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 21 289 名订阅者,在 技术与应用 类别中位列第 6 232,并在 伊朗 地区排名第 16 497 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 21 289 名订阅者。
根据 15 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 -43,过去 24 小时变化为 7,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 8.50%。内容发布后 24 小时内通常能获得 2.88% 的反应,占订阅者总量。
- 帖子覆盖: 每篇帖子平均可获得 1 810 次浏览,首日通常累积 614 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 16 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。
21 289
订阅者
+724 小时
-107 天
-4330 天
帖子存档
21 285
#تنسورفلو 01
تنسورفلو چیست و چرا؟
تنسورفلو (انگلیسی: TensorFlow یک کتابخانهٔ نرمافزاری متنباز برای یادگیری ماشین در انواع مختلف وظایف مفهومی و زبان است که در حال حاضر توسط ۵۰ تیم تحقیقاتی و محصولات مختلف گوگل از جمله بازشناسی گفتار، جیمیل، گوگل فوتوز و جستجو که بسیاری از آنها سابقاً از دیستبلیف استفاده کرده بودند، استفاده میشود. تنسورفلو در آغاز توسط تیم گوگل برین مرکز تحقیقاتی گوگل به صورت داخلی استفاده میشد ولی بعدها در ۹ نوامبر ۲۰۱۵ تحت مجوز آپاچی منتشر شد.
دلایل زیادی نظیر اینکه تصاویر طیف خاکستری در کامپیوتر معمولاً به صورت ماتریسهای n∗m ذخیره میشوند(تصاویر رنگی با ابعاد بیشتر مانند n∗m∗3) و وقتی ما دستهای از تصاویر داریم (مثلاً k تصویر)، مجبوریم ابعاد ماتریسها را به صورت n∗m∗k یا در تصاویر رنگی n∗m∗3∗k افزایش دهیم سبب شدند که در طراحی TensorFlow از داده ساختار تانسور برای نگه داری مقادیر و نوع داده متغیرها استفاده شود. اما مهم ترین دلیل استفاده TensorFlow از تانسورها، در حقیقت سهولت مدیریت وزنها و مقادیر نرونها در لایههای مختلف در شبکههای عصبی عمیق و یادگیری عمیق است.
تنسور چیست؟
اصولا اگر داده را به صورت بردار در نظر بگیریم به سه نوع خواهد بود:
دسته ۱: داده های برداری که به شکل یک بردار ۱ بعدی هستند
دسته ۲: داده های ماتریسی که به صورت ۲ بعدی خواهند بود
دسته ۳: داده هایی که به صورت ماتریس هایی با ابعاد بالاتر از ۲ هستند که به آنها تنسور گفته میشود.
دلیل اصلی اینکه می بایستی محاسبات تنسور را بیاموزیم این است که در کل داده هایی مانند تصویر به صورت تنسور هایی هستند که گاها بهم مرتبط (مانند ویدئو) و گاها نامرتبط بهم (تصاویر نا مرتبط) می باشند.
❇️ @ai_python
21 285
در مورد PyTorch علاقه مندان میتونن آموزشهای دکتر رضوی رو دنبال بکنند:
https://t.me/ai_python/3140
در مورد تنسورفلو از امروز آموزشها شروع میشند و به صورت خیلی کوتاه و پست های تلگرامی در اختیار دوستان قرار میگیرند.
با ما باشید.
با ما نبودید هم لفت بدید😒
مثل شاطر براتون پست میزاریم لفت هم میدید والا 😒😒😒
❇️ @ai_python
21 285
گروه ریاضی و رمزنگاری:
↪️ https://t.me/joinchat/HdXdAUv287poCj8cYQbbuw
گروه پرسش و پاسخ یادگیری عمیق:
↪️ https://t.me/joinchat/ClyM2hFyG5NPY4Cu-B_Tmw
گروه پرسش و پاسخ پردازش زبان طبیعی:
↪️ https://t.me/joinchat/ClyM2hD0u8mHCI0lj-IHgQ
گروه پرسش و پاسخ لینوکس پایتون و هوش مصنوعی:
↪️ https://t.me/joinchat/ClyM2j9QzOiTI_Ul3Oqa_g
گروه ارز دیجیتال:
↪️ https://t.me/joinchat/ClyM2ks_FYVvdY6Gn_PjqA
کانال یوتیوب دروس فارسی دکتر رضوی (هوش مصنوعی، پایتون و یادگیری عمیق):
↪️ http://www.youtube.com/c/SeyedNaserRazavi
کانال پایتون، هوش مصنوعی، لینوکس و علوم شناختی:
↪️ https://t.me/joinchat/AAAAAEIZz9O4RpAXQ_ylTw
❇️ @ai_python
21 285
لینک های شرکت در این دوره ها و توضیحات مربوطه:
💎 جبر خطی و احتمالات در یادگیری ماشینی با استفاده از پایتون
این کارگاه دوره فشردهای در حوزه ریاضیات یادگیری ماشینی است. در این دوره آموزشی روشهای عمده در جبر خطی و تئوری احتمالات ارائه میشود؛ روشهایی که مستقیما به الگوریتمهای یادگیری ماشینی مرتبط هستند. پس از این کارگاه فراگیران هم نحوه خواندن مباحث ریاضیاتی در مقالات یادگیری ماشینی را خواهند آموخت و هم نحوه توصیف مدلهای خودشان به زبان ریاضی با استفاده از عملیات موجود در جبر خطی را یاد میگیرند. تمامی این مفاهیم به صورت گام به گام در کتابخانههای استاندارد پایتون پیاده سازی میشود.
