DLeX: AI Python
Відкрити в 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
Показати більше📈 Аналітичний огляд Telegram-каналу DLeX: AI Python
Канал DLeX: AI Python (@ai_python) у мовному сегменті Фарсі є активним учасником. На даний момент спільнота об'єднує 21 283 підписників, посідаючи 6 236 місце в категорії Технології та додатки та 16 499 місце у регіоні Іран.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 21 283 підписників.
За останніми даними від 14 листопада, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -58, а за останні 24 години на -2, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 8.45%. Протягом перших 24 годин після публікації контент зазвичай збирає 2.67% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 1 799 переглядів. Протягом першої доби публікація в середньому набирає 569 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 18.
- Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як مصنوعی, توییتر, ماهواره, داده, فناوری.
📝 Опис та контентна політика
Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“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”
Завдяки високій частоті оновлень (останні дані отримано 15 листопада, 2026), канал підтримує актуальність та високий рівень охоплення публікацій. Аналітика показує, що аудиторія активно взаємодіє з контентом, що робить його важливою точкою впливу в категорії Технології та додатки.
21 283
Підписники
-224 години
-227 днів
-5830 днів
Архів дописів
21 283
پرچم رو فتح کنید
فتح پرچم مثل المپیک هکر ها ست و تیم ها و یوزر ها برای حل کردن چالش ها با هم رقابت میکنند
داخل سایت ثبت نام کنید و چالش ها رو حل کنید.سایت به دوستانتون معرفی کنید
ctf-zone.ir
#هک #فتح_پرچم #کالی
21 283
💡 What is a p-value?
When testing an hypothesis, the p-value is the likelihood that we would observe results at least as extreme as our result due purely to random chance if the null hypothesis were true.
💡 What does it mean when a p-value is low?
When the p-value is low, it is relatively rare for the our results to be purely from random variations in observations.
Because of this, we may decide to reject the null hypothesis. If the p-value is below some pre-defined threshold, we say that the result is "statistically significant" and we reject the null hypothesis.
💡 What value is most often used to determine statistical significance?
A value of alpha = 0.05 is most often used as the threshold for statistical significance.
#datascience #statistics
✴️ @AI_Python_EN
21 283
#آموزش #نکته #keras
در بلاگ پست انتقال یادگیری Francois chollet مطابق عکس بالا از تقسیم بر 255 برای نرمال کردن و بین 0 و 1 آوردن مقادیر ورودی استفاده شده.
این بلاگ پست قبل از معرفی keras.applications نوشته شده است.
توصیه میشود مطابق داکیومنت برای نرمال سازی ورودی حتما از تابع preprocess_input همان مدل استفاده کنید. ممکن است از نرمال سازی دیگری در مدل از پیش‌آموزش داده شده استفاده شده باشد.
سوال مرتبط:
https://stackoverflow.com/questions/48677128/what-is-the-right-way-to-preprocess-images-in-keras-while-fine-tuning-pre-traine
#kears #transfer_learning #preprocess
21 283
کتاب جدید جناب جعفرنژاد قمی:
http://olomrayaneh.net/BookInfo.aspx?bookID=297&cat=P
مرجع کامل node.js
در کتاب دیگری در باب سویفت:
http://olomrayaneh.net/BookInfo.aspx?bookID=290&cat=P
کامنتاش با خودتون دیگه ...
✴️ @AI_Python_EN
❇️ @AI_Python
🗣 @AI_Python_arXiv
21 283
کتابخونه برای augmentation تصاویر
✴️ Image augmentation for machine learning experiments
#پردازش_تصویر #یادگیری_ماشین #الگوریتمها #پایتون #python #machinelearning
با تشکر فراوان از: @Crmilad_7
✴️ @AI_Python_EN
❇️ @AI_Python
🗣 @AI_Python_arXiv
21 283
همه WordEmbedding ها در همه زبانها:
لینک
#nlp
#پردازش_زبان_طبیعی #منابع
✴️ @AI_Python_EN
❇️ @AI_Python
🗣 @AI_Python_arXiv
21 283
A list of dataset sources for machine learning
1- Kaggle Datasets
( https://www.kaggle.com/datasets)
2- Amazon Datasets
(https://registry.opendata.aws)
3- UCI Machine Learning Repository
(https://archive.ics.uci.edu/ml/datasets.html)
4- Google’s Datasets Search Engine
(https://toolbox.google.com/datasetsearch)
5- Microsoft Datasets
( https://msropendata.com)
6- Awesome Public Datasets Collection
( https://github.com/awesomedata/awesome-public-datasets )
7- Government Datasets
( https://data.europa.eu/euodp/data/dataset )
( https://data.gov.in/ )
8- Computer Vision Datasets
(https://www.visualdata.io)
با تشکر فراوان از: @Crmilad_7
✴️ @AI_Python_EN
❇️ @AI_Python
🗣 @AI_Python_arXiv
21 283
⭐️ آموزش امروز: چطور اس ام اس های تبلیغاتی را شناسایی کنیم؟ (نوشته ای برای جناب وزیر!)
ببینید دوست عزیز خیلی ساده است. شما نیاز به یک دسته بند دودویی دارید برای متن. موضوعی که خیلی خیلی کار شده. یکی از راهکارهایی که خیلی خوب هم جواب میده این مقاله است:
لینک
یک گروه تحقیق و توسعه داشته باشید میتونین راهکارهای بهتری هم ارایه بدید (که نمیدید).
بخونیدش و پیاده سازی کنید. (البته پیاده سازیش تو گیت هاب هم هست اگر وقت و حوصله و بودجه اش رو ندارید که دارید)
در ادامه بیاید دادگانی درست کنید از اس ام اس های تبلیغاتی. میتونین اینکار رو بکنید که: یک اپ هم داشته باشید خود کاربران اس ام اس های تبلیغاتی رو علامت بزنند براتون و بتونید دادگان خوبی داشته باشید.
بزارید یادبگیره و تمام! 😐 میتونین با گذر زمان بروزش هم بکنید البته.
(البته مطمینم این داستان اس ام اس های تبلیغاتی رو کسی جلوش رو نمیگیره، تویتر هم تویت زدم خدمتتان که مجانی انجام میدم براتون و هستند اساتید زیادی در دانشگاه تبریز و سایر دانشگاهها که nlp کار میکنند (دکتر فیضی، دکتر رضوی و دکتر تنها).
با تشکر! (برای چی تشکر میکنم نمیدونم!!!)
✴️ @AI_Python_EN
❇️ @AI_Python
🗣 @AI_Python_arXiv
21 283
🌟کمپین مشکلات ارز دانشجویی گروه فعالان
🌟شرح فعالیت:
تلاش برای احیای ارز دانشجویی در چهارچوب قوانین جمهوری اسلامی ایران
🔆 لینک جدید گروه:
https://t.me/joinchat/AKimvlWwDHYu8CvgAPngaA
🔆 لینک جدید کانال:
https://t.me/M0shkelateArz
21 283
آموزش های جامع و بین المللی دوره های امنیت و تست نفوذ،لینوکس،شبکه
Network+,CCNA,CCNP,CND,CEH,ECSA,LPT,PWK,LPIC1-2-3
🌐https://t.me/joinchat/AAAAAELNG8wZmUjUcl4gBA
21 283
دستورات نمایش مشخصات سیستم در لینوکس:
arch:
نمایش معماری سیستم
cat /proc/cpuinfo:
نمایش اطلاعات cpu (دقت داشته باشین که این اطلاعات در یک فایل ذخیره شده هستند و ما با دستور cat که برای مشاهده محتویات فایل هست محتویات آنرا میبینیم)
cat /proc/meminfo:
نمایش اطلاعات حافظه سیستم
cat /proc/swaps:
نمایش اطلاعات حافظه مجازی یا swap
cat /proc/version:
نمایش نام توزیع و نسخه ی هسته ی استفاده شده در سیستم
cat /proc/net/dev:
نمایش آمار و اطلاعات کارت های شبکه و وایرلس
cat /proc/mounts:
نمایش فایل سیستم های متصل شده به سیستم مثل پارتیشن ها
date:
نمایش تاریخ سیستم
dmidecode -q:
نمایش بسیار کامل اجزای سخت افزاری سیستم
hdparm -i /dev/hda:
نمایش مشخصات و ویژگی های هارد دیسک
hdparm -tT /dev/sda:
بررسی سرعت خواندن هارد دیسک
lspci -tv:
نمایش قطعات متصل شده از طریق پورت PCI
lsusb -tv:
نمایش قطعات متصل شده از طریق پورت USB
دیدن مشخصات سخت افزاری سیستم در لینوکس
lshw
uname -r:
نمایش نسخه کرنل
#لینوکس #linux
❇️ @AI_Python
🗣 @AI_Python_Arxiv
✴️ @AI_Python_EN
21 283
🔴 فیلم های آموزشی متلب MATLAB
⚫️🔵🔵🔵🔴🔴🔴🔵🔵🔵⚫️
✳️ https://t.me/joinchat/AAAAAFJkyrFWdPsxt4dGcA
محور آموزش ها :
🔵 بهینه سازی
🔷 انواع الگوریتم های فراابتکاری: الگوریتم ژنتیک PSO، شبیه سازی تبرید SA ، کلونی مورچه ها ، خفاش، جستجوی فاخته ، گرگ خاکستری، وال ، ملخ و ...
