DLeX: AI Python

前往频道在 Telegram

هوش‌مصنوعی و برنامه‌نویسی توییتر : https://twitter.com/NaviDDariya تا آزادی ایران از جمهوری اسلامی تبهکار، تبلیغات نداریم.

显示更多

伊朗15 603 技术与应用6 349...

📈 Telegram 频道 DLeX: AI Python 的分析概览

频道 DLeX: AI Python (@ai_python) 波斯语 语言赛道中的是活跃参与者。目前社区聚集了 21 446 名订阅者，在 技术与应用 类别中位列第 6 349，并在伊朗地区排名第 15 603 位。

📊 受众指标与增长动态

自 невідомо 创建以来，项目保持高速增长，吸引了 21 446 名订阅者。

根据 04 六月, 2026 的最新数据，频道保持稳定运转。过去 30 天订阅人数变化为 -69，过去 24 小时变化为 -8，整体触达仍然可观。

认证状态： 未认证
互动率 (ER)： 平均受众互动率为 9.86%。内容发布后 24 小时内通常能获得 3.93% 的反应，占订阅者总量。
帖子覆盖： 每篇帖子平均可获得 2 114 次浏览，首日通常累积 842 次浏览。
互动与反馈： 受众积极参与，单帖平均反应数为 15。
主题关注点： 内容集中在 مصنوعی, توییتر, ماهواره, داده, فناوری 等核心主题上。

📝 描述与内容策略

作者将该频道定位为表达主观观点的平台：
“هوش‌مصنوعی و برنامه‌نویسی توییتر : https://twitter.com/NaviDDariya تا آزادی ایران از جمهوری اسلامی تبهکار، تبلیغات نداریم.”

凭借高频更新（最新数据采集于 05 六月, 2026），频道始终保持新鲜度与高覆盖。分析显示受众积极互动，使其成为 技术与应用 类别中的关键影响点。

21 446

订阅者

-824 小时

-187 天

-6930 天

2 114

帖子浏览量

~ 84224 小时

~ 1 13948 小时

9.86%

参与率

~ 1

每日帖子数

Ads index

beta

帖子存档

21 444

پادکست فارسی مصنوعی مرتبط با این مقاله : https://t.me/c/2659071795/59

21 444

مقاله‌ی «Spectral Bias Mitigation via xLSTM-PINN» به بررسی یک روش نوآورانه برای بهبود یادگیری ماشین در حل معادلات دیفرانسیل با مشتقات جزئی (PDEs) می‌پردازد. در ادامه خلاصه‌ای از مقاله: روش‌های رایج Physics-Informed Neural Networks (PINNs) با سه چالش عمده مواجه‌اند: 1️⃣ سوگیری طیفی (Spectral Bias): شبکه‌ها تمایل دارند فرکانس‌های پایین را بهتر یاد بگیرند و در بازسازی مؤلفه‌های فرکانس بالا ضعیف عمل می‌کنند. 2️⃣ عدم تعادل داده-باقی‌مانده: وزن‌دهی نامتناسب به داده‌ها و معادلات فیزیکی. 3️⃣ ضعف در برون‌یابی (Extrapolation): عملکرد ضعیف در پیش‌بینی خارج از ناحیه آموزش. 👉 @ai_python ✍️ 💡 راه‌حل پیشنهادی نویسندگان یک چارچوب جدید به نام xLSTM-PINN معرفی می‌کنند که شامل: 1️⃣ استخراج ویژگی چندمقیاسی با (Gated Memory): برای درک بهتر ساختارهای فرکانسی مختلف. 2️⃣ برنامه درسی فرکانسی مرحله‌ای (Staged Frequency Curriculum): آموزش تدریجی از فرکانس‌های پایین به بالا. 3️⃣ وزن‌دهی تطبیقی به باقی‌مانده‌ها: برای تعادل بهتر بین داده‌ها و معادلات فیزیکی. در چهار بنچمارک مختلف، این روش: خطای طیفی، MSE، RMSE، MAE و MaxAE را به‌طور قابل توجهی کاهش داده است. پهنای باند قابل حل را گسترش داده و زمان رسیدن به آستانه خطا در فرکانس‌های بالا را کاهش داده است. گذارهای مرزی تمیزتر و نوسانات فرکانس بالا را کاهش داده است.

