en
Feedback
علی شریفی زارچی - Ali Sharifi Zarchi

علی شریفی زارچی - Ali Sharifi Zarchi

Open in Telegram

عضو هیات‌علمی گروه هوش مصنوعی و بیوانفورماتیک، دانشکده‌ی مهندسی کامپیوتر، دانشگاه صنعتی آریامهر (شریف). عضو کمیته‌ی علمی المپیاد جهانی کامپیوتر.

Show more
The country is not specifiedThe category is not specified

📈 Analytical overview of Telegram channel علی شریفی زارچی - Ali Sharifi Zarchi

Channel علی شریفی زارچی - Ali Sharifi Zarchi (@sharifizarchi) is an active participant. Currently, the community unites 27 021 subscribers, ranking in the Other category.

📊 Audience metrics and dynamics

Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 27 021 subscribers.

According to the latest data from 02 September, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by 4 131 over the last 30 days and by 29 over the last 24 hours, overall reach remains high.

  • Verification status: Not verified
  • Engagement rate (ER): The average audience engagement rate is 157.19%. Within the first 24 hours after publication, content typically collects 40.17% reactions from the total number of subscribers.
  • Post reach: On average, each post receives 42 362 views. Within the first day, a publication typically gains 10 827 views.
  • Reactions and interaction: The audience actively supports content: the average number of reactions per post is 1 064.

📝 Description and content policy

The author describes the resource as a platform for expressing subjective opinions:
عضو هیات‌علمی گروه هوش مصنوعی و بیوانفورماتیک، دانشکده‌ی مهندسی کامپیوتر، دانشگاه صنعتی آریامهر (شریف). عضو کمیته‌ی علمی المپیاد جهانی کامپیوتر.

Thanks to the high frequency of updates (latest data received on 03 September, 2026), the channel maintains relevance and a high level of publication reach. Analytics show that the audience actively interacts with content, making it an important point of influence in the Other category.

27 021
Subscribers
+2924 hours
+4517 days
+4 13130 days
Posts Archive
ویدئوی کامل جلسه‌ی پنجم دوره‌ی ورود به دنیای هوش‌مصنوعی در این جلسه با الگوریتم «درخت تصمیم» به عنوان یک روش پرکاربرد دسته‌بندی آشنا می‌شویم و با مصورسازی و تحلیل داده‌های مسأله‌ی کشتی تایتانیک، کدنویسی حل این مسأله را در پایتون آغاز می‌کنیم: ✅ تفاوت رگرسیون با کلاسیفیکیشن و معرفی مسأله تایتانیک ✅ منطق الگوریتم درخت تصمیم (Decision Tree) در تفکیک داده‌ها ✅ فرمول شاخص جینی (Gini Index) برای محاسبه خلوص گره‌ها ✅ چالش بیش‌برازش (Overfitting) در صورت افزایش بیش از حد عمق درخت ✅ پایتون عملی: نصب کتابخانه‌ها و کار با دستورات پایه‌ای Pandas ✅ رسم نمودارهای میله‌ای و نقطه‌ای برای تحلیل نرخ بقای مسافران ✅ مهندسی ویژگی‌ها: پر کردن داده‌های گم‌شده و عددی کردن جنسیت و بندرها

از این پس می‌توانید اسلایدها، یادداشت‌های روی تخته، کدها، داده‌ها و Jupyter Notebook هر جلسه از دوره‌ی «ورود به دنیای هوش‌مصنوعی» را در لینک زیر ببینید: https://github.com/SharifiZarchi/IntroAI پیشنهاد می‌کنم قبل از هر جلسه، تلاش کنید Jupyter Notebook مربوط به آن جلسه را اجرا کنید، تغییر دهید، و به آن مسلط شوید.

ویدئوی کامل ضبط‌شده‌ی جلسه‌ی چهارم دوره‌ی ورود به دنیای هوش‌مصنوعی ⭕ این جلسه‌ به دلیل فنی ساده، به صورت زنده پخش نشد که صمیمانه از همه‌ی عزیزانی که منتظر بودند پوزش می‌خواهم. در این جلسه مقدمات برنامه‌نویسی پایتون را به صورت عملی مرور کردیم: ✅ دریافت کد از Github ✅ شروع کارکردن با Google Colab ✅ انواع متغیرها، حلقه‌ی for، شرط if، محاسبات ریاضیات ✅ تعریف تابع ✅ لیست، اندیس، کارکردن با لیست‌ها علاوه بر آن، مفاهیم زیر از یادگیری ماشین را مرور کردیم: ✅ گرادیان و گرادیان کاهشی (Gradient Descent) ✅ نرخ یادگیری (Learning Rate) ✅ کم‌برازش (Underfitting) و بیش‌برازش (Overfitting)

