Sharifi Zarchi | علی شریفی زارچی
رفتن به کانال در Telegram
عضو هیئت علمی هوش مصنوعی و بیوانفورماتیک، مهندسی کامپیوتر، دانشگاه صنعتی شریف
نمایش بیشترکشور مشخص نشده استدسته بندی مشخص نشده است
📈 تحلیل کانال تلگرام Sharifi Zarchi | علی شریفی زارچی
کانال Sharifi Zarchi | علی شریفی زارچی (@sharifizarchiali) بازیگری فعال است. در حال حاضر جامعه شامل 30 795 مشترک است و جایگاه را در دسته متفرقه دارد.
📊 شاخص‌های مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 30 795 مشترک جذب کرده است.
بر اساس آخرین داده‌ها در تاریخ 25 اکتبر, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر 10 472 و در ۲۴ ساعت گذشته برابر -225 بوده و همچنان دسترسی گسترده‌ای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 13.20% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 5.46% واکنش نسبت به کل مشترکان کسب می‌کند.
- دسترسی پست‌ها: هر پست به طور میانگین 4 089 بازدید دریافت می‌کند. در اولین روز معمولاً 1 691 بازدید جمع‌آوری می‌شود.
- واکنش‌ها و تعامل: مخاطبان به‌طور فعال حمایت می‌کنند؛ میانگین واکنش به هر پست 196 است.
📝 توضیح و سیاست محتوایی
نویسنده این فضا را محل بیان دیدگاه‌های شخصی توصیف می‌کند:
“عضو هیئت علمی هوش مصنوعی و بیوانفورماتیک، مهندسی کامپیوتر، دانشگاه صنعتی شریف”
به لطف به‌روزرسانی‌های پرتکرار (آخرین داده در تاریخ 26 اکتبر, 2026)، کانال همواره به‌روز و دارای دسترسی بالاست. تحلیل‌ها نشان می‌دهد مخاطبان به‌طور فعال با محتوا تعامل دارند و آن را به نقطه اثرگذاری مهم در دسته متفرقه تبدیل کرده‌اند.
30 795
مشترکین
-22524 ساعت
-1 8467 روز
+10 47230 روز
آرشیو پست ها
جمهوری اسلامی زیر باران بمب و موشک آمریکا، به نشانه‌ی عجز و تسلیم «دنا کراری» جوان ایرانی با پاسپورت آمریکایی را آزاد و از ایران خارج کرد؛ و هم‌زمان، چند جوان معترض ایرانی که پاسپورت آمریکایی نداشتند را به دار آویخت.
حقارت، رذالت و شرارت جمهوری اسلامی در تاریخ بی‌مانند است.
جمهوری اسلامی از نابودی سرمایه‌ها و آینده‌ی مردم ایران و منطقه بیمناک نیست؛ چون تمام درکش از اداره‌ی کشور مانند یک «هیئت» است: نفت را زیر قیمت بفروشد، سفره‌ی امروز را بیندازد تا وابستگانش سیر بخورند، به مردمی که بیرون صف کشیده‌اند اندکی صدقه بدهد؛ تا فردا هم خدا بزرگ است.
از رسوایی ۳۲ میلیون جان‌فدا رسیدند به ۴۲ میلیون تشیع‌کننده در روز نکبت.
دروغ، تار و پود جمهوری اسلامی است.
+1
فاصله‌ی این دو عکس ۱۷ روز است.
دیکتاتوری که بمب اتمی داشت، سایه‌ی جنگ را از کشورش دور کرد.
دیکتاتوری که بمب اتمی نداشت، نخست‌وزیر خردمند ژاپن را که با پیام صلح به ایران آمده بود، با توهم «نه مذاکره، نه جنگ» دست‌خالی برگرداند؛ مردم را قتل‌عام، و ایران را سیبل ارتش آمریکا کرد.
کره شمالی دشمن اصلی آمریکا بود، بمب اتمی داشت، ولی هرگز به سمت جنگ با آمریکا نرفت.
چین رقیب اصلی آمریکا است، اما به جای لفاظی، روی تقویت زیرساخت اقتصادی و دفاعی و رفاه مردمش تمرکز کرد.
لعنت به خامنه‌ای و رژیمش که مردم را قتل‌عام کرد و با شعارهای توخالی، ایران را سیبل آمریکا کرد.
ویدئوی کامل جلسه‌ی ششم دوره‌ی ورود به دنیای هوش مصنوعی
در این جلسه با معیارهای ارزیابی الگوریتم‌های دسته‌بندی از جمله دقت، حساسیت و صحت آشنا می‌شویم.
سپس به صورت عملی و با استفاده از کتاب‌خانه‌ی Scikit-Learn، مهم‌ترین کتاب‌خانه‌ی مدل‌های کلاسیک یادگیری ماشین، برای مساله‌ی کشتی تایتانیک یک مدل درخت تصمیم توسعه می‌دهیم.
در نهایت، دقت درخت تصمیم را ارزیابی می‌کنیم.
خامنه‌ای ضحاک، قاتل هزاران کودک و نوجوان ایران؛
نفرین بر تو زمانی که گفتی بر مردم ایران «باید خون گریست»؛
زمانی که سایر کشورها برای رشد و شکوفایی رقابت می‌کردند و تو با سیاست‌های احمقانه‌ات، تحریم، فقر و جنگ بر این مردم تحمیل کردی؛
جهان و ایران بدون تو جای بهتری برای زیستن است.
ایران را تعطیل کردند، هزاران میلیارد هدر دادند، دست به دامن سایر کشورها شدند بلکه برای خامنه‌ای اندک آبرویی بخرند. اما نه مقام بلندپایه‌ای آمد، نه مصلی پر شد.
