اکنون در دسترس! پژوهش تلگرام ۲۰۲۵ — مهمترین بینشهای سال 
DevTwitter | توییت برنامه نویسی
رفتن به کانال در Telegram
توییت های برنامه نویسی و طراحی وب :) @dvtwi Hashtags: devtwitter.t.me/5 DevBooks Channel: https://t.me/+AYbOl75CLNYxY2U0 Github: https://github.com/DevTwitter X: https://x.com/devtwittir
نمایش بیشتر📈 تحلیل کانال تلگرام DevTwitter | توییت برنامه نویسی
کانال DevTwitter | توییت برنامه نویسی (@devtwitter) در بخش زبانی فارسی بازیگری فعال است. در حال حاضر جامعه شامل 29 694 مشترک است و جایگاه 4 561 را در دسته فناوری و برنامهها و رتبه 11 467 را در منطقه إيران دارد.
📊 شاخصهای مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 29 694 مشترک جذب کرده است.
بر اساس آخرین دادهها در تاریخ 04 ژوئیه, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر 1 073 و در ۲۴ ساعت گذشته برابر 48 بوده و همچنان دسترسی گستردهای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 22.29% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 16.94% واکنش نسبت به کل مشترکان کسب میکند.
- دسترسی پستها: هر پست به طور میانگین 6 618 بازدید دریافت میکند. در اولین روز معمولاً 5 029 بازدید جمعآوری میشود.
- واکنشها و تعامل: مخاطبان بهطور فعال حمایت میکنند؛ میانگین واکنش به هر پست 51 است.
- علایق موضوعی: محتوا بر موضوعات کلیدی مانند پرو, #کوته_نیوز, ارتباط, ابزار, چیز تمرکز دارد.
📝 توضیح و سیاست محتوایی
نویسنده این فضا را محل بیان دیدگاههای شخصی توصیف میکند:
“توییت های برنامه نویسی و طراحی وب :)
@dvtwi
Hashtags:
devtwitter.t.me/5
DevBooks Channel:
https://t.me/+AYbOl75CLNYxY2U0
Github:
https://github.com/DevTwitter
X:
https://x.com/devtwittir”
به لطف بهروزرسانیهای پرتکرار (آخرین داده در تاریخ 05 ژوئیه, 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.
29 694
مشترکین
+4824 ساعت
+3167 روز
+1 07330 روز
آرشیو پست ها
خب اینم سورس کد «اولین کامپایلر C» در جهان هستی...
تقدیم به تمام نردهای تاریخدوست!
https://github.com/mortdeus/legacy-cc
@DevTwitter | <OpenDrain/>
+1
دیروز دنبال ابزار هوش مصنوعی بودم تا pdf هارو بدی بهش و بعد از learn کردن بتونی از اون pdf هر سوالی بپرسی و حتی کد بخوای ازش.
بعد از بررسی چند تا گزینه رسیدم به ابزار PDFgear که به صورت رایگان این قابلیت رو بهتون میده و قابل نصب رو سیستم هم هست!
نمونه عکساش هم پیوست کردم.
@DevTwitter | <Ali/>
#میم_شبانگاهی
سرویس بهداشتی کسی که گیتهابش فعاله
@DevTwitter | <Alireza/>
سایت
https://xata.io/pricing
۱۰ تا دیتابیس رایگان ، ۱۵ گیگ فضای رایگان و ....
روی پلتفرم Xata که یک serverless data روی PostgreSQL که
full-text و vector search engine
record-level file attachments
table-level aggregations
را به صورت REST API میده
@DevTwitter | <MehrdadLinux/>
اوبونتو 24.04LTS، منتشر شد!
برخی از ویژگیهای امنیتی خوبی که در این نسخه وجود دارد:
Unprivileged user namespace restrictions
Binary hardening
AppArmor 4
استفاده از کرنل 6.8 که ویژگیهای امنیتی زیادی مثل Secure virtualization به همراه دارد.
https://ubuntu.com/blog/ubuntu-desktop-24-04-noble-numbat-deep-dive
@DevTwitter | <Vahid Nameni/>
زبانی که بلد بوده، کدش رو نوشته. الگوریتمش اینطوریه که اگر عددی با ترتیب سازگار نباشه، از لیست اعداد حذف میشه. مثلا :
1 2 5 4 5 3 7
تبدیل میشه به :
1 2 5 5 7
که sort شده هست و 4 و 3 حذف شدن.
لینک:
https://github.com/gustavo-depaula/stalin-sort
@DevTwitter | <Mohsen Fatemi/>
فکر کن بشه ایمیج داکر را کامپایل کرد به فایل اجرایی
روی ایمیج کلیک کنی و اجرا
خسته شدید از بس زدید
docker run
pip install
npm i
دنبال یک نرم افزاری هستید که داکر را standalone و portable binaries اجراش کنه ؟ dockerc چاره کار
https://github.com/NilsIrl/dockerc
@DevTwitter | <MehrdadLinux/>
نسخه بتا تایپاسکریپت 5.5 منتشر شد.
https://devblogs.microsoft.com/typescript/announcing-typescript-5-5-beta
@DevTwitter
فکر اینکه به زودی قراره React 19 بیاد و پشت بندش هم Next 15 و کلی تغییرات و breaking change واقعا با روح و روانم بازی میکنه!
کلی چیزو یاد میگیری بعد دوباره مجبوری بریزی دور دوباره یاد بگیری!
