اکنون در دسترس! پژوهش تلگرام ۲۰۲۵ — مهمترین بینشهای سال 
DLeX: AI Python
رفتن به کانال در Telegram
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 21 453 مشترک است و جایگاه 6 320 را در دسته فناوری و برنامهها و رتبه 15 657 را در منطقه إيران دارد.
📊 شاخصهای مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 21 453 مشترک جذب کرده است.
بر اساس آخرین دادهها در تاریخ 15 ژوئن, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -45 و در ۲۴ ساعت گذشته برابر 8 بوده و همچنان دسترسی گستردهای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 10.07% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 3.73% واکنش نسبت به کل مشترکان کسب میکند.
- دسترسی پستها: هر پست به طور میانگین 2 160 بازدید دریافت میکند. در اولین روز معمولاً 800 بازدید جمعآوری میشود.
- واکنشها و تعامل: مخاطبان بهطور فعال حمایت میکنند؛ میانگین واکنش به هر پست 6 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 16 ژوئن, 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.
21 453
مشترکین
+824 ساعت
+47 روز
-4530 روز
آرشیو پست ها
21 453
If you have a number of sequences of different length, and call pad_sequences on them, what’s the default result?
21 453
If I put a dropout parameter of 0.2, how many nodes will I lose?
21 453
Repost from تهران دیتا-دانشگاه تهران
#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
21 453
جواب درست این تکه کد چیه؟؟
>>> name= ['@AI_']
>>> name.append('Python') >>> print(name[1])
21 453
جواب درست این تکه کد چیه ؟
>>> x=[[1]]*2
>>> x[0].append(2) >>> print(x)
21 453
✅ 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
21 453
✅ 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
21 453
Repost from N/a
✅ 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
21 453
Repost from N/a
✅ 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
21 453
جواب خروجی کد زیر چیه ؟
>>> a = (1,2,3)
>>> type(a) >>> b= (3) >>> type(b)
21 453
جواب خروجی درست کدام گزینه است؟
>>> def x ( i,values=[] ) : return values.append(i)
>>> print(x(2))
21 453
جواب درست این تکه کد چیه ؟
>>> try: print(1)
... except: print (2) ... finally : print(3) >>>
21 453
جواب درست این تکه کد چیه؟
>>> a = [0,1,2,3]
>>> for a[-1] in a : ... print(a[-1])
21 453
جواب درست این تکه کد چیه ؟
>>> def fun(): for x in range(22,23,24):
print(x) >>> fun()
21 453
جواب درست این تکه کد چیه ؟
>>> l1=['A']
>>> l1.extend('ABC') >>> print(l1)
21 453
جواب این تکه کد چیست؟
>>> List=['Python','Developers']
>>> result=[i for i in List if len(i)>6] >>> print(*result)