ویدئوی کامل ضبط‌شده‌ی جلسه‌ی چهارم دوره‌ی ورود به دنیای هوش‌مصنوعی ⭕ این جلسه‌ به دلیل فنی ساده، به صورت زنده پخش نشد که صمیمانه از همه‌ی عزیزانی که منتظر بودند پوزش می‌خواهم. در این جلسه مقدمات برنامه‌نویسی پایتون را به صورت عملی مرور کردیم: ✅ دریافت کد از Github ✅ شروع کارکردن با Google Colab ✅ انواع متغیرها، حلقه‌ی for، شرط if، محاسبات ریاضیات ✅ تعریف تابع ✅ لیست، اندیس، کارکردن با لیست‌ها علاوه بر آن، مفاهیم زیر از یادگیری ماشین را مرور کردیم: ✅ گرادیان و گرادیان کاهشی (Gradient Descent) ✅ نرخ یادگیری (Learning Rate) ✅ کم‌برازش (Underfitting) و بیش‌برازش (Overfitting)

ویدئوی کامل ضبط‌شده‌ی جلسه‌ی سوم دوره‌ی ورود به دنیای هوش‌مصنوعی در این جلسه مفاهیم پایه‌ای «یادگیری ماشین» را مرور کرده‌ایم: ✅ مجموعه داده، ویژگی، برچسب ✅ حفظ‌کردن یا تعمیم‌پذیری ✅ تفاوت پارامتر و ابرپارامتر ✅ داده‌های آموزش (train)، اعتبارسنجی (validation) و آزمون (test) ✅ بیش‌برازش (overfitting) ✅ مدل‌های خطی و غیرخطی

ویدئوی کامل ضبط‌شده‌ی جلسه‌ی سوم دوره‌ی ورود به دنیای هوش‌مصنوعی در این جلسه مفاهیم پایه‌ای «یادگیری ماشین» را مرور کرده‌ایم: ✅ مجموعه داده، ویژگی، برچسب ✅ حفظ‌کردن یا تعمیم‌پذیری ✅ تفاوت پارامتر و ابرپارامتر ✅ داده‌های آموزش (train)، اعتبارسنجی (validation) و آزمون (test) ✅ بیش‌برازش (overfitting) ✅ مدل‌های خطی و غیرخطی

برای نوجوانان ایران عزیزمان؛ از نخستین هفته پس از پایان آزمون‌های نهایی سال ۱۱ و ۱۲ متوسطه، یک دوره‌ی آموزشی رایگان هوش‌مصنوعی، برنامه‌نویسی پایتون و حل مساله‌های زیبای الگوریتمی تقدیم همه‌ی دانش‌آموزان دبیرستانی (متوسطه‌ی اول و دوم) ایران خواهم کرد. اطلاع‌رسانی: https://t.me/SharifiZarchi

لینک پخش زنده‌ی جلسه‌ی دوم شروع از ساعت ۱۸:۰۰ امروز شنبه ۲۳ خرداد به وقت تهران.

🛫 نخستین جلسه‌ی دوره‌ی رایگان «ورود به دنیای هوش‌مصنوعی» ✅ مدرس: علی شریفی زارچی ✅ امروز شنبه ۱۶ خرداد ساعت ۱۸:۰۰ به وقت تهران ✅ پخش زنده در YouTube ✅ بازنشر ویدئوها در YouTube و تلگرام [YouTube] [Telegram]

وعده دادم «آموخته‌هایم در هوش‌مصنوعی، الگوریتم، علوم داده و بیوانفورماتیک را به رایگان به هم‌میهنان عزیزتر از جانم بیاموزم؛ و
وعده دادم «آموخته‌هایم در هوش‌مصنوعی، الگوریتم، علوم داده و بیوانفورماتیک را به رایگان به هم‌میهنان عزیزتر از جانم بیاموزم؛ و هر کلاس را تقدیم کنم به روان پاک جاویدنامان، جان‌فدایان ایران عزیزمان». ✅ کلاس‌ها روزهای شنبه راس ساعت ۱۸ (به وقت تهران) و به صورت پخش زنده در YouTube خواهد بود. ✅ پس از پایان کلاس، ویدئوی آن در کانال یوتیوب و تلگرام به رایگان در دسترس خواهد بود. لینک‌ها: [YouTube] [Telegram]