دیکتاتور کودک‌کش که ایران را به فقر و قتل‌عام و جنگ کشاند با خفت و خواری به گور می‌رود و جز نفرین ابدی ره‌توشه‌ای ندارد.
ویدئوی کامل جلسه‌ی پنجم دوره‌ی ورود به دنیای هوش‌مصنوعی
در این جلسه با الگوریتم «درخت تصمیم» به عنوان یک روش پرکاربرد دسته‌بندی آشنا می‌شویم و با مصورسازی و تحلیل داده‌های مسأله‌ی کشتی تایتانیک، کدنویسی حل این مسأله را در پایتون آغاز می‌کنیم:
✅ تفاوت رگرسیون با کلاسیفیکیشن و معرفی مسأله تایتانیک
✅ منطق الگوریتم درخت تصمیم (Decision Tree) در تفکیک داده‌ها
✅ فرمول شاخص جینی (Gini Index) برای محاسبه خلوص گره‌ها
✅ چالش بیش‌برازش (Overfitting) در صورت افزایش بیش از حد عمق درخت
✅ پایتون عملی: نصب کتابخانه‌ها و کار با دستورات پایه‌ای Pandas
✅ رسم نمودارهای میله‌ای و نقطه‌ای برای تحلیل نرخ بقای مسافران
✅ مهندسی ویژگی‌ها: پر کردن داده‌های گم‌شده و عددی کردن جنسیت و بندرها
+3
هلاکت کل خاندان خامنه‌ای، تاوان یک قطره خون یک نفر از هزاران کودک و نوجوان ایران که به دستور او قتل‌عام شدند هم نبود.
ننگ و نفرین ابدی بر خامنه‌ای کودک‌کش ضحاک.
هزاران کودک و جوان را قتل‌عام کرد تا ایران را به جایی برساند که بازماندگان حکومتش به خاطر ۳ میلیارد دلار، فروش چند روز نفت ایران، دست گدایی به سوی قاتلانش دراز کنند. چهار دهه زندگی مردم و بهترین زمان توسعه‌ی ایران را نابود کرد و کشوری جنگ‌زده برجا گذاشت.
روانش در دوزخ ابدی.
ضحاک
از این پس می‌توانید اسلایدها، یادداشت‌های روی تخته، کدها، داده‌ها و Jupyter Notebook هر جلسه از دوره‌ی «ورود به دنیای هوش‌مصنوعی» را در لینک زیر ببینید:
https://github.com/SharifiZarchi/IntroAI
پیشنهاد می‌کنم قبل از هر جلسه، تلاش کنید Jupyter Notebook مربوط به آن جلسه را اجرا کنید، تغییر دهید، و به آن مسلط شوید.
از این پس می‌توانید اسلایدها، یادداشت‌های روی تخته، کدها، داده‌ها و Jupyter Notebook هر جلسه از دوره‌ی «ورود به دنیای هوش‌مصنوعی» را در لینک زیر ببینید:
https://github.com/SharifiZarchi/IntroAI
پیشنهاد می‌کنم قبل از هر جلسه، تلاش کنید Jupyter Notebook مربوط به آن جلسه را اجرا کنید، تغییر دهید، و به آن مسلط شوید.
ویدئوی کامل ضبط‌شده‌ی جلسه‌ی چهارم دوره‌ی ورود به دنیای
هوش‌مصنوعی
⭕ این جلسه به دلیل فنی ساده، به صورت زنده پخش نشد که صمیمانه از همه‌ی عزیزانی که منتظر بودند پوزش می‌خواهم.
در این جلسه مقدمات برنامه‌نویسی پایتون را به صورت عملی مرور کردیم:
✅ دریافت کد از Github
✅ شروع کارکردن با Google Colab
✅ انواع متغیرها، حلقه‌ی for، شرط if، محاسبات ریاضیات
✅ تعریف تابع
✅ لیست، اندیس، کارکردن با لیست‌ها
علاوه بر آن، مفاهیم زیر از یادگیری ماشین را مرور کردیم:
✅ گرادیان و گرادیان کاهشی (Gradient Descent)
✅ نرخ یادگیری (Learning Rate)
✅ کم‌برازش (Underfitting) و بیش‌برازش (Overfitting)
ویدئوی کامل ضبط‌شده‌ی جلسه‌ی سوم دوره‌ی ورود به دنیای هوش‌مصنوعی
در این جلسه مفاهیم پایه‌ای و حیاتی «یادگیری ماشین» را مرور کرده‌ایم:
✅ مجموعه داده (Dataset)، ویژگی (Feature) و برچسب (Label)
✅ حفظ‌کردن (Memorization) یا تعمیم‌پذیری (Generalization)
✅ بیش‌برازش (Overfitting) و راه‌های تشخیص آن
✅ تفاوت پارامتر (Parameter) و ابرپارامتر (Hyperparameter)
✅ داده‌های آموزش (Train)، اعتبارسنجی (Validation) و آزمون (Test)
✅ مفهوم خطرناک نشت داده‌ها (Data Leakage)
✅ مدل‌های خطی و غیرخطی (چندجمله‌ای و شبکه‌های عصبی)
✅ توابع هزینه و معیارهای سنجش خطا (MAE و MSE)
در این جلسه همچنین بررسی کردیم که چطور با مدیریت صحیح داده‌های خود، از خطاهای فاحش علمی و حتی ورشکستگی‌های مالی در پروژه‌های واقعی هوش مصنوعی جلوگیری کنیم.
چه حقیر است حکومتی که با قاتل رهبر خویش پیمان می‌بندد، ولی انتقام خون او را از دانشجویان و جوانان بی‌گناه خودش می‌گیرد.
