DLeX: AI Python
前往频道在 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
显示更多📈 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 21 284 名订阅者,在 技术与应用 类别中位列第 6 234,并在 伊朗 地区排名第 16 500 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 21 284 名订阅者。
根据 13 十一月, 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 -58,过去 24 小时变化为 -9,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 8.24%。内容发布后 24 小时内通常能获得 2.67% 的反应,占订阅者总量。
- 帖子覆盖: 每篇帖子平均可获得 1 754 次浏览,首日通常累积 569 次浏览。
- 互动与反馈: 受众积极参与,单帖平均反应数为 18。
- 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
لینک پیام ناشناس، جهت انتقادات، حرف و حدیث و پیشنهادات : https://t.me/mahtabak_nashenas_bot?start=1dOIcE18ITmb5Htw1M7zgq”
凭借高频更新(最新数据采集于 14 十一月, 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。
21 284
订阅者
-924 小时
-157 天
-5830 天
帖子存档
21 284
مناسبترین #کتاب برای #طراح_سایت با #جنگو دراین کتاب همچنین به #css هم پرداخته شده است
Test-Driven Development With Python
🔥@ai_python
21 284
Deep Learning:
http://course.fast.ai
NLP:
http://bit.ly/fastai-nlp
Comp Linear Algebra:
http://github.com/fastai/numerical-linear-algebra
Bias, Ethics, & AI:
http://fast.ai/topics/#ai-in-society
Debunk Pipeline Myth:
http://bit.ly/not-pipeline
AI Needs You:
http://bit.ly/rachel-TEDx
Ethics Center:
http://bit.ly/USF-CADE
❇️ @AI_Python_EN
21 284
لیست مقالات پذیرش شده در کنفرانس
Neurips
https://neurips.cc/Conferences/2019/AcceptedPapersInitial
#کنفرانس #مقاله #هوش_مصنوعی #الگوریتمها #منابع
❇️ @AI_Python
✴️ @AI_Python_en
21 284
🔷داده یکی از ارزشمندترین و مهم ترین سرمایه های سازمان ها و کسب و کارها می باشد و برای نگهداری و تولید این سرمایه فرصت های شغلی بسیاری وجود دارد که راه رسیدن به ثروت را برای متخصصان این حوزه هموار می سازد اگر شما هم علاقه مند به متخصص شدن در این حوزه هستید با ما تماس بگیرید
☎️مشاوره وثبت نام
۶۶۰۷۵۶۴۱-۶۶۰۷۵۶۲۶
جزئیات دوره تربیت دانشمند داده ↙️
http://bit.ly/2pwzWmp
جزئیات دوره تربیت مهندس داده↙️
http://bit.ly/2Mys1NB
🔷با کانال تلگرام ما همراه باشید↙️
https://t.me/joinchat/AAAAAD6fyUw0AYXKLGbkow
🌐www.SCTAE.info
21 284
یادگیری ماشین با نرم افزار R
#یادگیری_ماشین #برنامه_نویسی #منابع #آموزش #الگوریتمها
#MachineLearning
❇️ @AI_Python
✴️ @AI_Python_EN
21 284
سخنرانی ارتور بنجامین
در مورد اینکه افراد رو در چه حوزه ای باید تربیت کرد!
ریاضیات یا احتمالات !!
@Data_Experts
21 284
Training Data
این سایت هم دیتاستهای مناسب رو یکجا جمعآوری کرده و در دسترس قرار داده و هم کمک میکنه از همون مدلهای اولیه برای لیبل زدن دیتاهای بیشتر استفاده کنید.
21 284
مقاله داغ
Detect Online Trolls in Elections
https://arxiv.org/abs/1910.07130
#هوش_مصنوعی #منابع #داده_کاوی #مقاله
#AI #ArtificialIntelligence #datamining
❇️ @AI_Python
✴️ @AI_Python_EN
21 284
راه فراگیری علم داده برای مبتدیان
#منابع #علم_داده #آموزش
#DataScience
❇️ @AI_Python
✴️ @AI_Python_EN
21 284
21 284
By using GTrXL we find large performance gains in reinforcement learning tasks requiring memory and integration of experience through time compared to LSTM, whilst not compromising on more reactive RL tasks.
This architecture really shines on some continuous control tasks requiring long temporal memory horizons, and compared to previous work doesn't require any auxiliary losses.
21 284
Transformers working for RL! Two simple modifications: move layer-norm and add gating creates GTrXL: an incredibly stable and effective architecture for integrating experience through time in RL.
https://arxiv.org/abs/1910.06764
❇️ @AI_Python
✴️ @AI_Python_EN
21 284
Uncertainty Quantification in Deep Learning
https://www.inovex.de/blog/uncertainty-quantification-deep-learning/
21 284
A new antibody search engine with publication data. #Free online platform for academic scientists!
#openaccess #openscience #phdchat
https://landing.benchsci.com/
21 284
Slides https://t.co/X5gKgF11bE New optimization: competitive gradient descent (CGD) for training GAN/multi-agent systems. Implicit competitive regularization from CGD means that we get SOTA with no explicit gradient penalty, better stability and no mode collapse
#AI #DeepLearning
❇️ @AI_Python
✴️ @AI_Python_EN
21 284
Bayesian Optimization Meets Riemannian Manifolds in Robot Learning
Jaquier et al.: https://lnkd.in/gEv2b5g
#BayesianOptimization #Robotics
#MachineLearning
21 284
Convolutional #NeuralNetworks have become a foundational network architecture for numerous deep learning-based #ComputerVision tasks. Here, Heartbeat contributor Brian Mwangi explores their evolution in this excellent review of the research.
https://bit.ly/32fkz0p
21 284
🔸 مقاله جالبی در مورد مقایسه کامل بین ۲ فریم ورک PyTorch و TensorFlow
#معرفی_ابزار
#فریم_ورک
#یادگیری_ماشین
