DLeX: AI Python
Ir al canal en Telegram
هوشمصنوعی و برنامهنویسی توییتر : https://twitter.com/NaviDDariya تا آزادی ایران از جمهوری اسلامی تبهکار، تبلیغات نداریم.
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 21 429 suscriptores, ocupando la posición 6 035 en la categoría Tecnologías y Aplicaciones y el puesto 15 672 en la región Irán.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 21 429 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 -23, 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 7.92%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 3.51% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 1 698 visualizaciones. En el primer día suele acumular 752 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 10.
- 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
تا آزادی ایران از جمهوری اسلامی تبهکار، تبلیغات نداریم.”
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 Tecnologías y Aplicaciones.
21 429
Suscriptores
-924 horas
-127 días
-2330 días
Archivo de publicaciones
21 428
🛸Real-Time Differentiable Tracing🛸
👉 Radiant Foam is a novel scene representation by leveraging the decades-old efficient volumetric mesh ray tracing algorithm (largely overlooked in recent research). Performing like Gaussian Splatting, without the constraints of rasterization. Code announced💙
👉Review https://shorturl.at/26U06
👉Paper https://arxiv.org/pdf/2502.01157
👉Project https://radfoam.github.io/
👉Repo https://github.com/theialab/radfoam
21 428
افبیآی سانفرانسیسکو اعلام کرده سه مهندس ساکن سیلیکونولی: سمانه غندالی، محمدجواد خسروی و سرور غندالی، به اتهام توطئه برای سرقت اسرار تجاری از گوگل و چند شرکت بزرگ فناوری، سرقت و تلاش برای سرقت اطلاعات محرمانه مرتبط با امنیت پردازنده و رمزنگاری، انتقال این اسناد به محلهای غیرمجاز از جمله دستگاههای کاری یکدیگر و حتی ایران، و همچنین ایجاد مانع در روند عدالت بازداشت شدهاند؛ این افراد امروز در دادگاه فدرال سنخوزه حاضر شدهاند.
👉 @ai_python 🦁 ☀️
و در واکنشها به این خبر، بسیاری از کاربران ایرانی به سابقه خانوادگی متهمان، هشدارهای قبلی درباره نفوذ عوامل جمهوری اسلامی در شرکتهای فناوری، و لزوم بررسی و برخورد گستردهتر اشاره کردهاند.
👉 @ai_python 🦁 ☀️
https://x.com/FBISanFrancisco/status/2024670479974363376/photo/1
21 428
🔥 VideoJAM: #META's Video-Model (SOTA) 🔥
👉#META's VideoJAM: the new SOTA (by large margin) in motion coherence for video generation, much better than SORA! A strong motion prior into any video-gen model. Impressive results, no code announced🥲
👉Review https://shorturl.at/id7Bt
👉Paper https://arxiv.org/pdf/2502.02492
👉Project https://hila-chefer.github.io/videojam-paper.github.io/
21 428
رابطه فعلی بین مایکروسافت و اوپن ای آی از دیدگاه Satya Nadella:
@ai_python
https://youtu.be/8jehY7NfSnw?si=FpeuYRfMW71s0ugw
21 428
اگر شما مایل باشید مسنجرهای بدون نیاز به اینترنت برای پیام رسانی در زمان های قطعی اینترنت را نصب کنید، انتخاب شما کدام یک از پیام رسان های زیر خواهد بود:
21 428
دوستان در خصوص اپلیکیشن نقطه ها، از اون جای که الترناتیو های دیگه هم وجود داره و دوستان معرفی کردند : از جمله bitchat و Briar، امشب یک نظر سنجی خواهیم گذاشت که از طریق اون نظرسنجی بشه تشخیص داد بیشتر افراد مایل به نصب کدوم هستند.
به نظرم این نظرسنجی کمک کننده خواهد بود. چون کارکرد موثر این چنین اپ هایی ارتباط مستقیم با تعداد کاربران داره. هرچه تعداد کاربران بیش تر، برد ارتباط و کارایی بیش تر.
21 428
درباره Foundry IQ قبلن کامل در کانال صحبت کرده بودیم.
👉 @ai_python ✍️
اینم یک ویدیو جدید تر از استاد John Savill :
https://youtu.be/uDVkcZwB0EU?si=KbqUk6hm4iTDtHHA
21 428
توضیحات مرتبط با مدل کاتالوگ Microsoft Foundry یا همون Azure AI Foundry قدیم
👉 @ai_python 🦁 ☀️
https://youtu.be/zPvEYmj8Mi4?si=6ZBtqJ-GYSoMDG3I
21 428
Repost from DLeX: AI Python
یکی از مسنجرهایی که در صورت قطعی اینترنت می توانید به وسیله آن به دوستان خود پیام ارسال کنید، اپلیکیشن نقطه ها است.
👉 @ai_python ✍️
دوستانی که اندروید دارن می توانند از طریق لینک زیر از Google Play دانلود نمایند :
https://play.google.com/store/apps/details?id=com.filtershekanha.noghteha
21 428
به روزرسانی های تا 13 فوریه مایکروسافت آژور
👉 @ai_python 🦁 ☀️
https://youtu.be/gFh0kpFrND8?si=ETTjkew5znNbXxfx
21 428
به روزرسانی های 16 ژانویه در آژور که ممکن نشده بود در چانال بذاریم
👉 @ai_python 🦁 ☀️
https://youtu.be/0U9CjXk5o2E?si=JZju3U06nRbBM5tA
21 428
Repost from N/a
کمپانی SpaceX یکی از اولین مشتری های Enterprise گروک محسوب می شه.
