ch
Feedback

不要被骗子欺骗!Telemetrio 会找到并标记这些频道 👉 如果想查看标记,请订阅

DLeX: AI Python

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
2017 #Python #Data_Structures and #Algorithms

مناسبترین #کتاب برای #طراح_سایت با #جنگو دراین کتاب همچنین به #css هم پرداخته شده است Test-Driven Development With Python 🔥@ai_python

لیست مقالات پذیرش شده در کنفرانس Neurips https://neurips.cc/Conferences/2019/AcceptedPapersInitial #کنفرانس #مقاله #هوش_مصنوعی #الگوریتمها #منابع ❇️ @AI_Python ✴️ @AI_Python_en

🔷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 شغ
🔷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

یادگیری ماشین با نرم افزار R #یادگیری_ماشین #برنامه_نویسی #منابع #آموزش #الگوریتمها #MachineLearning ❇️ @AI_Python ✴️ @AI_Python_EN

سخنرانی ارتور بنجامین در مورد اینکه افراد رو در چه حوزه ای باید تربیت کرد! ریاضیات یا احتمالات !! @Data_Experts

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.

مقاله داغ Detect Online Trolls in Elections https://arxiv.org/abs/1910.07130 #هوش_مصنوعی #منابع #داده_کاوی #مقاله #AI #Artifi
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

راه فراگیری علم داده برای مبتدیان #منابع #علم_داده #آموزش #DataScience ❇️ @AI_Python ✴️ @AI_Python_EN
راه فراگیری علم داده برای مبتدیان #منابع #علم_داده #آموزش #DataScience ❇️ @AI_Python ✴️ @AI_Python_EN

تمام تغییرات مهم شبکه‌های کانولوشن تا ۲۰۱۸ : Paper link

35 پروژه علم داده #منابع #علم_داده #آموزش #DataScience 💠 Link ❇️ @AI_Python ✴️ @AI_Python_EN
35 پروژه علم داده #منابع #علم_داده #آموزش #DataScience 💠 Link ❇️ @AI_Python ✴️ @AI_Python_EN

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.

Transformers working for RL! Two simple modifications: move layer-norm and add gating creates GTrXL: an incredibly stable and
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

A new antibody search engine with publication data. #Free online platform for academic scientists! #openaccess #openscience #phdchat https://landing.benchsci.com/

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

Bayesian Optimization Meets Riemannian Manifolds in Robot Learning Jaquier et al.: https://lnkd.in/gEv2b5g #BayesianOptimization #Robotics #MachineLearning

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

🔸 مقاله جالبی در مورد مقایسه کامل بین ۲ فریم ورک PyTorch و TensorFlow #معرفی_ابزار #فریم_ورک #یادگیری_ماشین
🔸 مقاله جالبی در مورد مقایسه کامل بین ۲ فریم ورک PyTorch و TensorFlow #معرفی_ابزار #فریم_ورک #یادگیری_ماشین