es
Feedback

¡No caigas en manos de tramposos! Telemetrio encuentra y marca estos canales 👉 Si quieres ver la etiqueta, suscríbete

DLeX: AI Python

DLeX: AI Python

Ir al canal en 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

Mostrar más

📈 Análisis del canal de Telegram DLeX: AI Python

El canal DLeX: AI Python (@ai_python) en el segmento lingüístico de Farsi es un actor destacado. Actualmente la comunidad reúne a 21 284 suscriptores, ocupando la posición 6 234 en la categoría Tecnologías y Aplicaciones y el puesto 16 500 en la región Irán.

📊 Métricas de audiencia y dinámica

Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 21 284 suscriptores.

Según los últimos datos del 13 noviembre, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -58, y en las últimas 24 horas de -9, conservando un alto alcance.

  • Estado de verificación: No verificado
  • Tasa de interacción (ER): El promedio de interacción de la audiencia es 8.24%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 2.67% de reacciones respecto al total de suscriptores.
  • Alcance de las publicaciones: Cada publicación recibe en promedio 1 754 visualizaciones. En el primer día suele acumular 569 visualizaciones.
  • Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 18.
  • Intereses temáticos: El contenido se centra en temas clave como مصنوعی, توییتر, ماهواره, داده, فناوری.

📝 Descripción y política de contenido

El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“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”

Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 14 noviembre, 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 Tecnologías y Aplicaciones.

21 284
Suscriptores
-924 horas
-157 días
-5830 días
Archivo de publicaciones
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