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 21 306 suscriptores, ocupando la posición 6 187 en la categoría Tecnologías y Aplicaciones y el puesto 16 432 en la región Irán.

📊 Métricas de audiencia y dinámica

Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 21 306 suscriptores.

Según los últimos datos del 04 noviembre, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -74, y en las últimas 24 horas de -7, conservando un alto alcance.

  • Estado de verificación: No verificado
  • Tasa de interacción (ER): El promedio de interacción de la audiencia es 8.12%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 3.58% de reacciones respecto al total de suscriptores.
  • Alcance de las publicaciones: Cada publicación recibe en promedio 1 731 visualizaciones. En el primer día suele acumular 762 visualizaciones.
  • Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 16.
  • 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 05 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.

21 306
Suscriptores
-724 horas
-97 días
-7430 días
Archivo de publicaciones
گزینه صحیح این تکه کد چیه ؟ >>> print(type([]))
Anonymous voting

جواب درست این تکه کد چیه؟؟ >>> name= ['@AI_'] >>> name.append('Python') >>> print(name[1])
Anonymous voting

جواب درست این تکه کد چیه ؟ >>> x=[[1]]*2 >>> x[0].append(2) >>> print(x)
Anonymous voting

✅ کتابخانه NumPy چیست؟ 📝 کتابخانه NumPy یک کتابخانه پایتون منبع باز است که تقریباً در هر زمینه‌ای از علم و مهندسی استفاده می
✅ کتابخانه NumPy چیست؟ 📝 کتابخانه NumPy یک کتابخانه پایتون منبع باز است که تقریباً در هر زمینه‌ای از علم و مهندسی استفاده می‌شود. این استاندارد جهانی برای کار با داده های عددی در پایتون است و در هسته اکوسیستم های علمی Python و PyData قرار دارد. کاربران NumPy شامل همه افراد از کدنویسان مبتدی تا محققان با تجربه هستند که تحقیقات و توسعه علمی و صنعتی را انجام می دهند. NumPy API به طور گسترده در Pandas، SciPy، Matplotlib، scikit-learn، scikit-image و بسیاری دیگر از بسته های علوم داده و علمی Python استفاده می شود. 📝 کتابخانه NumPy شامل آرایه های چند بعدی و ساختارهای داده ماتریسی است. 📝 این کتابخانه پایه ترین کتابخانه مورد استفاده در هوش مصنوعی است و فراگیری بیشتر آن باعث فهم بیشتر داده و شیوه آماده سازی آن برای الگوریتم می شود. 📝 برای دریافت آموزش از این کتابخانه می توان به لینک زیر مراجعه کرد: 🗒 NumPy Library @AI_Python

✅ چگونه یک نقشه حرارتی همبستگی (seaborn correlation heatmap) seaborn در پایتون ایجاد کنیم؟ 📝 کتابخانه Seaborn یک کتابخانه پا
✅ چگونه یک نقشه حرارتی همبستگی (seaborn correlation heatmap) seaborn در پایتون ایجاد کنیم؟ 📝 کتابخانه Seaborn یک کتابخانه پایتون است که مبتنی بر matplotlib است و برای تجسم داده‌ها استفاده می‌شود. این یک کتابخانه برای ارائه داده ها در قالب نمودار آماری به عنوان یک medium آموزنده و جذاب برای انتقال برخی اطلاعات است. نقشه حرارتی (correlation heatmap) یکی از مؤلفه‌هایی است که توسط seaborn پشتیبانی می‌شود که در آن تغییرات در داده‌های مرتبط با استفاده از یک پالت رنگ به تصویر کشیده می‌شود. 📝 یکی از کاربردهای جدی این نقشه حرارتی این است که ما با استفاده از آن می توانیم داده‌هایی که ارتباط زیادی به هم دیگر دارند را شناسایی کنیم و بجای استفاده کل داده‌ها برای آموزش کردن مدل از کسری از داده‌ها استفاده کنیم و میان مشخصه‌هایی که ارتباط بسیار زیاد نشان داده می‌شود یکی را به عنوان مشخصه نماینده برای داده‌های آموزشی معین می‌کنیم و بقیه را نادیده می‌گیریم. جزئیات بیشتر راجع به correlation heatmap در لینک زیر بیان شده است: 🗒 seaborn correlation heatmap @AI_Python

