ru
Feedback
علی شریفی زارچی - Ali Sharifi Zarchi

علی شریفی زارچی - Ali Sharifi Zarchi

Открыть в Telegram

عضو هیات‌علمی گروه هوش مصنوعی و بیوانفورماتیک، دانشکده‌ی مهندسی کامپیوتر، دانشگاه صنعتی آریامهر (شریف). عضو کمیته‌ی علمی المپیاد جهانی کامپیوتر.

Больше
Страна не указанаКатегория не указана

📈 Аналитический обзор Telegram-канала علی شریفی زارچی - Ali Sharifi Zarchi

Канал علی شریفی زارچی - Ali Sharifi Zarchi (@sharifizarchi) является активным участником. Сейчас сообщество объединяет 26 921 подписчиков, занимая место в категории Другое.

📊 Показатели аудитории и динамика

С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 26 921 подписчиков.

Согласно последним данным от 01 сентября, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило 4 168, а за последние 24 часа — 18, при этом общий охват остаётся высоким.

  • Статус верификации: Не верифицирован
  • Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 155.18%. В первые 24 часа после публикации контент обычно набирает 40.22% реакций от общего числа подписчиков.
  • Охват публикаций: В среднем каждый пост получает 41 776 просмотров. В течение первых суток публикация набирает 10 827 просмотров.
  • Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 1 062.

📝 Описание и контентная политика

Автор описывает ресурс как площадку для выражения субъективного мнения:
عضو هیات‌علمی گروه هوش مصنوعی و بیوانفورماتیک، دانشکده‌ی مهندسی کامپیوتر، دانشگاه صنعتی آریامهر (شریف). عضو کمیته‌ی علمی المپیاد جهانی کامپیوتر.

Благодаря высокой частоте обновлений (последние данные получены 02 сентября, 2026) канал поддерживает актуальность и высокий уровень охвата публикаций. Аналитика показывает, что аудитория активно взаимодействует с контентом, что делает его важной точкой влияния в категории Другое.

26 921
Подписчики
+1824 часа
+5267 дней
+4 16830 дней
Архив постов
ویدئوی کامل جلسه‌ی پنجم دوره‌ی ورود به دنیای هوش‌مصنوعی در این جلسه با الگوریتم «درخت تصمیم» به عنوان یک روش پرکاربرد دسته‌بندی آشنا می‌شویم و با مصورسازی و تحلیل داده‌های مسأله‌ی کشتی تایتانیک، کدنویسی حل این مسأله را در پایتون آغاز می‌کنیم: ✅ تفاوت رگرسیون با کلاسیفیکیشن و معرفی مسأله تایتانیک ✅ منطق الگوریتم درخت تصمیم (Decision Tree) در تفکیک داده‌ها ✅ فرمول شاخص جینی (Gini Index) برای محاسبه خلوص گره‌ها ✅ چالش بیش‌برازش (Overfitting) در صورت افزایش بیش از حد عمق درخت ✅ پایتون عملی: نصب کتابخانه‌ها و کار با دستورات پایه‌ای Pandas ✅ رسم نمودارهای میله‌ای و نقطه‌ای برای تحلیل نرخ بقای مسافران ✅ مهندسی ویژگی‌ها: پر کردن داده‌های گم‌شده و عددی کردن جنسیت و بندرها

از این پس می‌توانید اسلایدها، یادداشت‌های روی تخته، کدها، داده‌ها و Jupyter Notebook هر جلسه از دوره‌ی «ورود به دنیای هوش‌مصنوعی» را در لینک زیر ببینید: https://github.com/SharifiZarchi/IntroAI پیشنهاد می‌کنم قبل از هر جلسه، تلاش کنید Jupyter Notebook مربوط به آن جلسه را اجرا کنید، تغییر دهید، و به آن مسلط شوید.

ویدئوی کامل ضبط‌شده‌ی جلسه‌ی چهارم دوره‌ی ورود به دنیای هوش‌مصنوعی ⭕ این جلسه‌ به دلیل فنی ساده، به صورت زنده پخش نشد که صمیمانه از همه‌ی عزیزانی که منتظر بودند پوزش می‌خواهم. در این جلسه مقدمات برنامه‌نویسی پایتون را به صورت عملی مرور کردیم: ✅ دریافت کد از Github ✅ شروع کارکردن با Google Colab ✅ انواع متغیرها، حلقه‌ی for، شرط if، محاسبات ریاضیات ✅ تعریف تابع ✅ لیست، اندیس، کارکردن با لیست‌ها علاوه بر آن، مفاهیم زیر از یادگیری ماشین را مرور کردیم: ✅ گرادیان و گرادیان کاهشی (Gradient Descent) ✅ نرخ یادگیری (Learning Rate) ✅ کم‌برازش (Underfitting) و بیش‌برازش (Overfitting)

