Data Science | علم داده
📊 دانشمند داده شوید! 👔 جهت درج تبلیغات، به آیدی زیر پیام دهید:👇🏼 🆔 @DataScienceir_Adv
Mostrar más📈 Análisis del canal de Telegram Data Science | علم داده
El canal Data Science | علم داده (@datascience_ir) en el segmento lingüístico de Farsi es un actor destacado. Actualmente la comunidad reúne a 50 298 suscriptores, ocupando la posición 2 658 en la categoría Tecnologías y Aplicaciones y el puesto 6 976 en la región Irán.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 50 298 suscriptores.
Según los últimos datos del 29 octubre, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -195, y en las últimas 24 horas de 0, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 4.82%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 2.73% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 2 423 visualizaciones. En el primer día suele acumular 1 374 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 3.
- Intereses temáticos: El contenido se centra en temas clave como ابزار, داده, واقعی, پایتون, دیتا.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“📊 دانشمند داده شوید!
👔 جهت درج تبلیغات، به آیدی زیر پیام دهید:👇🏼
🆔 @DataScienceir_Adv”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 30 octubre, 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.
👌 دانشجویان و فارغ التحصیلان تحصیلات تکمیلی رشتههای فنی مهندسی و علوم انسانی 👌 علاقمندان به حوزه های هوش مصنوعی و علم داده 👌 دانشجویانی که قصد نوشتن پایان نامه در این حوزه را دارند 👌 افرادی که قصد مهاجرت کاری یا تحصیلی دارند👈 جهت دریافت سرفصل ها ، فیلم آموزشی، مشاوره رایگان و اطلاعات تکمیلی؛ فرم زیر را تکمیل کنید. ➡️ https://httb.ir/KqoZf ➖➖➖➖➖
CLAUDE.md و تنظیم حافظهی خودکار گرفته تا ساخت اسکیلها، اتصال امن به MCP و مدیریت اطلاعات محرمانه.
🏷 همچنین راهاندازی سابایجنتها، ساخت ورکفلوهای پویا، کنترل مرورگر Chrome، اجرای مکرر کارها با دستور /loop، کار با سشنهای ابری و تیمهای ایجنتی و مانیتورینگ سازمانی با OpenTelemetry رو هم بررسی میکنه.
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_faclaude-code-setup برای همین کار طراحی شده. این ابزار پروژهت رو بررسی میکنه و بهت میگه کدوم فیچرها و اتوماسیونها به درد ورکفلوی توسعهت میخورن و چطور باید راهاندازیشون کنی.
🧱 برای نصبش، کافیه این دستور رو داخل کلاد کد اجرا کنی:
/plugin install claude-code-setup@claude-plugins-official🌐 #علم_داده #DataScience ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 📊 دانشمند داده شوید : 📊 @DataScience_ir 📱 پیج اینستاگرام: 📊 @DataScience_fa
✅ مدرک دو زبانه معتبر ✅ انجام پروژه های کاربردی و یک پروژه جامع در طول دوره ✅ پشتیبانی علمی⁉️ مخاطبین این دوره چه کسانی هستند؟ 👌 دانشجویان و فارغ التحصیلان تحصیلات تکمیلی رشتههای فنی مهندسی و علوم انسانی 👌 علاقمندان به حوزه های هوش مصنوعی و علم داده 👌 دانشجویانی که قصد نوشتن پایان نامه در این حوزه را دارند 👌 افرادی که قصد مهاجرت کاری یا تحصیلی دارند ـــــــــــــــــــــ 👈 جهت دریافت سرفصل ها ، فیلم آموزشی، مشاوره رایگان و اطلاعات تکمیلی؛ فرم زیر را تکمیل کنید. 👉 https://httb.ir/ukrWK ➖➖➖➖➖
🏷 توی این راهنما یاد میگیری چطور: ⬅️ مسئله، کاربران هدف و محدودهی نسخهی اولیهی محصول (MVP) رو مشخص کنی. ⬅️ مستندات پروژه مثل PRD، معماری، طراحی و قوانین توسعه رو آماده کنی. ⬅️ ابزار مناسب رو بر اساس نیاز پروژه انتخاب کنی؛ از Cursor و Claude Code تا Lovable و Replit. ⬅️ قابلیتهای پروژه رو به وظایف کوچک و قابلمدیریت تقسیم کنی. ⬅️ کد تولیدشده رو تست و بازبینی کنی و مسائل امنیتی رو قبل از انتشار بررسی کنی. ⬅️ پروژه رو دیپلوی کنی و بعد از انتشار، عملکردش رو زیر نظر بگیری.⚙️ در این جزوه یاد میگیری که بهجای اینکه از AI بخوای کل اپلیکیشن رو با یک پرامپت بسازه، کار رو به وظایف کوچکتر تقسیم کنه و برای پیادهسازی هر قابلیت، این چرخه رو انجام بده: بررسی کد ⬅ درک مسئله ⬅ برنامهریزی ⬅ پیادهسازی ⬅ آزمایش ⬅ بازبینی ⬅ رفع ایرادها ⬅ ثبت تغییرات 🌐 #علم_داده #DataScience ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 📊 دانشمند داده شوید : 📊 @DataScience_ir 📱 پیج اینستاگرام: 📊 @DataScience_fa
CLAUDE.md قدیمی همچنان با همون کیفیت قبل کار کنن.