Repost from N/a
✅ چگونه یک نقشه حرارتی همبستگی (seaborn correlation heatmap) seaborn در پایتون ایجاد کنیم؟ 📝 کتابخانه Seaborn یک کتابخانه پا
✅ چگونه یک نقشه حرارتی همبستگی (seaborn correlation heatmap) seaborn در پایتون ایجاد کنیم؟ 📝 کتابخانه Seaborn یک کتابخانه پایتون است که مبتنی بر matplotlib است و برای تجسم داده‌ها استفاده می‌شود. این یک کتابخانه برای ارائه داده ها در قالب نمودار آماری به عنوان یک medium آموزنده و جذاب برای انتقال برخی اطلاعات است. نقشه حرارتی (correlation heatmap) یکی از مؤلفه‌هایی است که توسط seaborn پشتیبانی می‌شود که در آن تغییرات در داده‌های مرتبط با استفاده از یک پالت رنگ به تصویر کشیده می‌شود. 📝 یکی از کاربردهای جدی این نقشه حرارتی این است که ما با استفاده از آن می توانیم داده‌هایی که ارتباط زیادی به هم دیگر دارند را شناسایی کنیم و بجای استفاده کل داده‌ها برای آموزش کردن مدل از کسری از داده‌ها استفاده کنیم و میان مشخصه‌هایی که ارتباط بسیار زیاد نشان داده می‌شود یکی را به عنوان مشخصه نماینده برای داده‌های آموزشی معین می‌کنیم و بقیه را نادیده می‌گیریم. جزئیات بیشتر راجع به correlation heatmap در لینک زیر بیان شده است: 🗒 seaborn correlation heatmap @AI_Python

Repost from N/a
✅ چگونه یک نقشه حرارتی همبستگی (seaborn correlation heatmap) دریایی در پایتون ایجاد کنیم؟ 📝 کتابخانه Seaborn یک کتابخانه پای
✅ چگونه یک نقشه حرارتی همبستگی (seaborn correlation heatmap) دریایی در پایتون ایجاد کنیم؟ 📝 کتابخانه Seaborn یک کتابخانه پایتون است که مبتنی بر matplotlib است و برای تجسم داده‌ها استفاده می‌شود. این یک کتابخانه برای ارائه داده ها در قالب نمودار آماری به عنوان یک medium آموزنده و جذاب برای انتقال برخی اطلاعات است. نقشه حرارتی (correlation heatmap) یکی از مؤلفه‌هایی است که توسط seaborn پشتیبانی می‌شود که در آن تغییرات در داده‌های مرتبط با استفاده از یک پالت رنگ به تصویر کشیده می‌شود. 📝 یکی از کاربردهای جدی این نقشه حرارتی این است که ما با استفاده از آن می توانیم داده‌هایی که ارتباط زیادی به هم دیگر دارند را شناسایی کنیم و بجای استفاده کل داده‌ها برای آموزش کردن مدل از کسری از داده‌ها استفاده کنیم و میان مشخصه‌هایی که ارتباط بسیار زیاد نشان داده می‌شود یکی را به عنوان مشخصه نماینده برای داده‌های آموزشی معین می‌کنیم و بقیه را نادیده می‌گیریم. جزئیات بیشتر راجع به correlation heatmap در لینک زیر بیان شده است: 🗒 seaborn correlation heatmap @AI_Hasan

جواب خروجی کد زیر چیه ؟ >>> a = (1,2,3) >>> type(a) >>> b= (3) >>> type(b)
Anonymous voting

جواب خروجی درست کدام گزینه است؟ >>> def x ( i,values=[] ) : return values.append(i) >>> print(x(2))
Anonymous voting

جواب درست این تکه کد چیه ؟ >>> try: print(1) ... except: print (2) ... finally : print(3) >>>
Anonymous voting

جواب درست این تکه کد چیه؟ >>> a = [0,1,2,3] >>> for a[-1] in a : ... print(a[-1])
Anonymous voting

جواب درست این تکه کد چیه ؟ >>> def fun(): for x in range(22,23,24): print(x) >>> fun()
Anonymous voting

جواب درست این تکه کد چیه ؟ >>> l1=['A'] >>> l1.extend('ABC') >>> print(l1)
Anonymous voting

جواب این تکه کد چیست؟ >>> List=['Python','Developers'] >>> result=[i for i in List if len(i)>6] >>> print(*result)
Anonymous voting

