DLeX: AI Python
رفتن به کانال در 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
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 21 286 مشترک است و جایگاه 6 231 را در دسته فناوری و برنامه‌ها و رتبه 16 503 را در منطقه إيران دارد.
📊 شاخص‌های مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 21 286 مشترک جذب کرده است.
بر اساس آخرین داده‌ها در تاریخ 12 نوامبر, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -52 و در ۲۴ ساعت گذشته برابر 2 بوده و همچنان دسترسی گسترده‌ای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 8.11% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 2.71% واکنش نسبت به کل مشترکان کسب می‌کند.
- دسترسی پست‌ها: هر پست به طور میانگین 1 726 بازدید دریافت می‌کند. در اولین روز معمولاً 576 بازدید جمع‌آوری می‌شود.
- واکنش‌ها و تعامل: مخاطبان به‌طور فعال حمایت می‌کنند؛ میانگین واکنش به هر پست 18 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
لینک پیام ناشناس، جهت انتقادات، حرف و حدیث و پیشنهادات : https://t.me/mahtabak_nashenas_bot?start=1dOIcE18ITmb5Htw1M7zgq”
به لطف به‌روزرسانی‌های پرتکرار (آخرین داده در تاریخ 13 نوامبر, 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.
21 286
مشترکین
+224 ساعت
-97 روز
-5230 روز
آرشیو پست ها
21 284
۴۱ سوال ضروری یادگیری ماشین که در مصاحبه باید دانست
#یادگیری_ماشین #منابع #آموزش #کتاب
#machinelearning #book
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
❇️ @AI_Python
21 284
۲۰ کتابخانه پایتونی
20 Python Libraries You Aren’t Using (But Should)
#پایتون #منابع #کتاب
#book #python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
❇️ @AI_Python
21 284
📌 مدرسه زمستانه هوش مصنوعی IPM از 7 تا 9 اسفند
🎓 اعطای مدرک معتبر و رسمی
✅ ثبت نام برای عموم آزاد است
💯 تخفیف ویژه ثبت نام زودهنگام و گروهی
#اسفند1398
#Winter_School #Artificial_Intelligence
#Workshop #Linux #Python #Machine_Vision #Machine_Learning #Deep_Learning #FK #OpenCV #TensorFlow
#Tehran #IPM #SCS
🔗 evand.com/events/aiws
🌐 scs.ipm.ac.ir
📣 @convent
21 284
📌 مدرسه زمستانه هوش مصنوعی IPM از 7 تا 9 اسفند
📌 کارگاه آموزشی لینوکس و پردازش ابری 1 اسفند
📌 کارگاه آموزشی برنامه نویسی پایتون 2 اسفند
🎓 اعطای مدرک معتبر و رسمی
✅ ثبت نام برای عموم آزاد است
💯 تخفیف ویژه ثبت نام زودهنگام و گروهی
#اسفند1398
#Winter_School #Artificial_Intelligence
#Workshop #Linux #Python #Machine_Vision #Machine_Learning #Deep_Learning #FK #OpenCV #TensorFlow
#Tehran #IPM #SCS
🔗 evand.com/events/aiws
🔗 evand.com/events/aiws-unix
🔗 evand.com/events/aiws-py
🌐 scs.ipm.ac.ir
📣 @convent
21 284
If a statistician is given data and asked to extract insights from it, there are a number of considerations.
Here are some of them. What is the motivation for the analysis? Who will use the results, when will they use them and for what purpose? Am I clear on the meaning of the data? Codebooks are often of little help in answering this question.
Are there other data or background information that should be used in the analysis? How clean are the data? Have they been recoded or transformed in any way? Have some fields been imputed? If so, how? Will recoding, transformations or imputations be needed?
If there are missing data, why are they missing? Which variables do we need to explain or predict? Which variables will we use to predict them? On the other hand, is unsupervised learning best? Will a single model do, or are there subgroups or latent segments in the data that need to incorporated into the modeling? Would a hierarchical model be appropriate? If the data are longitudinal or time-series, there are a host of issues that will need to be addressed.
When mining any data, patterns will found which cannot be explained and have no clear utility to decision makers or other researchers.
The above would apply even if the statistician is an AI.
❇️ @AI_Python
21 284
We are pleased to announce that with help of Mr. Feizi the bot is alive again :)
meet our bot here: 🗣 @ai_python_arxiv
21 284
یه ربات نوشتیم همین که مقالات در arXiv ثبت میشند میفرسته به این کانال. دوست داشتید عضو بشید:
🗣 @ai_python_arxiv
21 284
#کارگاه_های_آموزشی_کنفرانس
✅ کارگاه آموزشی: شبکه‌های مولد تخاصمی (GAN) و پیاده‌سازی در کراس / تنسورفلو
👈 برای شرکت در این کارگاه‌ها ثبت نام در کنفرانس ضروری نیست، اما دانشجویان به خصوص دانشجویان دانشگاه‌های شهر قم و تمامی دانشجویان دانشگاه تهران می‌توانند با ثبت نام رایگان در کنفرانس، با تخفیف ویژه در این کارگاه‌ها ثبت نام و شرکت کنند.