لینک ثبت نام: http://www.ifc.ir/linear-algebra-and-probabilities
💎 پیشبینی سریهای زمانی با استفاده از پایتون
پیشبینی وضعیت آینده همواره یکی از مهمترین مسائل در بازارهای مالی بهشمار میرود. مدلها و روشهای گوناگونی جهت انجام پیشبینی مورد کاربرد محققان و فعالان بازار است. مدلهای اقتصادسنجی و الگوریتمهای هوشمند نظیر شبکههای عصبی و یادگیری عمیق ازجمله مهمترین روشهای پیشبینی آینده مبتنی بر دادههای گذشته تلقی میشوند. این مدلها و الگوریتمها را میتوان در بسترها و با استفاده از ابزارهای متفاوتی پیادهسازی کرده و به نتایج موردنظر دست یافت. در این دوره آموزشی افراد پس از آشنایی و یادگیری نحوه کدنویسی در پایتون و درک صحیحی از دادهها و ساختار آن در سریهای زمانی، مدلهای پیشبینی اعم از خطی و غیرخطی را پیادهسازی خواهند کرد. همچنین پس از انجام پیشبینی به ارزیابی آن خواهند پرداخت.
لینک ثبت نام: http://www.ifc.ir/time-series-using-python
⭐️ با تخفیف ویژه برای دانشجویان
👨🏻💼 مدرس: جناب دکتر علی حبیب نیا
❇️ @ai_python
21 285
آیا شاخصی برای ارزشیابی دانشگاه های خارجی در ایران وجود دارد؟
این ویدیو تا حدی پاسخ این سوال را خواهد داد.
🆔 @ApplyMarket
21 285
از امروز کامیون های خودران شرکت Uber بارهای آریزونا را حمل خواهند کرد.
منبع: https://www.theverge.com/2018/3/6/17081626/uber-self-driving-trucks-delivering-cargo-arizona
❇️ @ai_python
21 285
کدام کتابخانه را برای یادگیری عمیق ترجیح میدهید؟ ( در نظر داریم آموزشهای مربوطه را در کانال قرار دهیم)
anonymous poll
Tensorflow – 189
👍👍👍👍👍👍👍 79%
PyTorch – 36
👍 15%
Caffe – 8
▫️ 3%
Theano – 5
▫️ 2%
👥 238 people voted so far.
21 285
#تیکه_کلام
👱🏻#بیل_گیتس میگه :
✅ برای برنامه نویسی لازم نیست که یک نابغه باشید. کافیه جمع و تفریق رو بلد باشید. 👨💻
❇️ @ai_python
21 285
📌 داکیومنت آنلاین و رایگان برای اکثر زبان ها و تکنولوژی های موجود با قابلیت مشاهده آفلاین
🔗 devdocs.io
باتشکر از دوست خوبمون @Omid_Mazaheri 🙏
@Ai_python
21 285
منبع: http://www.nationmaster.com/country-info/stats/Education/Pupil--teacher-ratio%2C-primary#-date
اگر اشتباهی شده حتما اطلاع بدید ممنون میشم.
تحلیل مابقی بر عهده خودتان.
❇️ @ai_python
21 285
حالا اینارو چرا گفتیم. برای این:
یک نرخی هست به اسم student-teacher ratio که نشون میده به ازای هر چند دانشجو یک استاد در دانشگاه مشغول هست. کم بودن این نرخ نشون میده که دانشجو به اساتید بیشتری دسترسی داره.
با آمار گفته شده حساب کنیم چیزی حدود ۶۷:۱ در میاد. یعنی برای هر ۶۷ دانشجو یک استاد.
این نرخ به صورت میانگین برای کشورهای مختلف نشان داده شده است در ادامه.
❇️ @ai_python
21 285
تعداد اساتید شاغل در دانشگاه های مختلف به تفکیک دستگاه اجرایی و رتبه استادی
در مجموع کل 66314 استاد شاغل هستند
❇️ @ai_python
