كنت تريد رؤية العلامة، اشترك

DLeX: AI Python

DLeX: AI Python

الذهاب إلى القناة على Telegram

هوش‌مصنوعی و برنامه‌نویسی توییتر : https://twitter.com/NaviDDariya لینک پیام ناشناس، جهت انتقادات، حرف و حدیث و پیشنهادات : https://t.me/mahtabak_nashenas_bot?start=1dOIcE18ITmb5Htw1M7zgq

إظهار المزيد

📈 نظرة تحليلية على قناة تيليجرام DLeX: AI Python

تُعد قناة DLeX: AI Python (@ai_python) في القطاع اللغوي Farsi لاعباً نشطاً. يضم المجتمع حالياً 21 306 مشتركاً، محتلاً المرتبة 6 187 في فئة التكنولوجيات والتطبيقات والمرتبة 16 432 في منطقة إيران.

📊 مؤشرات الجمهور والحراك

منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 21 306 مشتركاً.

بحسب آخر البيانات بتاريخ 04 نوفمبر, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -74، وفي آخر 24 ساعة بمقدار -7، مع بقاء الوصول العام مرتفعاً.

  • حالة التحقق: غير موثّقة
  • معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 8.12‎%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 3.58‎% من ردود الفعل نسبةً إلى إجمالي المشتركين.
  • وصول المنشورات: يحصل كل منشور على متوسط 1 731 مشاهدة. وخلال اليوم الأول يجمع عادةً 762 مشاهدة.
  • التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 16.
  • الاهتمامات الموضوعية: يركز المحتوى على مواضيع رئيسية مثل مصنوعی, توییتر, ماهواره, داده, فناوری.

📝 الوصف وسياسة المحتوى

يصف المؤلف القناة بأنها مساحة للتعبير عن الآراء الذاتية:
“هوش‌مصنوعی و برنامه‌نویسی توییتر : https://twitter.com/NaviDDariya لینک پیام ناشناس، جهت انتقادات، حرف و حدیث و پیشنهادات : https://t.me/mahtabak_nashenas_bot?start=1dOIcE18ITmb5Htw1M7zgq”

بفضل وتيرة التحديث المرتفعة (أحدث البيانات بتاريخ 05 نوفمبر, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.

21 306
المشتركون
-724 ساعات
-97 أيام
-7430 أيام
أرشيف المشاركات
To use word embeddings in TensorFlow, in a sequential layer, what is the name of the class?
Anonymous voting

Repost from N/a
‌ ✳️ ‌آموزش رایگان تابع در زبان برنامه‌نویسی پایتون با مثال چکیده — زبان پایتون یک زبان سطح بالا و همه منظوره است که خوانایی بالایی دارد و کتابخانه‌های فراوانی را نیز در اختیار کاربر قرار می‌دهد. این زبان که یکی از زبان‌های شی‌گرا محسوب می‌شود، از مدل‌های مختلف برنامه‌نویسی، از جمله: برنامه‌نویسی دستوری و تابع محور پشتیبانی می‌کند. در پایان این آموزش، مخاطب می‌تواند به زبان پایتون برنامه‌نویسی کند. ما در این آموزش قصد داریم تا تابع در زبان برنامه‌نویسی پایتون با مثال را مورد بحث و بررسی قرار دهیم. 💯 مشاهده ویدئوی آموزش 👇👇 🔗 آموزش تابع در زبان برنامه‌نویسی پایتون با مثال — [کلیک کنید] @FaraDars — فرادرس

💻 #استخدام_با_طعم_آموزش تابستون بهترین فرصت برای سرمایه‌گذاری روی مهارت‌هاست. با شرکت در بوت‌کمپ برنامه‌نویسی مکتب، می‌تونی
💻 #استخدام_با_طعم_آموزش تابستون بهترین فرصت برای سرمایه‌گذاری روی مهارت‌هاست. با شرکت در بوت‌کمپ برنامه‌نویسی مکتب، می‌تونی فقط در طول 7 ماه آماده استخدام شدن تو یه شرکت برنامه‌نویسی بشی! از فرصتت استفاده کن و از رقبات تو بازار کار جلو بزن! ♨️ مشاهده و ثبت‌نام بوت‌کمپ های برنامه نویسی + پیش‌دوره و استعدادسنجی رایگان 🔻و یا برای کسب اطلاعات بیشتر کافیه به آی‌دی ما پیام بدی! 🆔 @MaktabSharif_Admin 🌐 وبسایت |📱کانال تلگرام | 📲 اینستاگرام

Why is transfer learning useful?
Anonymous voting

Why do dropouts help avoid overfitting?
Anonymous voting

Repost from Meysam
متن میدید بهش موسیقی تولید می‌کنه: https://huggingface.co/spaces/Mubert/Text-to-Music لینک گیتش: https://github.com/MubertAI/Mubert-Text-to-Music در ادامه یه سمپل که جنریت کردم رو هم میزارم.