21 444

🚀 مدیریت سرمایه با قدرت داده‌ها! اگه هنوز تصمیم‌هات بر پایه حس و تجربه‌ست، وقتشه داده‌ها رو وارد بازی کنی 🔗 دوره جامع مدیریت سرمایه داده‌محور (آنلاین) در این دوره یاد می‌گیری: 📊 تحلیل بازار ایران و ارزیابی سهام و ETF 📈 بهینه‌سازی پرتفوی با مدل مارکوویتز 📉 پیش‌بینی روندها با سری‌های زمانی 💡 طراحی استراتژی آپشن و دلتا هجینگ 🚀 اجرای پروژه واقعی با داده‌های ایران 🔥 بدون نیاز به تسلط برنامه‌نویسی! پایتون رو در حد کاربردی یاد می‌گیری و بلافاصله در بازار استفاده می‌کنی. 👥 مناسب برای: فعالان بازار سرمایه، تحلیلگران، مدیران سرمایه‌گذاری، و علاقه‌مندان فین‌تک (FinTech) 📌 مشاوره رایگان + جزئیات کامل: 👉 httb.ir/2hU1m 🎓 موسسه توسعه

21 444

طبق اعلام گارتنر، در پایان سال 2025 ، شرکت IBM (احتمالن به خاطر Watsonx ) به همراه مایکروسافت، گوگل و آمازون به عنوان لیدرهای اصلی ارائه پلت فرم های توسعه نرم افزارهای AI هستند. در طول سال در همین کانال بسیار درباره Watsonx و همین طور راه حل های مایکروسافت از جمله Azure AI Foundry و Azure ML Studio صحبت کردیم. 👉 @ai_python ✍️ در بخش Challnegers نام LangChain و علی بابا به چشم می خوره که منطقی هست. در بخش نیچ فقط CoreWeave و در بخش Visionaries فقط OpenAI به چشم می خوره. در حال حاضر در این بین از محصولات زیر مجموعه XAI خبری نیست. 😅

21 444

در چه سن و سالی، برای یادگیری کدنویسی، بیش از حد پیر هستیم؟ (از زبان مهران سهامی، پروفسور در دانشگاه استنفورد) 👉 @ai_python ✍️ https://youtu.be/cKtGsMHAp8g?si=wFbOAWxYEzZGI_rX

21 444

کوتاه، درباره مدل پیش بینی آب و هوای گوگل به نام WeatherNext 2 : ⛅ 😶‍🌫️ 👉 @ai_python ✍️ https://youtu.be/YQwqoEm_xis?si=f_zUd-r5G978Uzgz

21 444

🚀🔥 آینده شغلی‌تو بساز! علم داده (Data Science) همون مهارتیه که همه‌ی بازار کار دنبالش هستن 💼📊 👨‍💻 توی این دوره جامع ۱۴۴ ساعته آموزش کاملاً عملی با ابزارهای روز مثل: 🐍 Python | 🗄 SQL | 📊 آمار | ⚡️ Power BI | 📈 Tableau | 🔥 Apache Spark | 📉 R و کلی مباحث کاربردی دیگه برای ورود حرفه‌ای به دنیای داده رو یاد میگیری! 💡 این فقط یه دوره نیست، بلکه یه فرصت طلایی برای جهش در مسیر شغلی توئه! ⏳ ظرفیت محدود – همین حالا اقدام کن! ➖➖➖➖➖➖➖➖➖➖➖➖ 📍 اطلاعات و ثبت‌نام دوره: 👉https://B2n.ir/gg3504 ➖➖➖➖➖➖➖➖➖➖➖➖ 🔶 کسب اطلاعات بیشتر و مشاوره: 📱 تلگرام: 09222477250 ☎️ تماس: 021-67641999 ➖➖➖➖➖➖➖➖➖➖➖➖ ✓ جهاد دانشگاهی صنعتی شریف؛ یک پله بالاتر از تخصص

21 444

Pydantic AI version 1.23.0 is out! 🎉

21 444

وقتی می گیم AI Stack دقیقن شامل چه مواردی می شه؟ در این ویدیو به زبان ساده و در کم تر از 10 دقیقه توضیح داده شده : 👉 @ai_python ✍️ https://youtu.be/RRKwmeyIc24?si=NLEMwJrt9K0wlTpK

21 444

اگر با PromptFlow کار کرده باشید، حتمن می دونید که فریم ورک اصلی مایکروسافت برای ایجاد پایپ لاین های Agentic AI هست. در مقابل IBM هم راه حل خودش رو در این زمینه داره که خیلی شبیه PromptFlow هست. در این ویدیو درباره BeeAI توضیح داده شده : 👉 @ai_python ✍️ https://youtu.be/WozA_qHEAqo?si=CSZ0ZImVepMV5dR4

21 444

مایکروسافت کوپایلوت از 15 ژانویه از WhasApp خداحافظی می کند.

