DLeX: AI Python
هوشمصنوعی و برنامهنویسی توییتر : https://twitter.com/NaviDDariya تا آزادی ایران از جمهوری اسلامی تبهکار، تبلیغات نداریم.
نمایش بیشتر📈 تحلیل کانال تلگرام DLeX: AI Python
کانال DLeX: AI Python (@ai_python) در بخش زبانی فارسی بازیگری فعال است. در حال حاضر جامعه شامل 21 431 مشترک است و جایگاه 6 078 را در دسته فناوری و برنامهها و رتبه 15 800 را در منطقه إيران دارد.
📊 شاخصهای مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 21 431 مشترک جذب کرده است.
بر اساس آخرین دادهها در تاریخ 25 اوت, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -18 و در ۲۴ ساعت گذشته برابر 1 بوده و همچنان دسترسی گستردهای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 8.13% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 3.59% واکنش نسبت به کل مشترکان کسب میکند.
- دسترسی پستها: هر پست به طور میانگین 1 742 بازدید دریافت میکند. در اولین روز معمولاً 770 بازدید جمعآوری میشود.
- واکنشها و تعامل: مخاطبان بهطور فعال حمایت میکنند؛ میانگین واکنش به هر پست 10 است.
- علایق موضوعی: محتوا بر موضوعات کلیدی مانند مصنوعی, توییتر, ماهواره, داده, فناوری تمرکز دارد.
📝 توضیح و سیاست محتوایی
نویسنده این فضا را محل بیان دیدگاههای شخصی توصیف میکند:
“هوشمصنوعی و برنامهنویسی
توییتر :
https://twitter.com/NaviDDariya
تا آزادی ایران از جمهوری اسلامی تبهکار، تبلیغات نداریم.”
به لطف بهروزرسانیهای پرتکرار (آخرین داده در تاریخ 26 اوت, 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 فناوری و برنامهها تبدیل کردهاند.
در حال بارگیری داده...
| تاریخ | رشد مشترکین | اشارات | کانالها | |
| 26 اوت | 0 | |||
| 25 اوت | +2 | |||
| 24 اوت | +1 | |||
| 23 اوت | +3 | |||
| 22 اوت | +6 | |||
| 21 اوت | 0 | |||
| 20 اوت | +1 | |||
| 19 اوت | +4 | |||
| 18 اوت | +3 | |||
| 17 اوت | +2 | |||
| 16 اوت | +3 | |||
| 15 اوت | 0 | |||
| 14 اوت | +4 | |||
| 13 اوت | +1 | |||
| 12 اوت | +1 | |||
| 11 اوت | +1 | |||
| 10 اوت | +5 | |||
| 09 اوت | +1 | |||
| 08 اوت | +5 | |||
| 07 اوت | +7 | |||
| 06 اوت | +3 | |||
| 05 اوت | 0 | |||
| 04 اوت | 0 | |||
| 03 اوت | 0 | |||
| 02 اوت | 0 | |||
| 01 اوت | +6 |
| 2 | آژور کوپایلوت 4 تا Agent در اختیار ادمین های Cloud قرار داده که قراره در تسک های مختلف بهمون کمک کنن.
👉 @ai_python 🦁 ☀️ | 609 |
| 3 | بدون متن... | 816 |
| 4 | برای اونایی که خیلی با چت جی پی تی درد و دل می کنن
👉 @ai_python 🦁 ☀️
ChatGPT’ye aşk şarkısı yapılamaz.
Balkan-Sänger
https://x.com/Mysstikk/status/2090870283984892265 | 1 175 |
| 5 | 🏉MITracker: Multi-View Track🏉
👉MITracker is a novel Multi-View Integration Tracker to efficiently integrate multi-view object features and provide stable tracking. Code & Dataset announced💙
👉Review https://t.ly/RTNUo
👉Paper arxiv.org/pdf/2502.20111
👉Repo github.com/XuM007/MITracker
👉Project xum007.github.io/MITracker.github.io | 789 |
| 6 | پلاگین AntiGravity برای vs code ارائه شد
👉 @ai_python 🦁 ☀️ | 888 |
| 7 | 👉 @ai_python 🦁 ☀️
به نظرم دقیق و درست 👌 | 1 091 |
| 8 | مفهوم هارنس در مدل های هوش مصنوعی
👉 @ai_python 🦁 ☀️
https://youtu.be/HVF9I25WyVY?si=0yENtGT22ezc6nUs | 1 188 |
| 9 | استراتژی های کاهش مصرف توکن در مایکروسافت فاندری
👉 @ai_python 🦁 ☀️
https://youtu.be/mB0IyELzjRg?si=W9hgABZ5UX2CagjW | 1 344 |
| 10 | مایکروسافت یک لب جدید تهیه کرده برای نحوه ارتباط اجنت های هوش مصنوعی که از Work IQ استفاده می کنند، از طریق پروتکل پروتکل A2A
👉 @ai_python 🦁 ☀️
https://microsoft.github.io/copilot-camp/pages/work-iq/02-work-iq-a2a/ | 1 636 |
| 11 | یک بحث بسیار جالبی در گروه مطرح شد که پیشنهاد می کنم حتمن بخونید. درباره آینده هوش مصنوعی. لینک پیام هارو در این جا قرار می دم از اون قسمتی که بسیار جالب هست و بلاگی که لینک شده :
https://t.me/weallarebits/15700 | 2 746 |
| 12 | صفر تا صد مدرک AI-103 مایکروسافت
👉 @ai_python 🦁 ☀️
https://youtu.be/WK2BvjOYTCQ?si=PJkNYT-Z4aJl-Izx | 1 582 |
| 13 | Apple or Nvidia: who stays on top?