🖥 @elonfact 🙄
در واقع این نسخه سفارشی سازی شده از گروک با نام Spok بر روی داده های کمپانی های فعال در حوزه صنایع فضایی به خصوص خود SpaceX آموزش داده شده است.
21 428
نحوه استفاده از Agent Skills ها در Visual Studio Code جهت افزایش کارایی
👉 @ai_python ✍️
https://youtu.be/fabAI1OKKww?si=Wk_hbLjMDG1NVbXx
21 428
Repost from AIHealthHub
🟢 مدل تخصصی پزشکی برای تحلیل متن بالینی
🔹 Bio_ClinicalBERT
این مدل در Hugging Face منتشر شده و برای درک متن بالینی واقعی (مثل پروندهها، شرح حال و یادداشتها) آموزش دیده است.
📌 لینک مدل: https://huggingface.co/emilyalsentzer/Bio_ClinicalBERT
مزایا برای پزشکان:
✔ طراحی شده برای «متن بالینی واقعی»
✔ بهتر از مدلهای عمومی مفهومهای پزشکی را درک میکند
✔ مناسب برای خلاصهسازی و تحلیل متنهای بالینی
اما هنوز:
⚠ جایگزین تصمیم درمانی نیست
⚠ مسئولیت نهایی با #پزشک است
🆔 @AI_HealthHub
21 428
ابزاری برای بررسی میزان جمعیت در مکان های متفاوت (این ابزار OpenSource است)
👉 @ai_python ✍️|
https://www.mapchecking.com/
21 428
برای این که بدونید سرویس جدید MixBoard گوگل که بر پایه هوش مصنوعی هست به چه دردی می خوره، این ویدیو رو ببینید.
👉 @ai_python ✍️
البته هنوز در تمام ریجن ها فعال نیست. برای مثال من سعی کردم از اتریش امتحان کنم و فعلن برای من قابل استفاده نبود. (تا تاریخ اولین انتشار این پست در کانال : 9 ژانویه 2026 )
21 428
وزارت بهداشت و خدمات انسانی آمریکا (HHS) بهتازگی بزرگترین دیتاست Medicaid را در تاریخ این نهاد بهصورت متنباز منتشر کرده است. این مجموعه داده شامل اطلاعات تجمیعشده و سطحارائهدهنده از درخواستهای پرداخت (claims) برای یک کد مشخص صورتحساب در طول زمان است. چنین دادهای امکان مشاهده الگوهای رفتاری ارائهدهندگان خدمات درمانی را با دقتی بیسابقه فراهم میکند.
👉 @ai_python ✍️
اهمیت این دیتاست در آن است که میتواند بهعنوان ابزاری قدرتمند برای شناسایی الگوهای غیرعادی و کشف تقلب در سیستم سلامت مورد استفاده قرار گیرد. خود تیم HHS DOGE اشاره کرده که با همین دادهها میشد تقلب گسترده در تشخیص اوتیسم در ایالت مینهسوتا را خیلی زودتر شناسایی کرد. انتشار عمومی این دادهها به پژوهشگران، روزنامهنگاران و تحلیلگران مستقل اجازه میدهد رفتار سیستم سلامت را شفافتر و دقیقتر بررسی کنند.
👉 @ai_python ✍️
این دیتاست توسط تیم HHS DOGE منتشر شده؛ گروهی در وزارت بهداشت آمریکا که مأموریتش افزایش شفافیت، تحلیل دادههای سلامت و مبارزه دادهمحور با تقلب است. انتشار این مجموعه داده از طریق پورتال رسمی دادههای باز دولت آمریکا، opendata.hhs.gov، گامی مهم در جهت پاسخگویی عمومی و تقویت اعتماد به سیستم سلامت محسوب میشود.
👉 @ai_python ✍️
دانلود در این لینک :
https://opendata.hhs.gov/
21 428
این وویس به معرفی و تبیین مهندسی عامل (Agent Engineering) میپردازد و آن را به عنوان یک نظم و انضباط نوین برای تبدیل سیستمهای هوش مصنوعی غیرقابلپیشبینی به ابزارهای تجاری قابلاطمینان معرفی میکند. نویسنده با تأکید بر چرخهی تکرارپذیر «ساخت، آزمایش، عرضه و مشاهده»، توضیح میدهد که برخلاف نرمافزارهای سنتی، عاملهای هوشمند به دلیل ماهیت تطبیقپذیر و غیرقطعی خود، نیازمند پایش مداوم و اصلاح بر اساس رفتارهای واقعی کاربران هستند.
👉 @navidcasts 🎓
این نوشتار با ترکیب مهارتهای تفکر محصول، مهندسی زیرساخت و علوم داده، چارچوبی عملی ارائه میدهد تا تیمها بتوانند از طریق یادگیری از محیط عملیاتی، بر چالشهایی نظیر ورودیهای پیشبینینشده و دیباگینگ دشوار غلبه کنند. در نهایت، هدف اصلی این متن تأکید بر این نکته است که موفقیت در عصر جدید هوش مصنوعی نه در کمالگرایی پیش از عرضه، بلکه در توسعهی سیستماتیک و سریع بر اساس دادههای واقعی نهفته است.