@DevTwitter | <Max Shahdoost/>
تاینیگِرَد یک فریمورک دیپ لرنینگ هست
از سختترین کدبیسهایی که تا الان دیدم و میخونم
چگالی کد خیلی بالاست، احتمالا شما هم ببینید نظرتون همینه
جورج هاتز عه دیگه، نمیشه انتظار دیگهای داشت:))
این فایل به طور مثال:
https://github.com/tinygrad/tinygrad/blob/master/tinygrad%2Ftensor.py
@DevTwitter | <Arya/>
بنچمارک رسمی Panther اومد
بین فریمورک های پایتون به صورت کلی 5 ام شده.
https://github.com/AliRn76/Panther
@DevTwitter | <AliRn/>
یه ریورس شل اوپن سورس با قابلیت انتقال فایل برای گنو/لینوکس به زبان سی نوشتم
که میتونه برای اتصال به سیستم هایی که ایپی پابلیک ندارن استفاده بشه
https://github.com/ali-hasehmi/x-shell.git
@DevTwitter | <AliReza/>
نسخه ۴ پکیج Laravel Toman منتشر شد با پشتیبانی از نسخه ۱۱ فریمورک Laravel.
https://github.com/evryn/laravel-toman
@DevTwitter
#Javascript
اگه با جاوااسکریپت، برنامه نویسی میکنید از افزونهی TODO Highlight غافل نشید.
این افزونه تمام کامنتهای مربوط به لیست TODO رو هایلایت میکنه و در نتیجه میتونیم کارهایی رو که نیاز به تمام کردن دارن رو آسانتر مشاهده کنیم.
حتماً نصبش کنید
@DevTwitter | <I am the one who knocks/>
این RFC های php رو میخونم
کانتریبیوشن های ملت رو که میبینم به والله افسردگی میگیرم
به خدا اینا برنامه نویسن
ما کراد زنیم
@DevTwitter | <xmrrabbitx/>
پروژه ای که برای یادگیری لاراول میزدم بالاخره تموم شد ، هرچی که خونده بودم رو تو این پروژه نحوه ی استفادشو یاد گرفتم
یه نگاهی بندازید عالی میشه
https://github.com/MahdiZare2002/Advanced-Store-Laravel
@DevTwitter | <Mahdi Zed/>
هوش مصنوعی برای OSINT
فهرست جذابی از ابزارهای هوش مصنوعی که به شما کمک میکنه برای ایجاد گزارش، نوشتن کد، رونویسی ویدیو و صدا و سایر وظایف.
https://github.com/CScorza/OSINT-IA
@DevTwitter | <Mehdi Faraji/>
با YOLO، OpenCV و Python یک سیستم تجزیه و تحلیل فوتبال AI/ML بسازید
در این آموزش، نحوه ساخت یک سیستم آنالیز فوتبال AI/ML با YOLO، OpenCV و Python را خواهیدآموخت.
در این ویدیو، نحوه استفاده از یادگیری ماشینی، بینایی کامپیوتر و یادگیری عمیق را برای ایجاد یک سیستم آنالیز فوتبال یاد خواهید گرفت. این پروژه از یکی از پیشرفته ترین آشکارسازهای شیء YOlO برای شناسایی بازیکنان، داوران و فوتبالیست ها استفاده می کند. همچنین از ردیابها برای ردیابی آن شی در فریمها استفاده میکند. همچنین آشکارساز شی را برای افزایش خروجی با مدلهای پیشرفته آموزش میبینید در این اموزش بازیکنان را با استفاده از Kmeans برای تقسیمبندی پیکسل و خوشهبندی، به تیمها بر اساس رنگ تیشرتهایشان اختصاص داده شده و از جریان نوری برای اندازهگیری حرکت دوربین بین فریمها استفاده شده که به ما امکان میدهد حرکت بازیکن را به دقت اندازهگیری کنیم. برای نمایش عمق و پرسپکتیو صحنه، تبدیل پرسپکتیو را اجرا خواهیم کرد و به ما این امکان را میدهد که حرکت بازیکن را بهجای پیکسل، بر حسب متر اندازهگیری کنیم. در نهایت سرعت یک بازیکن و مسافت طی شده را محاسبه خواهیم کرد. این پروژه مفاهیم مختلفی را پوشش می دهد و به مشکلات دنیای واقعی می پردازد و آن را برای مبتدیان و مهندسان باتجربه یادگیری ماشین مناسب می کند.
Datasets:
kaggle Dataset: https://www.kaggle.com/competitions/dfl-bundesliga-data-shootout/data?select=clips
Robowflow Football Dataset: https://universe.roboflow.com/roboflow-jvuqo/football-players-detection-3zvbc/dataset/1
Github Link: https://github.com/abdullahtarek/football_analysis
@DevTwitter | <Ai_Tv/>
Repost from هشتگ تبلیغ تخصصی
💥 وبینار رایگان ورود به بازار بین الملل
👈 اینکه درآمد دلاری واقعی یا نه؟ 💵
👈 چه افرادی میتونند وارد بازار بین الملل باشند
👈 مدیریت مشکلات و چالش های این فضا با راه حل عملیاتی
🎁 ۳ هدیه ویژه به مناسبت این دو هفته ی طلایی
1️⃣ آزمون موفقیت شغلی در دنیای فریلنسری
2️⃣ گارانتی مسیر
3️⃣ وبینار رایگان
💢 لینک ثبت نام:
🌎 httb.ir/RgnKw ⬅️
📆 سه شنبه ۰۵ اردیبهشت
⏰ ساعت ۱۹:۰۰
👨💻 مدرس: عباس اسماعیلی
💬 @Academy_Tekanesh پشتیبانی
