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 21 289 suscriptores, ocupando la posición 6 232 en la categoría Tecnologías y Aplicaciones y el puesto 16 497 en la región Irán.

📊 Métricas de audiencia y dinámica

Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 21 289 suscriptores.

Según los últimos datos del 15 noviembre, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -43, 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 8.50%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 2.88% de reacciones respecto al total de suscriptores.
  • Alcance de las publicaciones: Cada publicación recibe en promedio 1 810 visualizaciones. En el primer día suele acumular 614 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 16 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.

21 289
Suscriptores
+724 horas
-107 días
-4330 días
Archivo de publicaciones
#تنسورفلو 01 تنسورفلو چیست و چرا؟ تنسورفلو (انگلیسی: TensorFlow یک کتابخانهٔ نرم‌افزاری متن‌باز برای یادگیری ماشین در انواع مختلف وظایف مفهومی و زبان است که در حال حاضر توسط ۵۰ تیم تحقیقاتی و محصولات مختلف گوگل از جمله بازشناسی گفتار، جی‌میل، گوگل فوتوز و جستجو که بسیاری از آن‌ها سابقاً از دیست‌بلیف استفاده کرده بودند، استفاده می‌شود. تنسورفلو در آغاز توسط تیم گوگل برین مرکز تحقیقاتی گوگل به صورت داخلی استفاده می‌شد ولی بعدها در ۹ نوامبر ۲۰۱۵ تحت مجوز آپاچی منتشر شد. دلایل زیادی نظیر اینکه تصاویر طیف خاکستری در کامپیوتر معمولاً به صورت ماتریس‌های n∗m ذخیره می‌شوند(تصاویر رنگی با ابعاد بیشتر مانند n∗m∗3) و وقتی ما دسته‌ای از تصاویر داریم (مثلاً k تصویر)، مجبوریم ابعاد ماتریس‌ها را به صورت n∗m∗k یا در تصاویر رنگی n∗m∗3∗k افزایش دهیم سبب شدند که در طراحی TensorFlow از داده ساختار تانسور برای نگه داری مقادیر و نوع داده متغیرها استفاده شود. اما مهم ترین دلیل استفاده TensorFlow از تانسورها، در حقیقت سهولت مدیریت وزن‌ها و مقادیر نرون‌ها در لایه‌های مختلف در شبکه‌های عصبی عمیق و یادگیری عمیق است. تنسور چیست؟ اصولا اگر داده را به صورت بردار در نظر بگیریم به سه نوع خواهد بود: دسته ۱: داده های برداری که به شکل یک بردار ۱ بعدی هستند دسته ۲: داده های ماتریسی که به صورت ۲ بعدی خواهند بود دسته ۳: داده هایی که به صورت ماتریس هایی با ابعاد بالاتر از ۲ هستند که به آنها تنسور گفته میشود. دلیل اصلی اینکه می بایستی محاسبات تنسور را بیاموزیم این است که در کل داده هایی مانند تصویر به صورت تنسور هایی هستند که گاها بهم مرتبط (مانند ویدئو) و گاها نامرتبط بهم (تصاویر نا مرتبط) می باشند. ❇️ @ai_python

در مورد PyTorch علاقه مندان میتونن آموزشهای دکتر رضوی رو دنبال بکنند: https://t.me/ai_python/3140 در مورد تنسورفلو از امروز آموزشها شروع میشند و به صورت خیلی کوتاه و پست های تلگرامی در اختیار دوستان قرار میگیرند. با ما باشید. با ما نبودید هم لفت بدید😒 مثل شاطر براتون پست میزاریم لفت هم میدید والا 😒😒😒 ❇️ @ai_python

گروه ریاضی و رمزنگاری: ↪️ https://t.me/joinchat/HdXdAUv287poCj8cYQbbuw گروه پرسش و پاسخ یادگیری عمیق: ↪️ https://t.me/joinchat/ClyM2hFyG5NPY4Cu-B_Tmw گروه پرسش و پاسخ پردازش زبان طبیعی: ↪️ https://t.me/joinchat/ClyM2hD0u8mHCI0lj-IHgQ گروه پرسش و پاسخ لینوکس پایتون و هوش مصنوعی: ↪️ https://t.me/joinchat/ClyM2j9QzOiTI_Ul3Oqa_g گروه ارز دیجیتال: ↪️ https://t.me/joinchat/ClyM2ks_FYVvdY6Gn_PjqA کانال یوتیوب دروس فارسی دکتر رضوی (هوش مصنوعی، پایتون و یادگیری عمیق): ↪️ http://www.youtube.com/c/SeyedNaserRazavi کانال پایتون، هوش مصنوعی، لینوکس و علوم شناختی: ↪️ https://t.me/joinchat/AAAAAEIZz9O4RpAXQ_ylTw ❇️ @ai_python