📃 نگهداشتن دستورهای تکراری، قوانین متناقض و مراحل اضافه تو این فایلها، عملاً باعث میشه ایجنت بیشتر از حد نیاز فکر کنه، ابزارهای بیمورد اجرا کنه و هزینهی نهایی کار خیلی بیشتر بشه.
✅ تیم Anthropic یک قابلیت به نام Prompt Audit در اسکیل claude-api ارائه کرده که کمک میکنه این موارد رو در پروژه پیدا کنی و اصلاحات پیشنهادی بگیری.
🔤 چطور ازش استفاده کنی؟
اول در کلاد کد، مارکتپلیس رسمی اسکیلها رو اضافه کن و اسکیل claude-api رو نصب کن:
/plugin marketplace add anthropics/skills /plugin install claude-api@anthropic-agent-skillsبعد از داخل پوشهی پروژه، این دستور رو اجرا کن:
/claude-api prompt-audit⚡ این دستور چیا رو بررسی میکنه؟ 🔴 فایلهای
CLAUDE.md، اسکیلها، پرامپتها و توضیحات ابزارها رو بررسی میکنه.
🟠 دستورهای قدیمی و بیشازحد تأکیدی، قوانین متناقض و مراحل تکراری رو شناسایی میکنه.
🔵 مواردی رو که با رفتار مدل هدف یا ساختار فعلی پروژه سازگار نیستن، همراه با محل دقیق و دلیل مشخص میکنه.
🟢 در پایان، گزارش ممیزی و یک Diff پیشنهادی از تغییرات ارائه میده تا بتونی اصلاحات رو بررسی کنی.
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_faاول از همه میره سراغ درستی محاسبات، Joinها، سطح جزئیات دیتا، Aggregationها، بازههای زمانی و فیلترها؛ بعدش چک میکنه ببینه تحلیلت واقعاً به سؤال اصلی جواب میده یا نه، چه برداشتهای اشتباهی ممکنه از خروجی بشه و چه جاهایی از قلم افتاده. تهش هم یه وضعیت مشخص بهت میده که آیا کار آمادهی پرزنت هست، نیاز به بررسی بیشتر داره یا باید اصلاح بشه؛ در کنارش ۱ تا ۳ تا از مهمترین نکاتی که باید فیکس کنی رو بهت میگه و یه سؤال چالشی میپرسه تا استدلالت رو دوباره بسنجی.⬅️ این اسکیل کار رو تو چند مرحله پیش میبره که توی فایل زیر بهش پرداختم. 📕 جزوه فارسی: PDF 📰 مقالهی آموزش ساخت Analyst Peer Reviewer ➖ ➖ ➖ ➖ ➖ 📃 اینم بگم که این مورد فقط یکی از سه تا اسکیلیه که ریپوی
Data Scientist Skills برای کلاد کد ساخته؛ اسکیلهایی که دقیقاً بخشهای کلیدیِ ورکفلوی یه دیتا ساینتیست باتجربه رو پوشش میدن. تازه ویدیوی آموزشی هم داره! اگه میخوای ببینی این اسکیلها چطور ساخته میشن و تو عمل چطور کار میکنن، حتماً ویدیوی کامل معرفی و آموزششون رو ببین.
┌ ▶️ Tutorial Video
└ 🐱 GitHub-Repos
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa