DevTwitter | توییت برنامه نویسی
توییت های برنامه نویسی و طراحی وب :) Admin: @dvtwi Hashtags: devtwitter.t.me/5 DevBooks Channel: https://t.me/+AYbOl75CLNYxY2U0 Github: https://github.com/DevTwitter X: https://x.com/devtwittir
Больше📈 Аналитический обзор Telegram-канала DevTwitter | توییت برنامه نویسی
Канал DevTwitter | توییت برنامه نویسی (@devtwitter) языкового сегмента Фарси является активным участником. Сейчас сообщество объединяет 32 975 подписчиков, занимая 4 063 место в категории Технологии и приложения и 10 773 место в регионе Иран.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 32 975 подписчиков.
Согласно последним данным от 29 октября, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило 711, а за последние 24 часа — 7, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 16.65%. В первые 24 часа после публикации контент обычно набирает 13.24% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 5 489 просмотров. В течение первых суток публикация набирает 4 366 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 37.
- Тематические интересы: Контент сосредоточен на ключевых темах, таких как پرو, #کوته_نیوز, ارتباط, ابزار, چیز.
📝 Описание и контентная политика
Автор описывает ресурс как площадку для выражения субъективного мнения:
“توییت های برنامه نویسی و طراحی وب :)
Admin:
@dvtwi
Hashtags:
devtwitter.t.me/5
DevBooks Channel:
https://t.me/+AYbOl75CLNYxY2U0
Github:
https://github.com/DevTwitter
X:
https://x.com/devtwittir”
Благодаря высокой частоте обновлений (последние данные получены 30 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 Технологии и приложения.
loss.backward()
یه خطِ که همیشه دیدید یا AI زحمت کشیده؛ ولی پشتش کلی chain rule، matrix multiplication و مفاهیم دیگه خوابیده..
DFNN (Dependency-Free Neural Network)در واقع DFNN یک MLP از صفر با NumPy هست؛ بدون PyTorch، TensorFlow، Keras یا autograd. Forward، reverse-mode backprop، initialization، mini-batch، optimizer، loss و خوندن مستقیم MNIST از IDX همگی داخل یک نوت بوک. و Backprop در سطح batch و ماتریس نوشته شده، نه با autodiff؛ و gradientها هم با finite differences صحت سنجی شدند؛ برای
dW هم، relative error حدود 8.7e-12 شد.
در آخر روی MNIST چک شد که با 40 تا epoch به 98.04% test accuracy رسید.
خلاصه که اگر همیشه backward() زدید ولی تا حالا نرفتید ببینید واقعا چکار میکنه؛ میتونید ریپو زیر رو ببینید
https://github.com/hrnrxb/DFNN
@DevTwitter | <hrnrxb/>