هوش مصنوعی - رضا شکرزاد
Открыть в Telegram
👈 کانال علم داده و هوش مصنوعی رضا شکرزاد 🔘 نقشه‌راه یادگیری 🔘 معرفی و دانلود منابع 🔘 مقاله وبسایت دپارتمان: cafetadris.com/datascience ارتباط با ادمین، درخواست منتورشیپ و پروژه: https://t.me/dslanders_admin یوتیوب: Youtube.com/@RezaShokrzad
Больше📈 Аналитический обзор Telegram-канала هوش مصنوعی - رضا شکرزاد
Канал هوش مصنوعی - رضا شکرزاد (@dslanders) языкового сегмента Фарси является активным участником. Сейчас сообщество объединяет 12 717 подписчиков, занимая 15 597 место в категории Образование и 25 320 место в регионе Иран.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 12 717 подписчиков.
Согласно последним данным от 06 октября, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило 172, а за последние 24 часа — 6, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 11.29%. В первые 24 часа после публикации контент обычно набирает 5.43% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 1 436 просмотров. В течение первых суток публикация набирает 690 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 10.
📝 Описание и контентная политика
Автор описывает ресурс как площадку для выражения субъективного мнения:
“👈 کانال علم داده و هوش مصنوعی رضا شکرزاد
🔘 نقشه‌راه یادگیری
🔘 معرفی و دانلود منابع
🔘 مقاله
وبسایت دپارتمان:
cafetadris.com/datascience
ارتباط با ادمین، درخواست منتورشیپ و پروژه:
https://t.me/dslanders_admin
یوتیوب:
Youtube.com/@RezaShokrzad”
Благодаря высокой частоте обновлений (последние данные получены 07 октября, 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 Образование.
12 717
Подписчики
+624 часа
+287 дней
+17230 дней
Загрузка данных...
Похожие каналы
Облако тегов
Нет данных
Возникли проблемы? Пожалуйста, обновите страницу или обратитесь к нашему support-менеджеру .
Входящие и исходящие упоминания
---
---
---
---
---
---
Привлечение подписчиков
октябрь '26окт. '26
октябрь '26
+27
в 0 каналах
сентябрь '26
+230
в 0 каналах
Get PRO
август '26
+15
в 0 каналах
Get PRO
июль '26
+11
в 1 каналах
Get PRO
июнь '26
+49
в 1 каналах
Get PRO
май '26
+66
в 1 каналах
Get PRO
апрель '26
+13
в 0 каналах
Get PRO
март '26
+4
в 0 каналах
Get PRO
февраль '26
+16
в 0 каналах
Get PRO
январь '26
+7
в 0 каналах
Get PRO
декабрь '25
+29
в 0 каналах
Get PRO
ноябрь '25
+25
в 0 каналах
Get PRO
октябрь '25
+41
в 0 каналах
Get PRO
сентябрь '25
+23
в 0 каналах
Get PRO
август '25
+37
в 1 каналах
Get PRO
июль '25
+36
в 0 каналах
Get PRO
июнь '25
+33
в 0 каналах
Get PRO
май '25
+48
в 0 каналах
Get PRO
апрель '25
+21
в 1 каналах
Get PRO
март '25
+22
в 2 каналах
Get PRO
февраль '25
+8
в 0 каналах
Get PRO
январь '25
+40
в 0 каналах
Get PRO
декабрь '24
+26
в 1 каналах
Get PRO
ноябрь '24
+35
в 0 каналах
Get PRO
октябрь '24
+42
в 0 каналах
Get PRO
сентябрь '24
+68
в 0 каналах
Get PRO
август '24
+486
в 91 каналах
Get PRO
июль '24
+285
в 201 каналах
Get PRO
июнь '24
+430
в 164 каналах
Get PRO
май '24
+394
в 230 каналах
Get PRO
апрель '24
+485
в 211 каналах
Get PRO
март '24
+282
в 204 каналах
Get PRO
февраль '24
+147
в 6 каналах
Get PRO