ویدئوی کامل ضبط‌شده‌ی جلسه‌ی چهارم دوره‌ی ورود به دنیای هوش‌مصنوعی ⭕ این جلسه‌ به دلیل فنی ساده، به صورت زنده پخش نشد که صمیمانه از همه‌ی عزیزانی که منتظر بودند پوزش می‌خواهم. در این جلسه مقدمات برنامه‌نویسی پایتون را به صورت عملی مرور کردیم: ✅ دریافت کد از Github ✅ شروع کارکردن با Google Colab ✅ انواع متغیرها، حلقه‌ی for، شرط if، محاسبات ریاضیات ✅ تعریف تابع ✅ لیست، اندیس، کارکردن با لیست‌ها علاوه بر آن، مفاهیم زیر از یادگیری ماشین را مرور کردیم: ✅ گرادیان و گرادیان کاهشی (Gradient Descent) ✅ نرخ یادگیری (Learning Rate) ✅ کم‌برازش (Underfitting) و بیش‌برازش (Overfitting)

ویدئوی کامل ضبط‌شده‌ی جلسه‌ی سوم دوره‌ی ورود به دنیای هوش‌مصنوعی در این جلسه مفاهیم پایه‌ای «یادگیری ماشین» را مرور کرده‌ایم: ✅ مجموعه داده، ویژگی، برچسب ✅ حفظ‌کردن یا تعمیم‌پذیری ✅ تفاوت پارامتر و ابرپارامتر ✅ داده‌های آموزش (train)، اعتبارسنجی (validation) و آزمون (test) ✅ بیش‌برازش (overfitting) ✅ مدل‌های خطی و غیرخطی

ویدئوی کامل ضبط‌شده‌ی جلسه‌ی سوم دوره‌ی ورود به دنیای هوش‌مصنوعی در این جلسه مفاهیم پایه‌ای «یادگیری ماشین» را مرور کرده‌ایم: ✅ مجموعه داده، ویژگی، برچسب ✅ حفظ‌کردن یا تعمیم‌پذیری ✅ تفاوت پارامتر و ابرپارامتر ✅ داده‌های آموزش (train)، اعتبارسنجی (validation) و آزمون (test) ✅ بیش‌برازش (overfitting) ✅ مدل‌های خطی و غیرخطی

برای نوجوانان ایران عزیزمان؛ از نخستین هفته پس از پایان آزمون‌های نهایی سال ۱۱ و ۱۲ متوسطه، یک دوره‌ی آموزشی رایگان هوش‌مصنوعی، برنامه‌نویسی پایتون و حل مساله‌های زیبای الگوریتمی تقدیم همه‌ی دانش‌آموزان دبیرستانی (متوسطه‌ی اول و دوم) ایران خواهم کرد. اطلاع‌رسانی: https://t.me/SharifiZarchi

لینک پخش زنده‌ی جلسه‌ی دوم شروع از ساعت ۱۸:۰۰ امروز شنبه ۲۳ خرداد به وقت تهران.

🛫 نخستین جلسه‌ی دوره‌ی رایگان «ورود به دنیای هوش‌مصنوعی» ✅ مدرس: علی شریفی زارچی ✅ امروز شنبه ۱۶ خرداد ساعت ۱۸:۰۰ به وقت تهران ✅ پخش زنده در YouTube ✅ بازنشر ویدئوها در YouTube و تلگرام [YouTube] [Telegram]

وعده دادم «آموخته‌هایم در هوش‌مصنوعی، الگوریتم، علوم داده و بیوانفورماتیک را به رایگان به هم‌میهنان عزیزتر از جانم بیاموزم؛ و
وعده دادم «آموخته‌هایم در هوش‌مصنوعی، الگوریتم، علوم داده و بیوانفورماتیک را به رایگان به هم‌میهنان عزیزتر از جانم بیاموزم؛ و هر کلاس را تقدیم کنم به روان پاک جاویدنامان، جان‌فدایان ایران عزیزمان». ✅ کلاس‌ها روزهای شنبه راس ساعت ۱۸ (به وقت تهران) و به صورت پخش زنده در YouTube خواهد بود. ✅ پس از پایان کلاس، ویدئوی آن در کانال یوتیوب و تلگرام به رایگان در دسترس خواهد بود. لینک‌ها: [YouTube] [Telegram]