فریب کلاهبرداران را نخورید! تل‌متریو این کانال‌ها را شناسایی و برچسب‌گذاری می‌کند 👉 برای مشاهده برچسب، اشتراک تهیه کنید

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

إيران16 434فناوری و برنامه‌ها6 192...

📈 تحلیل کانال تلگرام DLeX: AI Python

کانال DLeX: AI Python (@ai_python) در بخش زبانی فارسی بازیگری فعال است. در حال حاضر جامعه شامل 21 313 مشترک است و جایگاه 6 192 را در دسته فناوری و برنامه‌ها و رتبه 16 434 را در منطقه إيران دارد.

📊 شاخص‌های مخاطب و پویایی

از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 21 313 مشترک جذب کرده است.

بر اساس آخرین داده‌ها در تاریخ 03 نوامبر, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -72 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 8.04% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 3.70% واکنش نسبت به کل مشترکان کسب می‌کند.
دسترسی پست‌ها: هر پست به طور میانگین 1 714 بازدید دریافت می‌کند. در اولین روز معمولاً 788 بازدید جمع‌آوری می‌شود.
واکنش‌ها و تعامل: مخاطبان به‌طور فعال حمایت می‌کنند؛ میانگین واکنش به هر پست 16 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 04 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.

21 313

مشترکین

-224 ساعت

+127 روز

-7230 روز

1 714

نمایش های پست

~ 78824 ساعت

~ 1 04348 ساعت

8.04%

نرخ مشارکت

~ 1

پست های در روز

Ads index

آرشیو پست ها

21 313

یک خانواده از LLM ها اکنون می توانند تا حدود زیادی نقش Decompile کدهای باینری را به عهده بگیرند : @ai_python این مدل ها بر روی 4 بیلیون توکن سورس کد زبان سی و اسمبلی کدهای متناظر Train شده اند. Paper Link

21 313

یه پلت فرم باحال که باهاش می تونید خیلی راحت مایگریت کنید. برای مثال به نظر من لایبرری OpenAI خیلی سریع تغییر می کنه. @ai_python با استفاده از این پلت فرم وقتی که لایبرری OpenAI رو آپدیت می کنید، می تونید چک کنید که کجای کدتون نیاز به تغییر داره تا با ورژن جدید سازگار بشه. https://app.grit.io/ @ai_python البته grit فقط برای OpenAI نیست. خیلی کتابخونه های دیگه رو هم پشتیبانی می کنه. مثل Next.js یا حتی مهاجرت از Chai به Jest https://app.grit.io/migrations/new

21 313

پیاده سازی RAG با استفاده از MongoDB به عنوان Vector Database

21 313

https://www.mongodb.com/developer/products/atlas/advanced-rag-langchain-mongodb/

21 313

مقایسه جامه وکتور دیتابیس ها : @ai_python https://superlinked.com/vector-db-comparison/

21 313

مخزن پرامپت های لانگ چین : https://smith.langchain.com/hub/rlm?organizationId=900eb658-009f-5a0d-aa45-336aa00d253f

21 313

@ai_python تفاوت های کلیدی LangChain و LlamaIndex

21 313

Repost from N/a

🌱 تخفیف نوبرانه فرادرس — ۷۰⁒ تخفیف در بزرگترین جشنواره سال 💯 برای اولین بار، همه‌ی آموزش‌های فرادرس با تخفیف ویژه ۷۰ درصدی در دسترس شماست! 🔹 برنامه نویسی پایتون + مثال های عملی 🔹 کاربرد ChatGPT در علم داده 🔹 برنامه‌ نویسی R - تحلیل داده‌ های تاریخ و زمان 🔹 هوش مصنوعی – مقدماتی 🔹 تجزیه و تحلیل و آماده سازی داده ها با پایتون 🎁 کد تخفیف: EYD43 👈 مشاهده سایر آموزش‌ها - [کلیک کنید] @FaraDars - فرادرس

21 313

لانگ فیوز، یکی از پلت فرم های LLM Engineering است که شامل قابلیت های زیر برای LLM Application ها هست : 👨‍💻 Traces 👨‍💻 Evals 👨‍💻 Prompt Management 👨‍💻 Metrics حال، به تازگی، این پلت فرم اپن سورس با Llama Index هم Integrate شده. @ai_python جهت اطلاعات بیش تر به این پست مراجعه کنید.