январь '24
+613
в 223 каналах
Get PRO
декабрь '23
+552
в 282 каналах
Get PRO
ноябрь '23
+712
в 143 каналах
Get PRO
октябрь '23
+503
в 89 каналах
Get PRO
сентябрь '23
+633
в 0 каналах
Get PRO
август '23
+374
в 0 каналах
Get PRO
июль '23
+633
в 0 каналах
Get PRO
июнь '23
+657
в 0 каналах
Get PRO
май '23
+234
в 0 каналах
Get PRO
апрель '23
+224
в 0 каналах
Get PRO
март '23
+421
в 0 каналах
Get PRO
февраль '23
+982
в 0 каналах
Get PRO
январь '23
+307
в 0 каналах
Get PRO
декабрь '22
+88
в 0 каналах
Get PRO
ноябрь '22
+59
в 0 каналах
Get PRO
октябрь '22
+48
в 0 каналах
Get PRO
сентябрь '22
+92
в 0 каналах
Get PRO
август '22
+611
в 0 каналах
Get PRO
июль '22
+962
в 0 каналах
Get PRO
июнь '22
+730
в 0 каналах
Get PRO
май '22
+159
в 0 каналах
Get PRO
апрель '22
+76
в 0 каналах
Get PRO
март '22
+5 862
в 0 каналах
Get PRO
февраль '22
+2 899
в 0 каналах
Get PRO
январь '22
+2 888
в 0 каналах
Get PRO
декабрь '21
+798
в 0 каналах
Get PRO
ноябрь '21
+869
в 0 каналах
Get PRO
октябрь '21
+2 170
в 0 каналах
| Дата | Привлечение подписчиков | Упоминания | Каналы | |
| 07 октября | +1 | |||
| 06 октября | +6 | |||
| 05 октября | +3 | |||
| 04 октября | +5 | |||
| 03 октября | +3 | |||
| 02 октября | +4 | |||
| 01 октября | +5 |
Посты канала
🛒 فرض کن یک فروشگاه اینترنتی داری. مشتری «کتانی» را جستجو می‌کند، ولی محصول با نام «کفش ورزشی» ثبت شده و جستجو هیچ نتیجه‌ای نشان نمی‌دهد. بهترین راه‌حل برای اینکه مشتری محصول را پیدا کند چیست؟
| 2 | 🔌 تیپ #16
مدل‌های تازه می‌آیند؛ ایجنت را به یک مدل گره نزنید
تقریباً هر چند هفته یک مدل تازه معرفی می‌شود و وسوسه می‌شویم کل ایجنت را دور آن بازنویسی کنیم. راه عاقلانه‌تر این است که مدل را پشت یک لایه‌ی نازک انتزاع نگه داریم تا عوض‌کردنش فقط تغییر یک تنظیم باشد، نه بازنویسی کد 🔌. بعد هم ارزیابی خودتان را دوباره اجرا کنید، چون مدلی که صدر جدول‌های عمومی است ممکن است دقیقاً در حلقه‌ی فراخوانی ابزارهای شما ضعیف عمل کند.
New Models Drop Weekly: Keep Your Agent Model-Agnostic
Every few weeks a new frontier model lands, and the instinct is to rebuild your agent around it. The smarter habit is to keep the model behind a thin abstraction layer, so switching providers becomes a config change instead of a refactor 🔌. Then re-run your own evals, because a model that tops a public leaderboard can still stumble on your specific tool-calling loop.
@dslanders | 340 |
| 3 |  Видеосообщение | 600 |
| 4 | لینک ثبت‌نام جلسه صفر رایگان (امشب):
https://ctdrs.ir/cr18687
لینک اطلاعات و ثبت‌نام در بوت کمپ:
https://cafetadris.com/agenticai | 622 |
| 5 |  Видеосообщение | 141 |
| 6 | مهم‌ترین‌های ۲۴ ساعت اخیر هوش مصنوعی
📈 خبر ۱: ابزار OpenChart رایگان و متن‌باز منتشر شد؛ جایگزینی برای TradingView که می‌گذارد عامل هوش مصنوعی خودتان بازار را بخواند و برایتان نمودار بسازد.
🖼️ خبر ۲: مدل d1 از Liquid AI حالا هم تصویر و هم متن را می‌فهمد و به توسعه‌دهندگان امکان می‌دهد مدل‌های تصمیم‌گیری بینایی‌محور را تا ۲۰۰ برابر ارزان‌تر بسازند.
🧠 خبر ۳: قابلیت جدید Memory در Devin ترجیحات، اصلاحات و آموخته‌های پروژه را بین جلسات نگه می‌دارد و Dreaming هم هر چند وقت دانسته‌های عامل را مرتب می‌کند.