لینک های شرکت در این دوره ها و توضیحات مربوطه: 💎 جبر خطی و احتمالات در یادگیری ماشینی با استفاده از پایتون این کارگاه دوره فشرده‌ای در حوزه ریاضیات یادگیری ماشینی است. در این دوره آموزشی روش‌های عمده در جبر خطی و تئوری احتمالات ارائه می‌شود؛ روش‌هایی که مستقیما به الگوریتم‌های یادگیری ماشینی مرتبط هستند. پس از این کارگاه فراگیران هم نحوه خواندن مباحث ریاضیاتی در مقالات یادگیری ماشینی را خواهند آموخت و هم نحوه توصیف مدل‌های خودشان به زبان ریاضی با استفاده از عملیات موجود در جبر خطی را یاد می‌گیرند. تمامی این مفاهیم به صورت گام به گام در کتابخانه‌های استاندارد پایتون پیاده سازی می‌شود. لینک ثبت نام: http://www.ifc.ir/linear-algebra-and-probabilities 💎 پیش‌بینی سری‌های زمانی با استفاده از پایتون پیش‌بینی وضعیت آینده همواره یکی از مهم‌ترین مسائل در بازارهای مالی به‌شمار می‌رود. مدل‌ها و روش‌های گوناگونی جهت انجام پیش‌بینی مورد کاربرد محققان و فعالان بازار است. مدل‌های اقتصادسنجی و الگوریتم‌های هوشمند نظیر شبکه‌های عصبی و یادگیری عمیق ازجمله مهم‌ترین روش‌های پیش‌بینی آینده مبتنی بر داده‌های گذشته تلقی می‌شوند. این مدل‌ها و الگوریتم‌ها را می‌توان در بسترها و با استفاده از ابزارهای متفاوتی پیاده‌سازی کرده و به نتایج موردنظر دست یافت. در این دوره آموزشی افراد پس از آشنایی و یادگیری نحوه کدنویسی در پایتون و درک صحیحی از داده‌ها و ساختار آن در سری‌های زمانی، مدل‌های پیش‌بینی اعم از خطی و غیرخطی را پیاده‌سازی خواهند کرد. همچنین پس از انجام پیش‌بینی به ارزیابی آن خواهند پرداخت. لینک ثبت نام: http://www.ifc.ir/time-series-using-python ⭐️ با تخفیف ویژه برای دانشجویان 👨🏻‍💼 مدرس: جناب دکتر علی حبیب نیا ❇️ @ai_python

❇️ @ai_python
❇️ @ai_python

❇️ @ai_python
❇️ @ai_python

آیا شاخصی برای ارزشیابی دانشگاه های خارجی در ایران وجود دارد؟ این ویدیو تا حدی پاسخ این سوال را خواهد داد. 🆔 @ApplyMarket

😂😂😕😐 ❇️ @ai_python
😂😂😕😐 ❇️ @ai_python

از امروز کامیون های خودران شرکت Uber بارهای آریزونا را حمل خواهند کرد. منبع: https://www.theverge.com/2018/3/6/17081626/uber-self-driving-trucks-delivering-cargo-arizona ❇️ @ai_python

کدام کتابخانه را برای یادگیری عمیق ترجیح میدهید؟ ( در نظر داریم آموزشهای مربوطه را در کانال قرار دهیم) anonymous poll Tensorflow – 189 👍👍👍👍👍👍👍 79% PyTorch – 36 👍 15% Caffe – 8 ▫️ 3% Theano – 5 ▫️ 2% 👥 238 people voted so far.

DeepLearning = Playing with Lego @ai_python
DeepLearning = Playing with Lego @ai_python

چیزی که ما میخواهیم ماشینی است که از تجربه یاد میگیرد. آلن تورینگ ❇️ @ai_python
چیزی که ما میخواهیم ماشینی است که از تجربه یاد میگیرد. آلن تورینگ ❇️ @ai_python

#توسعهـیافتگی 01 ❇️ @ai_python
#توسعهـیافتگی 01 ❇️ @ai_python

#تیکه_کلام 👱🏻#بیل_گیتس میگه : ✅ برای برنامه نویسی لازم نیست که یک نابغه باشید. کافیه جمع و تفریق رو بلد باشید. 👨‍💻 ❇️ @ai_python

📌 داکیومنت آنلاین و رایگان برای اکثر زبان ها و تکنولوژی های موجود با قابلیت مشاهده آفلاین 🔗 devdocs.io باتشکر از دوست خوبمو
📌 داکیومنت آنلاین و رایگان برای اکثر زبان ها و تکنولوژی های موجود با قابلیت مشاهده آفلاین 🔗 devdocs.io باتشکر از دوست خوبمون @Omid_Mazaheri 🙏 @Ai_python

منبع: http://www.nationmaster.com/country-info/stats/Education/Pupil--teacher-ratio%2C-primary#-date اگر اشتباهی شده حتما اطل
منبع: http://www.nationmaster.com/country-info/stats/Education/Pupil--teacher-ratio%2C-primary#-date اگر اشتباهی شده حتما اطلاع بدید ممنون میشم. تحلیل مابقی بر عهده خودتان. ❇️ @ai_python

حالا اینارو چرا گفتیم. برای این: یک نرخی هست به اسم student-teacher ratio که نشون میده به ازای هر چند دانشجو یک استاد در دانشگاه مشغول هست. کم بودن این نرخ نشون میده که دانشجو به اساتید بیشتری دسترسی داره. با آمار گفته شده حساب کنیم چیزی حدود ۶۷:۱ در میاد. یعنی برای هر ۶۷ دانشجو یک استاد. این نرخ به صورت میانگین برای کشورهای مختلف نشان داده شده است در ادامه. ❇️ @ai_python

تعداد اساتید شاغل در دانشگاه های مختلف به تفکیک دستگاه اجرایی و رتبه استادی در مجموع کل 66314 استاد شاغل هستند ❇️ @ai_python
تعداد اساتید شاغل در دانشگاه های مختلف به تفکیک دستگاه اجرایی و رتبه استادی در مجموع کل 66314 استاد شاغل هستند ❇️ @ai_python

دانشگاه های آزاد و پیام نور به ترتیب پنجمین و هفتمین دانشگاه بزرگ دنیا هستند! ❇️ @ai_python
دانشگاه های آزاد و پیام نور به ترتیب پنجمین و هفتمین دانشگاه بزرگ دنیا هستند! ❇️ @ai_python