علی شریفی زارچی - Ali Sharifi Zarchi
Ir al canal en Telegram
عضو هیاتعلمی گروه هوش مصنوعی و بیوانفورماتیک، دانشکدهی مهندسی کامپیوتر، دانشگاه صنعتی آریامهر (شریف). عضو کمیتهی علمی المپیاد جهانی کامپیوتر.
Mostrar másEl país no está especificadoLa categoría no está especificada
📈 Análisis del canal de Telegram علی شریفی زارچی - Ali Sharifi Zarchi
El canal علی شریفی زارچی - Ali Sharifi Zarchi (@sharifizarchi) es un actor destacado. Actualmente la comunidad reúne a 26 521 suscriptores, ocupando la posición en la categoría Otro.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 26 521 suscriptores.
Según los últimos datos del 26 agosto, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de 4 193, y en las últimas 24 horas de 104, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 151.30%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 49.64% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 40 094 visualizaciones. En el primer día suele acumular 13 153 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 1 608.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“عضو هیاتعلمی گروه هوش مصنوعی و بیوانفورماتیک، دانشکدهی مهندسی کامپیوتر، دانشگاه صنعتی آریامهر (شریف).
عضو کمیتهی علمی المپیاد جهانی کامپیوتر.”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 27 agosto, 2026), el canal mantiene la vigencia y un amplio alcance. La analítica demuestra que la audiencia interactúa activamente con el contenido, lo que lo convierte en un punto de referencia dentro de la categoría Otro.
26 521
Suscriptores
+10424 horas
+5987 días
+4 19330 días
Archivo de publicaciones
امروز هدیهی بسیار دلچسب و ارزشمندی دریافت کردم. «ویانا امیری» عزیز، تصویر «تیکو»، «لومی» و «پیتی»، شخصیتهای دورهی «خلاقیت الگوریتمی و برنامهنویسی پایتون» که برای بیش از ۸۰۰۰ نوجوان دبیرستانی در حال برگزاری است را ترسیم کرد و با یک جملهی مهربانانه برایم ارسال کرد.
از او و خانوادهاش سپاسگزارم و امیدوارم آیندهای روشن در انتظار همهی کودکان، نوجوان و جوانان ایران عزیزمان باشد ❤️
Repost from PyTeachMe
ویدئوی جلسهی اول دورهی خلاقیت الگوریتمی و برنامهنویسی پایتون منتشر شد.
🎉 دورهی خلاقیت الگوریتمی و برنامهنویسی پایتون آغاز شد.
👨💻 از هماکنون میتوانید در سایت PyTeach.me به محتوای دوره دسترسی پیدا کنید.
📞 در صورتی که سؤالی دارید، به حساب @PyTeachMeHelp در تلگرام پیام دهید.
Repost from PyTeachMe
ویدئوی معرفی دانشگاه استنفورد و همکاری آن با دورهی خلاقیت الگوریتمی و برنامهنویسی پایتون
🎉 تا ساعاتی دیگر دورهی خلاقیت الگوریتمی و برنامهنویسی پایتون، ویژهی دانشآموزان متوسطه، آغاز میشود.
👨🔬 دکتر امیر بهمنی، رییس مرکز Deep Data Research Center دانشگاه استنفورد به معرفی این دانشگاه و همکاری با این دوره پرداختهاند.
👩🎓 هزار نفر از دانشآموزان که بهترین عملکرد را در این دوره داشته باشند فرصت حضور در دورهی هوشمصنوعی و بیوانفورماتیک دانشگاه استنفورد را خواهند داشت.
⏰ اگر هنوز ثبتنام نکردهاید، میتوانید از سایت PyTeach.me ثبتنام کنید.
✍️ تنها کانال اطلاعرسانی دوره، کانال تلگرامی PyTeachMe است.
قول دادم برای دانشآموزان متوسطه یک دورهی رایگان تفکر الگوریتمی و برنامهنویسی پایتون برگزار کنم.
✅ با همراهی مرکز ژرفداده دانشگاه استنفورد، ۱۰۰۰ دانشآموز برتر این دوره، فرصت حضور رایگان در دورهی پیشرفتهی هوشمصنوعی و کسب گواهینامهی دانشگاه استنفورد را به دست خواهند آورد.
✅ از امروز ثبتنام در این دوره از طریق وبسایت PyTeach.me آغاز میشود.
✅ شروع دوره از شنبه ۳۱ مردادماه خواهد بود.
✅ اطلاعرسانی دوره صرفاً از کانال تلگرام PyTeachMe@ خواهد بود.
هفتهی پیش المپیاد جهانی هوشمصنوعی IOAI-2026 به پایان رسید و این هفته المپیاد جهانی کامپیوتر IOI-2026 در حال برگزاری است.