21 444

به نظر شما مدل تقریبن جدید GPT-5.1 از Open AI همون نسخه فاین تیون شده، مدل های قبلی هست یا واقعن یک مدل جدید هست؟! 👉 @ai_python ✍️ این موضوع و خیلی موضوعات جذاب و جالب دیگه موضوع بحث میز داغ از IBM Technology هست : https://youtu.be/5sFJVAoafFI?si=3leRGKE-SGB9w22n

21 444

این متن تحقیقاتی به بررسی مقایسه‌ای بین مدل‌های زبان انتشاری (DLMs) و مدل‌های خودرگرسیو (AR) در سناریوهایی می‌پردازد که داده‌های منحصربه‌فرد با کیفیت بالا محدود هستند، اما تکرار داده‌ها مجاز است. 👉 @navidcasts 🎓 یافته اصلی پژوهش، پدیده‌ای به نام نقطه تقاطع هوش (Intelligence Crossover) است که در آن، DLMها به طور مداوم از مدل‌های AR هم‌اندازه پیشی می‌گیرند؛ این مزیت به دلیل سه عامل کلیدی در DLMها یعنی مدل‌سازی «با هر ترتیبی» (any-order modeling)، محاسبات «فوق‌متراکم» (super-dense compute) ناشی از نویزدهی دوسویه تکراری، و تقویت داده داخلی از طریق شبیه‌سازی مونت کارلو است. این نتایج نشان می‌دهد که در عصر محدودیت داده، DLMها یک الگوی مدل‌سازی برتر برای استخراج حداکثر سیگنال از هر توکن منحصربه‌فرد، حتی به بهای افزایش نیاز محاسباتی، محسوب می‌شوند. 👉 @navidcasts 🎓 علاوه بر این، پژوهشگران توضیح می‌دهند که افزایش ضرر اعتبارسنجی (validation loss) لزوماً به معنای کاهش عملکرد در وظایف نهایی نیست، زیرا قابلیت تمایز مدل همچنان بهبود می‌یابد.

21 444

ایران‌GPU تنها و اولین شرکت بورسی هوش مصنوعی ایران با بیش از ۵ سال سابقه فعالیت حرفه‌ای و با پشتوانه‌ی بیش از ۲۰ دیتاسنتر فعال در سراسر ایران 🌐 ⚡️ قدرت پردازش، پایداری و مقیاس‌پذیری واقعی برای تیم‌ها، پژوهشگران و سازمان‌های حرفه‌ای AI 🤖 💡 شروعی مقرون‌به‌صرفه برای پروژه‌های هوش مصنوعی شما 📩 در صورت تمایل همین حالا درخواست مشاوره را ثبت کنید! https://B2n.ir/qz9613

21 444

ماتیاس ترویر، معاون رئیس شرکت مایکروسافت کوانتوم، در این سخنرانی به تشریح مسیر ساخت یک کامپیوتر کوانتومی با مقیاس کاربردی می‌پردازد که می‌تواند مسائل "غیرقابل حل" برای کامپیوترهای کلاسیک را حل کند. 👉 @navidcasts 🎓 او تاریخچه‌ای از پیشرفت‌های علمی را ارائه می‌دهد که منجر به عصر بخار و عصر سیلیکون شد، و سپس تاکید می‌کند که مکانیک کوانتومی در حال حاضر فناوری‌های جدیدی مانند رایانش کوانتومی را ممکن ساخته است. نکته کلیدی این است که رایانه‌های کوانتومی با تغییر دادن مقیاس‌بندی محاسباتی (مثلاً از نمایی به خطی) برتری می‌یابند و می‌توانند به شتاب کوانتومی نمایی دست یابند، که برای غلبه بر سرعت ذاتی پایین‌تر عملکرد کوانتومی نسبت به عملیات کلاسیک حیاتی است. 👉 @navidcasts 🎓 این برتری بیشتر در مسائل داده کوچک مانند شیمی، بیوشیمی، و علم مواد نمود پیدا می‌کند، زیرا طبیعت زیربنایی این حوزه‌ها کوانتومی است؛ در نهایت، ترویر پیش‌بینی می‌کند که ترکیب رایانش کوانتومی با هوش مصنوعی منجر به پیشرفت‌هایی می‌شود، به طوری که هوش مصنوعی سرعت را فراهم کرده و کامپیوتر کوانتومی دقت مورد نیاز برای تولید داده‌های آموزشی بهتر و مدل‌های سریع و دقیق را فراهم می‌کند. ویدیو خلاصه تر در یوتیوب : https://youtu.be/U9H8EEFH2AY