👥 خبر ۴: Instinct یک عامل هوش مصنوعی مشترک داخل گروه‌های چت می‌گذارد تا برنامه سفر بچیند، بلیت پیدا کند و هم‌سفری را هماهنگ کند.
🩺 خبر ۵: ایالت یوتا می‌خواهد اولین جای آمریکا باشد که به هوش مصنوعی اجازه می‌دهد بیمار را معاینه و دارو تجویز کند، بدون نظارت پزشک انسانی.
@dslanders | 742 |
| 7 | 🏢 کارمندی ایمیلی از واحد فناوری شرکت می‌گیرد: «passkey (ورود بدون رمز) شما باید دوباره ثبت شود، وگرنه دسترسی‌تان قطع می‌شود.» او با اثر انگشت تأیید می‌کند و چند روز بعد حساب شرکتش در دست غریبه‌هاست. اشتباه اصلی چه بود؟ | 845 |
| 8 | 🪞 تیپ #15
حلقه خوداصلاحی: اصلاح مسیر در میانه اجرا
به‌جای اینکه بازبینی را به پایان اجرا بسپارید، بگذارید عامل همان‌جا خروجی میانی خودش را نقد کند و پیش از ادامه اصلاحش کند 🪞. این بازخورد درون‌اجرا خطاهای فراخوانی ابزار، نقشه‌های خراب و واقعیت‌های ساختگی را وقتی هنوز وقت جبران هست می‌گیرد. حلقه را کراندار نگه دارید، مثلاً یک نقد و یک بازنگری در هر گام، تا کار از کنترل خارج نشود. هر نقد را ثبت کنید تا بفهمید کدام اصلاح واقعاً نتیجه نهایی را بهتر می‌کند.
Self-correction loops: fix the agent mid-run
Instead of waiting for a final review, have your agent critique its own intermediate output and revise it before continuing. This mid-run feedback loop catches wrong tool calls, broken plans, and hallucinated facts while there is still time to recover 🪞. Keep the loop bounded, for example one critique plus one revision per step, so the agent does not spiral. Log every critique so you can see which corrections actually improve the final result.
@dslanders | 882 |
| 9 |  پلتفرم بوت کمپ Agentic AI
جزییات:
https://cafetadris.com/agenticai | 905 |
| 10 | مهم‌ترین‌های ۲۴ ساعت اخیر هوش مصنوعی
🎙️ خبر ۱: مدل رایگان Whistle با حجم فقط ۱۶.۹ مگابایت صدا را به متن تبدیل می‌کند و روی سی‌پی‌یوهای معمولی، بدون کارت گرافیک، انگلیسی و آلمانی و فرانسه و اسپانیایی را می‌نویسد.
🛠️ خبر ۲: Meta کد عامل هوش مصنوعی Muse را متن‌باز کرد تا هر کسی بتواند آن را داخل گجت‌های سفارشی خودش بگذارد و سخت‌افزار هوش مصنوعی شخصی بسازد.
🎓 خبر ۳: یک آزمایش دو ساله در کلاس‌های درس نشان می‌دهد معلم هوش مصنوعی Khanmigo کجا واقعاً به یادگیری بچه‌ها کمک کرد و کجا بی‌اثر ماند.
🧪 خبر ۴: روش Dust مدل‌های زبانی ترنسفورمر را بدون الگوریتم پس‌انتشار آموزش می‌دهد؛ یک مسیر جایگزین که توسعه‌دهنده‌ها همین حالا می‌توانند آزمایشش کنند.
🏛️ خبر ۵: مدل GPT-6 Astra از OpenAI رمزی ۲۱۷ ساله از دوران ناپلئون را در شش ساعت شکست و سفارش‌های گم‌شده نظامی را از دل یک عکس بیرون کشید.