21 313

@ai_python شمای ماژول Model I/O در لانگ چین Medium

21 313

تاپ ترین دوره های رایگان هوش مصنوعی برگرفته از صفحه Generative AI در لینکداین @ai_python

21 313

https://div.beehiiv.com/p/advanced-rag-series-retrieval

21 313

Repost from N/a

📣 برای اولین بار در فرادرس — ۷۰⁒ تخفیف برای تمامی آموزش‌ها 💣 🌸 در جشنواره «به سوی بهار» با کد تخفیف EYD43 هر آموزشی را که دوست دارید با تخفیف ویژه دریافت کنید. 💠 ورود به صفحه جشنواره — [کلیک کنید] ✅ دسترسی سریع به تمامی آموزش‌ها 👇👇 🔸 جدیدترین آموزش‌های دو ماه اخیر 🔸 پرمخاطب‌‎ترین آموزش‌های یک ماه اخیر 🔸 آموزش‌های طبقه‌بندی شده @FaraDars - فرادرس

21 313

اگر این روزها با RAG Evaluation درگیر هستید یا قرار هست در آینده درگیرش بشید، این نوشتار فرمول های متریک های مورد استفاده در RAG Evaluation و معنای آن ها را بسیار بسیار ساده و با مثال های خیلی خوبی بیان کرده است: @ai_python https://medium.com/@rupeshyadav153/evaluation-of-retrieval-augmented-generation-rag-using-ragas-on-human-annotated-and-synthetic-09c4b825c298

21 313

امروز یک مقایسه اجمالی انجام دادیم از دو تا ابزار RAG Evaluation مشهور و حرفه ای. که با شما هم به اشتراک می ذاریم. @ai_python

21 313

@ai_python اینفوگرافی توضیح RAG از دیدگاه تقسیم به یک بخش Generation و در سمت دیگر Retrieval

21 313

یک دیاگرام بسیار عالی از Pipeline یک سیستم RAG به زبان بسیار ساده @ai_python استخراج شده از دوره های deeplearning.ai

21 313

@ai_python 👨‍💻 🤷🏻‍♂️

21 313

به نظرتون با توجه به LLM های تا این حد Long Context که امروزه در اختیار داریم، آیا هنوز وجود RAG مورد نیاز هست؟ از این جهت که این LLM ها می توانند این حجم از داده را مستقیم مورد آنالیز و جست و جو قرار دهند! @ai_python پاسخ در این ویدیو تا حدودی داده شده است : https://youtu.be/UlmyyYQGhzc?si=LHuZRHyRc8VtTCuh لینک های گیت هابشم که توی توضیحات خود ویدیو هست. اما اگه وقت ندارید ویدیو رو ببینید و صرفن کنجکاو هستید که نتیجه نهایی رو بدونید : Overall, the analysis shows that RAG cannot currently be completely replaced by long contexts in LLMs, as finding multiple facts from long contexts at the same time is not guaranteed. More research is needed to improve skills. But long contexts are very promising! 👨‍💻

21 313

Repost from N/a

🚀 رایگان آموزش ببین و کلی مهارت یاد بگیر... 🎯 با مجموعه آموزش‌‌های رایگان فرادرس، در کوتاه‌ترین زمان ممکن به چیزی که میخوای میرسی! ▫️ یادگیری ماشین با پایتون در ۱۸۰ دقیقه ▫️ کتابخانه‌های پایتون برای یادگیری ماشین و یادگیری عمیق ▫️ چت جی پی تی ChatGPT چه کار می کند؟ ▫️ مفاهیم پایه در یادگیری تقویتی ماشین ▫️ تبدیل متن به گفتار در پایتون با کتابخانه pyttsx3 👈 سایر آموزش‌های رایگان - [اینجا ببینید] @FaraDars - فرادرس