سوالهای این دو المپیاد را میتوانید در لینکهای زیر ببینید:
✅ سوالهای المپیاد جهانی هوشمصنوعی IOAI-2026
✅ سوالهای المپیاد جهانی کامپیوتر IOI-2026
دورهی رایگان «ورود به دنیای هوشمصنوعی» که برای آشنایی عموم علاقمندان تهیه کردم، به پایان رسید. لینک همهی ویدئوها، اسلایدها و ژوپیترها را تقدیم میکنم. از پیامهای سراسر مهری که ارسال کردید بیاندازه سپاسگزارم ❤️
۱. مسافر نمانیم، خلبان شویم
۲. ماشین چگونه میآموزد
۳. داده، ویژگی، برچسب: چرا حفظکردن یادگیری نیست
۴. گرادیان کاهشی، قلب یادگیری ماشین
۵. درخت تصمیم و معمای تایتانیک
۶. دقت کافی نیست: سنجش صادقانهی یک مدل
۷. شبکههای عصبی: از یک نورون تا یادگیری عمیق
۸. کانولوشن: ماشین چگونه یاد میگیرد ببیند
۹. وقتی ماشین سخن ما را میفهمد: آشنایی با ترنسفورمر
۱۰. از صفر شروع کنیم و یک چتبات و عامل هوشمند (Agent) بسازیم
اسلایدها و نوتبوکها
لینک پخش زندهی دهمین و آخرین جلسه از دورهی «ورود به دنیای هوشمصنوعی»
در این جلسه یاد میگیریم که چطور از صفر، یک مدل زبانی بزرگ بسازیم و آن را آموزش دهیم!
درسهایی که محتوای آن با تلاش صدها نفر از بهترین دانشجویان ایران تهیه شده بود و دهها هزار نفر از دانشجویان از آن بهره بردند را با فشار بیرونی از درسافزار دانشگاه و مکتبخونه حذف کردند. فدای یک تار موی مردم ایران.
بعد از برگزاری دو المپیاد جهانی، دوباره ضبط و تقدیم میکنم.
ویدئوی جلسهی نهم دورهی ورود به دنیای هوشمصنوعی
در این جلسه با کلیدیترین مفاهیم پردازش زبان طبیعی آشنا میشویم:
✅ تعبیه (Embedding) واژگان
✅ الگوریتم Word2Vec
✅ شباهت کسینوسی (Cosine Similarity)
✅ ساختار Transformer
✅ مکانیزم توجه (Attention)
✅ پیادهسازی مکانیزم توجه و ترنسفورمر با استفاده از PyTorch
ویدئوی کامل جلسهی هشتم دورهی ورود به دنیای هوشمصنوعی
در این جلسه با کلیدیترین مفاهیم بینایی ماشین، از جمله Convolutional Neural Networks آشنا میشویم.
✅ لایهی کانولوشن Convolution
✅ انواع مجموعه دادههای پردازش تصویر نظیر ImageNet، CIFAR-10 و MNIST
✅ مفاهیم Stride, Padding
✅ عمق و تعداد کانال در شبکههای کانولوشن
✅ افزونسازی داده Data Augmentation و کتابخانهی Albumentaions
✅ پیادهسازی لایهی کانولوشن در پایتون
✅ استفاده از کتابخانهی Pytorch برای پیادهسازی شبکهی کانولوشن
ویدئوی کامل جلسهی هفتم دورهی ورود به دنیای هوشمصنوعی
در این جلسه با شبکههای عصبی مصنوعی، قدرتمندترین مدل هوشمصنوعی آشنا میشویم.
✅ نورون مصنوعی
✅ توابع فعالسازی پله، ReLU، Softmax و سیگموئید
✅ تابع هزینهی Cross-Entropy برای دستهبندی
✅ روش One-hot برای کلاسها
✅ انواع معماری شبکهی عصبی مصنوعی
✅ پیادهسازی عملی شبکههای عصبی در پایتون
✅ دستهبندی مجموعهدادهی MNIST ارقام دستنویس
ویدئوی کامل جلسهی ششم دورهی ورود به دنیای هوش مصنوعی
در این جلسه با معیارهای ارزیابی الگوریتمهای دستهبندی از جمله دقت، حساسیت و صحت آشنا میشویم.
سپس به صورت عملی و با استفاده از کتابخانهی Scikit-Learn، مهمترین کتابخانهی مدلهای کلاسیک یادگیری ماشین، برای مسالهی کشتی تایتانیک یک مدل درخت تصمیم توسعه میدهیم.
در نهایت، دقت درخت تصمیم را ارزیابی میکنیم.
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)