@dslanders | 963 |
| 11 | 🛠️ فرض کن چند تیم برنامه‌نویسی برای انتخاب ابزار کارشان از یک دستیار هوش مصنوعی می‌پرسند. دستیار هم همیشه یک فهرست کوتاه و تقریباً ثابت پیشنهاد می‌دهد. اگر این روند ادامه پیدا کند، محتمل‌ترین نتیجه چیست؟ | 899 |
| 12 | 🧭 تیپ #14
هماهنگ‌سازی چندعاملی: یک عامل رهبر، چند عامل کارگر
به‌جای اینکه یک عامل تن‌ها کل مسئله را در ذهنش نگه دارد، کار را تقسیم کنید: یک عامل رهبر هدف را به زیرکارهای مستقل می‌شکند و هر زیرکار را به یک کارگر تازه می‌سپارد که فقط زمینه‌ی مرتبط را در اختیار دارد. کارگرها موازی اجرا می‌شوند و نتیجه‌ی ساخت‌یافته برمی‌گردانند، و در پایان رهبر همه را در یک پاسخ واحد ادغام می‌کند. وظیفه‌ی رهبر را محدود به برنامه‌ریزی و مسیریابی نگه دارید 🧭 و برای هر کارگر قرارداد خروجی صریح تعریف کنید تا مرحله‌ی تجمیع به حدس و گمان تبدیل نشود.
Orchestration: One Lead Agent, Several Workers
Instead of one agent trying to hold an entire task in its head, split the work: a lead agent plans, decomposes the goal, and hands each subtask to a fresh worker with only the context it actually needs. Workers then run in parallel and return structured results that the lead merges into a single answer. Keep the lead's job to planning and routing 🧭, and give every worker an explicit output contract so the merge step never turns into guesswork.
@dslanders | 915 |
| 13 | مهم‌ترین‌های ۲۴ ساعت اخیر هوش مصنوعی
🛰️ خبر ۱: یک توسعه‌دهنده با Claude یک ایستگاه فضایی چرخان و قابل قدم‌زدن ساخته که فیزیک واقعی دارد و ایده‌های پیچیده سه‌بعدی را به نمایشی تعاملی تبدیل می‌کند.
🔎 خبر ۲: راهنمایی گام‌به‌گام که نشان می‌دهد چطور جست‌وجوی کد را طوری بسازیم که به‌جای کلیدواژه، معنی و مفهوم کد را پیدا کند.
🖼️ خبر ۳: اپلیکیشنی برای مک با هوش مصنوعی همه عکس‌ها و حتی تک‌تک فریم‌های ویدیو را جست‌وجو می‌کند تا هر لحظه از آرشیو شخصی فوری پیدا شود.
🎬 خبر ۴: ویدیویی آموزشی که نشان می‌دهد تیم‌های خلاق چطور با هوش مصنوعی سرعت، کیفیت و ظرافت کار تولید محتوا را بالا ببرند.
⚖️ خبر ۵: تجربه برگزاری یک دوره فشرده ایمنی هوش مصنوعی برای حقوقدانان و متولیان حکمرانی، با درس‌هایی از اجرای قوانین AI در سازمان‌های واقعی.
@dslanders | 941 |
| 14 | 📞 فرض کن کارمند یک شرکت هستی. تماس‌گیری با صدایی کاملاً شبیه مدیر مالی، فوری درخواست انتقال پول می‌کند و می‌گوید الان وقت جواب دادن به ایمیل را ندارد. امن‌ترین کار چیست؟ | 960 |
| 15 |  🤖 دورهمی حضوری علاقه‌مندان هوش مصنوعی کافه‌تدریس
بخشی از حال‌وهوای دورهمی حضوری هوش مصنوعی کافه‌تدریس با حضور فعالان و علاقه‌مندان حوزه AI رو توی این ویدیو ببینید 🧡
فرصتی برای دیدن همدیگه، آشنایی، گپ‌وگفت و به اشتراک گذاشتن تجربه‌ها با آدم‌هایی که هرکدوم به شکلی دارن مسیر خودشون رو توی دنیای هوش مصنوعی می‌سازن.
گاهی یک گفت‌وگوی کوتاه، یک آشنایی تازه یا شنیدن تجربه یک نفر، می‌تونه شروع یک مسیر جدید باشه؛ و دقیقا ارزش این دورهمی‌ها همین‌جاست. 🌱
🎞 تماشای ویدیو در یوتیوب:
🔗https://youtu.be/DturyD5O-no
🔴 تماشای ویدیوی در آپارات:
🔗https://aparat.com/v/qfm0p66
@Cafetadris | کافه‌تدریس | 886 |
| 16 | 🚦 تیپ #13
جلوگیری از اقدام‌های برگشت‌ناپذیر با الگوی پیشنهاد و تأیید
مؤثرترین محافظ در برابر اقدام‌های برگشت‌ناپذیر، پرامپت بهتر نیست؛ حذف کردن دسترسی است. ابزارهای حساس مثل حذف، پرداخت، ارسال پیام و دیپلوی را از جعبه‌ابزار پیش‌فرض ایجنت بیرون بگذارید و فقط از مسیر «پیشنهاد بده، بعد تأیید بگیر» در اختیارش قرار دهید. ایجنت یک طرح ساخت‌یافته می‌سازد، یک لایه قطعی آن را اعتبارسنجی می‌کند و تا وقتی انسان یا موتور سیاست تأیید نکند هیچ چیز اجرا نمی‌شود 🚦. کنارش dry-run و کلید idempotency هم بگذارید تا تلاش دوباره به حذف یا پرداخت تکراری منتهی نشود.
