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 21 313 名订阅者,在 技术与应用 类别中位列第 6 192,并在 伊朗 地区排名第 16 434 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 21 313 名订阅者。
根据 03 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 -72,过去 24 小时变化为 -2,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 8.04%。内容发布后 24 小时内通常能获得 3.70% 的反应,占订阅者总量。
- 帖子覆盖: 每篇帖子平均可获得 1 714 次浏览,首日通常累积 788 次浏览。
- 互动与反馈: 受众积极参与,单帖平均反应数为 16。
- 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 04 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。
21 313
订阅者
-224 小时
+127 天
-7230 天
帖子存档
21 313
یک خانواده از LLM ها اکنون می توانند تا حدود زیادی نقش Decompile کدهای باینری را به عهده بگیرند :
@ai_python
این مدل ها بر روی 4 بیلیون توکن سورس کد زبان سی و اسمبلی کدهای متناظر Train شده اند.
Paper Link
21 313
یه پلت فرم باحال که باهاش می تونید خیلی راحت مایگریت کنید. برای مثال به نظر من لایبرری OpenAI خیلی سریع تغییر می کنه.
@ai_python
با استفاده از این پلت فرم وقتی که لایبرری OpenAI رو آپدیت می کنید، می تونید چک کنید که کجای کدتون نیاز به تغییر داره تا با ورژن جدید سازگار بشه. https://app.grit.io/
@ai_python
البته grit فقط برای OpenAI نیست. خیلی کتابخونه های دیگه رو هم پشتیبانی می کنه. مثل Next.js
یا حتی مهاجرت از Chai به Jest
https://app.grit.io/migrations/new
21 313
مخزن پرامپت های لانگ چین :
https://smith.langchain.com/hub/rlm?organizationId=900eb658-009f-5a0d-aa45-336aa00d253f
21 313
Repost from N/a
🌱 تخفیف نوبرانه فرادرس — ۷۰⁒ تخفیف در بزرگترین جشنواره سال
💯 برای اولین بار، همهی آموزشهای فرادرس با تخفیف ویژه ۷۰ درصدی در دسترس شماست!
🔹 برنامه نویسی پایتون + مثال های عملی
🔹 کاربرد ChatGPT در علم داده
🔹 برنامه نویسی R - تحلیل داده های تاریخ و زمان
🔹 هوش مصنوعی – مقدماتی
🔹 تجزیه و تحلیل و آماده سازی داده ها با پایتون
🎁 کد تخفیف: EYD43
👈 مشاهده سایر آموزشها - [کلیک کنید]
@FaraDars - فرادرس
21 313
لانگ فیوز، یکی از پلت فرم های LLM Engineering است که شامل قابلیت های زیر برای LLM Application ها هست :
👨💻 Traces
👨💻 Evals
👨💻 Prompt Management
👨💻 Metrics
حال، به تازگی، این پلت فرم اپن سورس با Llama Index هم Integrate شده.
@ai_python
جهت اطلاعات بیش تر به این پست مراجعه کنید.
21 313
Repost from N/a
📣 برای اولین بار در فرادرس — ۷۰⁒ تخفیف برای تمامی آموزشها 💣
🌸 در جشنواره «به سوی بهار» با کد تخفیف EYD43 هر آموزشی را که دوست دارید با تخفیف ویژه دریافت کنید.
💠 ورود به صفحه جشنواره — [کلیک کنید]
✅ دسترسی سریع به تمامی آموزشها 👇👇
🔸 جدیدترین آموزشهای دو ماه اخیر
🔸 پرمخاطبترین آموزشهای یک ماه اخیر
🔸 آموزشهای طبقهبندی شده
@FaraDars - فرادرس
21 313
اگر این روزها با RAG Evaluation درگیر هستید یا قرار هست در آینده درگیرش بشید، این نوشتار فرمول های متریک های مورد استفاده در RAG Evaluation و معنای آن ها را بسیار بسیار ساده و با مثال های خیلی خوبی بیان کرده است:
@ai_python
https://medium.com/@rupeshyadav153/evaluation-of-retrieval-augmented-generation-rag-using-ragas-on-human-annotated-and-synthetic-09c4b825c298
21 313
امروز یک مقایسه اجمالی انجام دادیم از دو تا ابزار RAG Evaluation مشهور و حرفه ای. که با شما هم به اشتراک می ذاریم.
@ai_python
21 313
یک دیاگرام بسیار عالی از Pipeline یک سیستم RAG به زبان بسیار ساده
@ai_python
استخراج شده از دوره های deeplearning.ai
21 313
به نظرتون با توجه به LLM های تا این حد Long Context که امروزه در اختیار داریم، آیا هنوز وجود RAG مورد نیاز هست؟ از این جهت که این LLM ها می توانند این حجم از داده را مستقیم مورد آنالیز و جست و جو قرار دهند!
@ai_python
پاسخ در این ویدیو تا حدودی داده شده است :
https://youtu.be/UlmyyYQGhzc?si=LHuZRHyRc8VtTCuh
لینک های گیت هابشم که توی توضیحات خود ویدیو هست. اما اگه وقت ندارید ویدیو رو ببینید و صرفن کنجکاو هستید که نتیجه نهایی رو بدونید :
Overall, the analysis shows that RAG cannot currently be completely replaced by long contexts in LLMs, as finding multiple facts from long contexts at the same time is not guaranteed. More research is needed to improve skills. But long contexts are very promising! 👨💻
21 313
Repost from N/a
🚀 رایگان آموزش ببین و کلی مهارت یاد بگیر...
🎯 با مجموعه آموزشهای رایگان فرادرس، در کوتاهترین زمان ممکن به چیزی که میخوای میرسی!
▫️ یادگیری ماشین با پایتون در ۱۸۰ دقیقه
▫️ کتابخانههای پایتون برای یادگیری ماشین و یادگیری عمیق
▫️ چت جی پی تی ChatGPT چه کار می کند؟
▫️ مفاهیم پایه در یادگیری تقویتی ماشین
▫️ تبدیل متن به گفتار در پایتون با کتابخانه pyttsx3
👈 سایر آموزشهای رایگان - [اینجا ببینید]
@FaraDars - فرادرس