https://mvip2020.ut.ac.ir/performa?_action=wks&lang=fa
http://mvip2020.ut.ac.ir
@mvip_2020
21 284
21 284
🎥 #فیلم های آموزشی شبکه‌های بازگشتی عمیق و پیاده سازی در #Tesnorflow2 و #Keras که در #صندوق_نوآوری_و_شکوفایی برگزار گردید. #منابع
http://class.vision/deeplearning2/
پیش‌نمایش دوره در آپارات:
https://www.aparat.com/v/zqbc8
کد تخفیف ۱۰ درصدی مخصوص اعضای کانال:
aipython
پ.ن: پیشنهاد میکنم که این آموزش مفید رو جهت کامل کردن دوره های آموزشی و یادگیری خودتون داشته باشید.
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
❇️ @AI_Python
21 284
#آموزش #فیلم #منابع
اسلایدها و فیلم سخنرانی AAAI امروز
ویدیو:
https://vimeo.com/390347111
اسلاید سخنرانی یان لکان:
https://drive.google.com/file/d/1r-mDL4IX_hzZLDBKp8_e8VZqD7fOzBkF/view
Video of the talks:
- 1:10 in for #Geoff_Hinton,
- 1:44 for #Yann_LeCun,
- 2:18 for #Yoshua_Bengio
- 2:51 for the panel discussion moderated by Leslie Pack Kaelbling
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
❇️ @AI_Python
21 284
شرکت همراه اول برای پروژه «توسعه موتور جستجوی بومی» از متخصصین دارای سابقه مرتبط یا واجدین تخصص‌های زیر دعوت به همکاری می‌کند (با شرایط مناسب):
🔹آشنایی کامل با برنامه نویسی به حداقل یکی از زبان‌های جاوا، پایتون، ++C
🔸آشنایی با مفاهیم برنامه‌نویسی شیء گرا و design patternهای آن
🔹آشنایی و تجربه در حوزه معماری و طراحی سیستم‌های نرم‌افزاری توزیع‌شده و مقیاس‌پذیر
🔸آشنایی با مفاهیم و شاخص‌های حوزه کلان‌داده (big data)
🔹آشنایی و تجربه کار با زیرساخت‌های سیستم‌های توزیع‌شده خصوصا نرم‌افزارهای زیست‌بوم کلان‌داده آپاچی (Hadoop, Spark, Elasticsearch, ...)
🔸آشنایی با برنامه‌نویسی front-end سامانه‌های مبتنی بر وب یا کلاینت‌های موبایل (خصوصا اندروید)
🔹آشنایی با مفاهیم و موضوعات حوزه علوم و تحلیل داده و داده‌کاوی در مقیاس کلان‌داده (شامل پردازش زبان طبیعی (NLP)، الگوریتم‌های تحلیل گراف، الگوریتم‌های خوشه‌بندی و رده‌بندی (Clustering & Classification)، ذخیره و بازیابی اطلاعات متنی (Text retrieval)، ارزیابی کیفیت داده و ...)
🔸آشنایی با مفاهیم حوزه DevOps و Operation و زیرساخت‌های نرم‌افزاری (شامل زیرساخت‌های پردازش ابری، کانتینرها، مجازی‌سازی، راهکارهای تجمیع و تحلیل لاگ و ...)
مزایا:
✅ حقوق مناسب و پرداخت به‌موقع
✅ بیمه و بیمه تکمیلی
✅ کارانه در طول سال
✅ مشارکت در پروژه در سطح ملی
✅ حضور در یک تیم با تجربه و کار در حوزه‌های لبه فناوری
✅ امکان رشد و پیشرفت در حوزه‌های تخصصی و شغلی
علاقه‌مندان لطفا رزومه خودشون را به همین id یا به پست الکترونیکی mm.arsanjani@gmail.com ارسال کنند.
21 284
Deep Learning: State of the Art (2020)
https://drive.google.com/file/d/10rZ4ldHUBoDu8bVoqGn-CEqGgX-w-oKm/view?usp=drivesdk
21 284
$1 million AAAI Squirrel AI Award for Artificial Intelligence for the Benefit of Humanity!
https://lnkd.in/equKpQq
#HumanitarianAI
21 284
"The International Mathematical Olympiad Grand Challenge"
The challenge: build an AI that can win a gold medal in the competition -- https://imo-grand-challenge.github.io
#ArtificialIntelligence #DeepLearning #Mathematics
21 284
✔️ Django Rest framework
دوستانی که با مفهوم rest آشناشدن میتونید از django Rest framework برای پیاده سازی API's استفاده کنند اگر هم میخواید در مورد Rest بدونید میتونید از هشتگ #Restfull_API برای جست جو در پست ها استفاده کنید
همچنین داکیومنت رسمی django Rest framework هم در پست قرار داده خواهد شد
#Python #Django
#Django_RESTframework
👉🏻 Link : https://www.django-rest-framework.org/
〰️〰️〰️〰️〰️
©️ @DjangoEx