Stop Irreversible Actions With a Confirm Gate
The strongest guardrail against irreversible actions is not a better prompt, it is a missing capability: keep delete, pay, send, and deploy tools out of the agent's default toolset and expose them only through a propose-then-confirm flow. The agent emits a structured plan, a deterministic layer validates it, and nothing executes until a human or a policy engine approves 🚦. Pair that with a dry-run and an idempotency key so a retry can never double-charge or double-delete. If the model can call the destructive tool directly, assume some bad token will eventually call it.
@dslanders | 937 |
| 17 | https://youtu.be/zz-J-tSCCL4 | 961 |
| 18 | مهم‌ترین‌های ۲۴ ساعت اخیر هوش مصنوعی
💸 خبر ۱: گوگل دسترسی رایگان به مدل‌های Flash و Pro جمینای را قطع کرده و کاربران باید به پلن‌های پولی بروند یا سراغ گزینه‌های دیگر.
🐧 خبر ۲: توزیع لینوکسی Pop!_OS استفاده از کدهای ساخته‌شده با هوش مصنوعی را در بخش بزرگی از پروژه‌اش ممنوع کرد؛ الگویی تازه برای پروژه‌های متن‌باز.
🇩🇪 خبر ۳: شرکت Aleph Alpha مدل زبانی آلمانی «Kolibri» را با وزن باز عرضه کرد تا سازمان‌های اروپایی بدون وابستگی به ابرهای آمریکایی هوش مصنوعی اجرا کنند.
🤖 خبر ۴: یک عامل هوش مصنوعی خودش به صدها پژوهشگر ایمیل زد و درخواست کمک کرد، بعد دلیل کارهایش را توضیح داد؛ نشان می‌دهد این عامل‌ها در کارهای واقعی چطور شکست می‌خورند.
⚖️ خبر ۵: حکم یک پرونده قتل در آمریکا پس از نمایش ویدیوی قربانی که با هوش مصنوعی ساخته شده بود نقض شد و نگرانی درباره اعتبار شواهد بالا گرفت.
@dslanders | 1 013 |
| 19 | 🧪 فرض کن به بچه‌ای می‌گویی فقط در حیاط بازی کن، ولی درِ حیاط باز مانده. برای ایجنت هم همین‌طور است: به او می‌گویند فقط در محیط آزمایشی بماند، اما آن محیط به اینترنت واقعی وصل است. چه چیزی واقعاً این مرز را حفظ می‌کند؟ | 1 055 |
| 20 | 🎯 تیپ #12
چرا معیارهای چت‌بات برای سنجش ایجنت کافی نیستند
سنجیدن کیفیت یک پاسخ تک‌نوبتی با ارزیابی یک ایجنت زمین تا آسمان فرق دارد. ایجنت در چند مرحله ابزار صدا می‌زند، وضعیت محیط را تغییر می‌دهد و مسیرش پر از دور زدن و تلاش دوباره است؛ پس یک پاسخ نهایی شیک و مرتب می‌تواند روی مسیری خراب نشسته باشد. معیار درست این است که ببینید کار واقعاً تمام شد یا نه 🎯 و اگر همان سناریو را چند بار پشت سر هم اجرا کنید، نتیجه پایدار می‌ماند یا نه.
Agent evals: why chatbot metrics fall short
Chatbot metrics score one reply at a time: fluency, helpfulness, win rate against another model. An agent is a multi-step policy that calls tools and mutates state, so a polished final answer can sit on top of a broken trajectory, a retried API call, or a silently corrupted record. Score the outcome instead: did the task actually complete 🎯 and does that result hold when you rerun the same scenario five times in a row?
@dslanders | 1 064 |