21 444

چه خوشمون بیاد چه خوشمون نیاد، کم کم دنیا داره به سمتی می ره که مهندسان آی تی، حتی در محیط های Enterprise هم باید قادر باشن زیر ساخت های ماشین لرنینگ یا هوش مصنوعی را در اختیار دانشمندان رشته های ریاضی، فیزیک و ... ای قرار دهند که شاید با کدنویسی آشنایی زیادی نداشته باشند یا آشنایی آن ها حرفه ای نباشد. 👉 @ai_python ✍️ با توجه به این که سرویس های دم دستی مثل n8n و از این قبیل در سازمان های دولتی و صنعتی در اروپا، به دلیل مسائل سیاسی و ... طرفدار چندانی ندارند، بنابراین گاهی تنها انتخاب موجود برای ایجاد چنین بسترهایی Microsoft Azure هست که اگر دقت کرده باشید چند وقتی هست که فوکوس زیادی روی Solution های ML یا AI در مایکروسافت آژور در کانال داشتیم. البته ما بیش تر درباره زیر ساخت در کانال @WearebiTs صحبت می کنیم. ولی سعی می کنیم در این کانال هم از مباحث زیر ساختی AI و ML در Scale های بزرگ دریغ نکنیم. چون به هر حال کانال های بسیار بهتری از ما به زبان فارسی وجود دارند که مباحث عمیق تر AI و ML و همین طور بررسی مقاله هارو خیلی بهتر ارائه می دن. اینم یکی دیگه از ویدیو هایی هست که به نظر من افرادی که قصد فعالیت در اروپا را دارند، حتمن باید سرویس هایی که در این ویدیو ازش نام برده می شه رو یک آشنایی جزئی داشته باشند. در واقع ساخت AI Agent ها را از طریق Azure Logic Apps نشون می ده. ولی لازم به ذکر نیست، که این تنها راه ایجاد Agentic AI در مایکروسافت آژور نیست. ولی یکی از راه حل های قدتمند No Code هست : 👉 @ai_python ✍️ https://youtu.be/6YFN25o9jn4?si=d8fVu0RJbPQNgYLp گروه پرسش و پاسخ علوم کامپیوتر

21 444

دیروز اشاره کوچیکی به ADK داشتیم. حالا با همکاری Google در وب سایت Kaggle یک دوره 5 روزه در اختیار عموم قرارداده شده، که حسابی شما رو برای کار با ADK آماده می کنه : 👉 @ai_python ✍️ https://www.kaggle.com/learn-guide/5-day-agents?linkId=17674402 گروه پرسش و پاسخ علوم کامپیوتر

21 444

نمی دونم تا حالا اسم ADK به گوشتون خورده یا نه؟ ولی ADK مخفف Agent Development Kit هست که به نوعی ابزارهای استفاده از مثلن MCP رو در اختیار شما قرار می ده. در این ویدیو بیش تر درباره این مفهوم در اکوسیستم گوگل کلاود توضیح داده شده است : 👉 @ai_python ✍️ https://youtu.be/JnKkdHaatwU?si=8Wv3soA3PaxoSNwR گروه پرسش و پاسخ علوم کامپیوتر

21 444

کامل‌ترین مسیر آموزشی-مهارتی مهندسی هوش مصنوعی 💥 اگر دانشجوی مهندسی، ریاضی یا کامپیوتر هستید و یا تازه تصمیم گرفتید وارد دنیای هوش مصنوعی شوید، این مسیر دقیقاً برای شما طراحی شده! برای شروع نیازی به سابقه کاری ندارید؛ فقط آشنایی اولیه با پایتون و داشتن انگیزه‌ برای یادگیری و ساختن کافی است. ✨در این مسیر یک‌ساله، یاد می‌گیرید : 🔸مدل‌های یادگیری ماشین و یادگیری عمیق را بسازید و عملیاتی کنید. 🔸پشت‌صحنه واقعی هوش مصنوعی را از ریاضیات الگوریتم‌ها تا معماری کد بفهمید. 🔸با ابزارهای نسخه‌بندی داده، Git، Linux و MLOps کار کنی؛ دقیقاً همان چیزهایی که شرکت‌ها از یک مهندس AI انتظار دارند. 🔸روی پروژه‌های واقعی دست بگذارید و مرحله‌به‌مرحله تا تبدیل شدن به فردی که می‌تواند یک مدل را از ایده به محصول نهایی برساند، پیش بروید. 📌برای ثبت‌نام در این مسیر فقط تا ۳۰ آبان فرصت دارید تا با پرداخت اقساطی و ضمانت بازگشت وجه ثبت‌نام کنید. 🔗 اطلاعات بیشتر و دریافت مشاوره رایگان: https://B2n.ir/dx3813 ــــــــــ @dayche

21 444