Repost from N/a
‌ ✳️ ‌آموزش رایگان آشنایی با پردازش زبان‌های طبیعی (NLP) در پایتون با پلتفرم NLTK چکیده — برای پردازش زبان های طبیعی، نیاز به
‌ ✳️ ‌آموزش رایگان آشنایی با پردازش زبان‌های طبیعی (NLP) در پایتون با پلتفرم NLTK چکیده — برای پردازش زبان های طبیعی، نیاز به یک ابزار و یا به عبارتی به یک زبان برنامه نویسی داریم، بنابراین با توجه به سهولت کدنویسی و همچنین وجود بسته های نرم افزاری زیاد، زبان برنامه نویسی پایتون و مهم ترین ابزار آن برای پردازش زبان های طبیعی یعنی NLTK را برمی گزینیم. ما در این آموزش قصد داریم تا با پردازش زبان های طبیعی (NLP) در پایتون (Python) با استفاده از پلتفرم NLTK آشنا شویم. 💯 مشاهده ویدئوی آموزش 👇👇 🔗 آموزش آشنایی با پردازش زبان‌های طبیعی (NLP) در پایتون با پلتفرم NLTK — [کلیک کنید] @FaraDars — فرادرس

#دانشگاه_تهران ❌تنها ۶ نفر از ظرفیت دوره باقیست... 📣 جامع‌ترین دوره آنلاین علم‌داده کشور! 👨🏻‍🏫 همراه با برجسته ترین اساتی
#دانشگاه_تهران ❌تنها ۶ نفر از ظرفیت دوره باقیست... 📣 جامع‌ترین دوره آنلاین علم‌داده کشور! 👨🏻‍🏫 همراه با برجسته ترین اساتید کشور 🔔 شرایط ویژه (از بلک فرایدی تا روز دانشجو) 🥇 با ارائه گواهینامه دوزبانه از دانشگاه تهران با قابلیت ترجمه رسمی 🌐 اطلاعات بیشتر https://tehrandata.org/courses/datascience/ ⁉️ مشاوره رایگان و ثبت نام 📞 09377516759 🔘 t.me/tehrandata_admin 🆔 t.me/tehran_data

⭕️دوره هوشمندسازی کسب و کار با Microsoft Power BI ⏰ ۳۲ ساعت آموزش ✅ گواهینامه معتبر و قابل ترجمه ➖➖➖➖➖➖➖➖➖➖➖➖ 🔹اطلاعات تکمیل
⭕️دوره هوشمندسازی کسب و کار با Microsoft Power BI ⏰ ۳۲ ساعت آموزش ✅ گواهینامه معتبر و قابل ترجمه ➖➖➖➖➖➖➖➖➖➖➖➖ 🔹اطلاعات تکمیلی↙️ http://link.jsharif.com/public/3pp0c ➖➖➖➖➖➖➖➖➖➖➖➖ ☎️مشاوره وثبت نام 021-67641999 📲تلگرام و واتساپ ۰۹۲۲۲۴۷۷۲۵۰ ➖➖➖➖➖➖➖➖➖➖➖➖ با ما در تلگرام همراه باشید.... https://t.me/joinchat/AAAAAD6fyUw0AYXKLGbkow

⭕️دوره هوشمندسازی کسب و کار با Microsoft Power BI ⏰ ۳۲ ساعت آموزش ✅ گواهینامه معتبر و قابل ترجمه ➖➖➖➖➖➖➖➖➖➖➖➖ 🔹اطلاعات تکمیل
⭕️دوره هوشمندسازی کسب و کار با Microsoft Power BI ⏰ ۳۲ ساعت آموزش ✅ گواهینامه معتبر و قابل ترجمه ➖➖➖➖➖➖➖➖➖➖➖➖ 🔹اطلاعات تکمیلی↙️ http://link.jsharif.com/public/3pp0c ➖➖➖➖➖➖➖➖➖➖➖➖ ☎️مشاوره وثبت نام 021-67641999 📲تلگرام و واتساپ ۰۹۲۲۲۴۷۷۲۵۰ ➖➖➖➖➖➖➖➖➖➖➖➖ با ما در تلگرام همراه باشید.... https://t.me/joinchat/AAAAAD6fyUw0AYXKLGbkow

لینک زیر رو کمک کنید کامل بشه، دانشگاه‌هایی که مدرک رسمی رو ازتون نمی‌خوان. با توجه به افزایش ناگهانی هزینه آزادسازی مدرک، کمک بزرگی می‌تونه باشه لطفا کسانی که خارج از کشور هستند در کامل کردن این لیست کمک کنند. https://docs.google.com/spreadsheets/d/1eNmBEKhO9KOYJ8_PeHj-ihff35Em-U46bd-5-hfDqO4/edit?usp=drivesdk پ.ن: لطفا در انتشار این پست و کمک به هموطنانتون برای کسایی که میخان یاری کنید. ❇️@AI_Python

Repost from DLeX: AI Python
چالشها و چشم اندازهای هوش مصنوعی و یادگیری ماشین ❇️ @ai_python