What’s the best way to avoid overfitting in NLP datasets?
Anonymous voting

How does Image Augmentation help solve overfitting?
Anonymous voting

How does Image Augmentation help solve overfitting?
Anonymous voting

Which of the following is true about word2vec model?
Anonymous voting

K-nearest Neighbor (KNN) is a Type of method ...
Anonymous voting

Repost from Meysam
اینم بد نیست نگاه کنید: https://huggingface.co/spaces/huggingface-projects/stable-diffusion-multiplayer?roomid=room-0 یه حالت
اینم بد نیست نگاه کنید: https://huggingface.co/spaces/huggingface-projects/stable-diffusion-multiplayer?roomid=room-0 یه حالت آنلاین چند کاربره درست کردن که میتونین دسته جمعی یه اثر هنری درست کنید. از inpainting هم استفاده کردن توش. خواستید میتونید یه بخش از تصویر رو علامت بزنید که فقط اونجارو تغییر بده. این یه تیکه رو خودم درست کردم، پرامپتش هم اینه: Old man, coal mine worker from 1800, detailed face, old

Repost from Meysam
این یه مثال از پرامپتهایی که یکی گذاشته و باهاش این عکس رو تونسته جنریت کنه: painted portrait of rugged zeus, god of thunder,
این یه مثال از پرامپتهایی که یکی گذاشته و باهاش این عکس رو تونسته جنریت کنه: painted portrait of rugged zeus, god of thunder, greek god, white hair, masculine, mature, handsome, upper body, muscular, hairy torso, fantasy, intricate, elegant, highly detailed, digital painting, artstation, concept art, smooth, sharp focus, illustration, art by gaston bussiere and alphonse mucha دقت کنید تهش خیلی جزییات اضافه کرده و مثلا گفته هنرمندش کیه، چقدر جزییات داره و ... همین رو شما بردارید و مثلا یه چیزی بهش اضافه کنید مثل پست بعدی :)

Repost from Meysam
Prompt engineering چیه؟ جدیدا یه سری مدلهای زیروشات معرفی شدن برای تسکهای مختلف. از پردازش زبان بگیرید تا خلق تصاویر. این نوع مدلها شدیداً نیازمند توصیفی از اون کاری که ازشون میخواهید بکنند دارند. به عنوان مثال T5 که یکی از پیشگامان بود تسکهای مختلفی ساپورت میکرد. مثلا بهش این ورودی رو می‌دادید: Translate from en to de: this is it. و خروجی Das ist das. رو بهتون میداد. دقت کنید قبل از اینکه ورودی رو بهش بدید بهش میگید چیکار باید بکنه. رویکردهای جدیدی هم مثل stable diffusion و dale هم معرفی شدند که کارشون خلق تصاویر هستش. ولی خب این رویکردها رو دیتاستهای مشخصی آموزش دیدند و ورودی متنی که بهش میدید خیلی تاثیر داره رو خروجی. یک سری از محققان و علاقه مندا رفتن یه سایتی زدن: prompthero.com که میتونید توش ورودی هایی که جواب مشخصی گرفتن رو ببینین و بر اساس ورودی خودتون رو خلق کنید. یک ایده خیلی خیلی خوب هم clip interrogator هست که عکس رو بهش میدید و روی ترین ست سرچ میزنه (با یه سری برچسب های خاص که رو اونها هم تیون شده) و بهتون میگه بیشتر شبیه کدوم پرامپت هستش. یه مجموعه ای از اسم هنرمندان و سبک و ... هم داره. اینطوری میتونید بر اساس اون تغییر بدید و تشخیص بدید کدوم ورودی بهتر هست و بر اساس اون کنترل بیشتری روی ایجاد خروجی داشته باشید. اینجا توضیح میده چطوری ازش استفاده کرده: https://youtu.be/2EV5SZ1Klro حالا پرامپت انجینر چیه؟ به کسایی که گفته میشه که خیلی با این مدلها سر و کله زدن و یجورایی فهمیدن چی بهش بدن چی خروجی میگیرن. به عبارتی بلدن از مدل خروجی دلخواه رو بکشن بیرون. حالا شما این رو با یه ذره برنامه نویسی و ... هم ترکیب کنید، میشن یه سری استارتاپ نوظهور که میتونن خروجی های خیلی خاصی برای زمینه های خاص رو ایجاد کنند. @ai_person

اگه به برنامه‌نویسی علاقه داری و میشه روی همت و پشت‌کارت حساب کرد، در استعدادسنجی ما شرکت کن و استعدادت رو برای ورود به دنیای
اگه به برنامه‌نویسی علاقه داری و میشه روی همت و پشت‌کارت حساب کرد، در استعدادسنجی ما شرکت کن و استعدادت رو برای ورود به دنیای برنامه‌نویسی محک بزن! 📝 شرکت در آزمون و دورۀ آماده‌سازی رایگان و یا برای کسب اطلاعات بیشتر کافیه به آی‌دی ما پیام بدی! 🔽‌‌‌‌ 🆔 @MaktabSharif_Admin ▪️▫️▪️▫️▪️▫️▪️▫️▪️▫️ 🌐 وبسایت |📱کانال تلگرام | 📲 اینستاگرام 💻 #استخدام_با_طعم_آموزش

Repost from Meysam
اسم من میثمه، در این کانال فقط چیزهایی که به نظر خودم جالب هستند رو پست میکنم. هوش مصنوعی یکی از موضوعاتی هست که در موردش می‌نویسم. دوست داشتید دنبال کنید دوست نداشتید میوت نکنید لفت بدید. مرسی. @ai_person

Free certifications: Software Engineering: ~ freecodecamp.org ~ testautomationu.applitools.com Python, ML, DS, AI: ~ kaggle.com/learn ~ cognitiveclass.ai/learn ~ netacad.com/courses/progra… ~ data-flair.training/python-course/ Miscellaneous: ~ learndigital.withgoogle.com/digitalgarage/ #منابع #آموزش ✳️ @AI_Python

لینک های مفید تحقیقاتی و دانلود مقالات و کتابها #مقاله ✳️ @AI_Python
لینک های مفید تحقیقاتی و دانلود مقالات و کتابها #مقاله ✳️ @AI_Python

🖥 Uni-Perceiver v2: A Generalist Model for Large-Scale Vision and Vision-Language Tasks 🖥 Github 🗒 Paper ➡️ Data #مقاله ✳️
🖥 Uni-Perceiver v2: A Generalist Model for Large-Scale Vision and Vision-Language Tasks 🖥 Github 🗒 Paper ➡️ Data #مقاله ✳️ @AI_Python