Apple taught the world to pay for an ecosystem. Nvidia unexpectedly for everyone, including itself, became the foundation of the AI era.
Today Nvidia's market cap is $5.26T, Apple's is $4.5T. The gap is "just" $760B. | 1 362 |
| 14 | ♞ گردش اسب؛ یک مسئلهٔ کلاسیک در ریاضیات و شطرنج
آیا اسب میتواند روی هر یک از ۶۴ خانهٔ صفحهٔ شطرنج دقیقاً یکبار قرار بگیرد و در پایان، تنها یک حرکت تا خانهٔ آغاز فاصله داشته باشد؟
در این ویدیو یک گردش بستهٔ معتبر نمایش داده میشود: تمام خانهها بدون تکرار بازدید میشوند و همهٔ جابهجاییها حرکت قانونی اسباند.
در زبان نظریهٔ گراف، هر خانه یک رأس و هر حرکتِ مجاز اسب یک یال است؛ بنابراین چنین گردشی یک دور همیلتونی میسازد.
برای انتخاب حرکتها از روش ابتکاری وارنزدورف استفاده شده است: به خانهای برو که کمترین تعداد حرکتِ بعدی به خانههای بازدیدنشده را دارد.
مسئلهای زیبا در پیوند میان شطرنج، ترکیبیات و نظریهٔ گراف؛ مسئلهای که اویلر نیز آن را بررسی کرده بود.
تهیه و تنظیم: گروه ریاضی مزداهیک
@mazdaahik | 1 322 |
| 15 | چه قدر از خودش تعریف می کنه. 😅
👉 @ai_python 🦁 ☀️ | 1 330 |
| 16 | Normal Distribution (PDF, CDF, PPF) in 3 Minutes
👉 @ai_python 🦁 ☀️
https://youtu.be/3VYupIsbLlY?si=XfHt-1z9gIOlkdnQ | 1 529 |
| 17 | ایده بسیار قشنگی هست برای اینکه Accountability داشته باشیم روی تصمیم های AI و در جایی (گراف) نگهشون داریم. 😍
👉 @ai_python 🦁 ☀️ | 1 516 |
| 18 | همه آنجه که نیازه از DeepSeek Harness بدونید
اگر بخوایم خیلی ساده بگم، DeepSeek Harness یک framework برای ساخت و اجرای coding agentهاست که DeepSeek همراه با V4 Pro بهصورت developer preview منتشر کرده. ایده اصلیش اینه که برخلاف coding agentهای معمولی، همهچیز رو یک سیستم ثابت نبینیم؛ model، tools، skills، sessions و حتی agent loop میتونن به شکل plugin مدیریت و جایگزین بشن.
نکته جذابش اینه که DeepSeek Harness فقط برای مدلهای DeepSeek نیست. میتونید providerهای دیگه رو هم بهش وصل کنید و حتی Claude Code و Codex رو بهعنوان sub-agent وارد workflow کنید. یعنی میتونید یک multi-agent system بسازید که DeepSeek Harness وظیفه orchestration رو برعهده داشته باشه و هر task رو به agent مناسب بسپره.
از نظر قابلیتها هم دستتون نسبتاً بازه؛ میتونید shell، file editing، web search، planning، subagent و workflowهای مختلف رو فعال یا شخصیسازی کنید. حتی در Creator Mode، agent میتونه در حین اجرای session، plugin و tool جدید بسازه و به محیط خودش اضافه کنه.
یکی از بخشهای مهمش هم session logging هست. تقریباً هر چیزی که به model نمایش داده میشه ثبت میشه؛ از tool callها و نتیجهشون گرفته تا context injection و فعالیت sub-agentها. این موضوع برای debugging و فهمیدن اینکه agent دقیقاً چرا یک تصمیم رو گرفته، خیلی کاربردیه.
راهاندازیش هم نسبتاً سادهست و برخلاف Claude Code و Codex، رابط اصلیش یک local web app هست که داخل browser اجرا میشه. تنظیمات هم عمدتاً از طریق YAML قابل کنترل هست و میتونید model، provider، permission و reasoning effort رو تغییر بدید.
در مورد مدلها هم V4 Flash و V4 Pro قابل استفاده هستن. برای بیشتر coding taskهای معمولی، Flash احتمالاً انتخاب اقتصادیتریه و Pro بیشتر برای taskهای سختتر و reasoning-heavy ارزش پیدا میکنه. البته هزینه اصلی مربوط به model API هست و خود harness رایگانه.
در نهایت، چیزی که DeepSeek Harness رو مهم میکنه فقط این نیست که یک coding agent دیگه ساخته؛ بلکه اینه که خود harness رو هم قابل تغییر و composition کرده. یعنی بهجای یک agent با workflow ثابت، میتونید محیطی بسازید که model، tools، sub-agentها و حتی agent loop رو مطابق نیاز خودتون کنار هم قرار بدید.
البته فعلاً developer preview هست و طبیعتاً ممکنه breaking change و rough edge داشته باشه. ولی اگر به coding agentها، multi-agent system یا ساخت agentهای شخصی علاقه دارید، DeepSeek Harness قطعاً پروژهایه که ارزش دنبال کردن داره.
👑 توضیحات در مورد دوره منتورینگ
🏆 نحوه ثبتنام در دوره منتورینگ
🤝 تجارب موفق قبلی بچهها از منتورینگ
@reza_jafari_ai | 1 390 |
| 19 | Understanding Exponential vs Poisson Distributions
👉 @ai_python 🦁 ☀️
https://youtu.be/n7K8s4vryCQ?si=pcVzHZhnI48iNzhu | 1 487 |
| 20 | Poisson Process :
👉 @ai_python 🦁 ☀️
https://youtu.be/5uLxFmhYnl0?si=3CbXqZbRQoAlDcX7 | 1 677 |