💎💎💎 بعضی از اموزش ها به صورت رایگان ارائه میشود مثل : الگوریتم ژنتیک ، PSO ... 💎💎💎
🔷 بهینه سازی کلاسیک: نیوتن رافسون ، تندترین شیب و ...
🔷 بهینه سازی چند-هدفه Multi-Objective : مانند NSGA-II MOPSO، MOWOA و ...
🔴 یادگیری ماشین
🔶 انواع روش های طبقه بندی
#Classification:
جنگل تصادفی، SVM# ، درخت تصمیم ، نایو بیزین، KNN ، FKNN ، شبکه عصبی، فازی و ...
🔶 رگرسیون : SVR# ، درخت تصمیم، RBF، #ANFIS# ، شبکه عصبی و ...
🔶 خوشه بندی
#Clustering
سلسه مراتبی، kmeans#
، #FCM، #DBSCAN، شبکه عصبی کوهونن SOM و ...
🔶 تشخیص اشیا
#Object_Detection:
ماشین ، انسان ، آتش ، عابر پیاده ، گربه
🔶 ردیابی اشیاء
#Object_Tracking
🔶 داده کاوی
#Data_Mining
🔶 تشخیص جامعه
#Community_Detection
🔶 تشخیص نفوذ
#Influence_Detection
در شبکه های اجتماعی
🔶 انواع روش های انتخاب ویژگی
#Feature_Selection
⚫️ پردازش ویدیو، تصویر و سیگنال های ECG و EEG
⚫️ مهندسی کنترل: کنترل فازی، کنترل تطبیقی، کنترل PID، کنترل خطی و کنترلر های ترکیبی
✳️ مدرسین فارغ التحصیل دانشگاه فردوسی و از مدرسین فرادرس میباشند
✳️ کانال آموزش متلب
🆔: https://t.me/joinchat/AAAAAFJkyrFWdPsxt4dGcA
21 283
۵ کتابی که راه آموزش فراگیری یادگیری ماشین را به شما آموزش میدهند.
#کتاب #book #یادگیری_ماشین #آموزش
1. Learning Python
Download Learning Python for free.
2. Python Machine Learning
Download Python Machine Learning for free.
3. Python Deep Learning
Download Python Deep Learning for free.
4. Artificial Intelligence with Python
Download Artificial Intelligence with Python for free.
5. Advanced Python Machine Learning
Download Advanced Python Machine Learning for free.
❇️ @AI_Python
🗣 @AI_Python_Arxiv
✴️ @AI_Python_EN
21 283
🎉 30% تخفیف در عید 98 (همه دوره ها)
🎯 پکیج کامل همه دوره های سایت مدیر شبکه:
✅ فقط 550 هزار تومان✅
🌐 سطح فنی خودتان را از طریق لینک زیر بررسی کنید:
🔗 http://bit.ly/2Xlxz2s
📌لینک اطلاعات پکیج همه محصولات:
🔗 http://bit.ly/2M4L3wA
📌 مشاهده نمونه فیلم ها و سرفصل ها در کانال:
🆔 @modirshabake
21 283
✅ معرفی منابعی از یادگیری الگوریتم های یادگیری ماشین با زبان برنامه نویسی های مختلف
#منابع #یادگیری_ماشین #الگوریتم #کتاب #آموزش
🌎 Link Review
❇️ @AI_Python
✴️ @AI_Python_EN
21 283
🔴 فیلم های آموزشی متلب MATLAB
⚫️🔵🔵🔵🔴🔴🔴🔵🔵🔵⚫️
✳️ https://t.me/joinchat/AAAAAFJkyrFWdPsxt4dGcA
محور آموزش ها :
🔵 بهینه سازی
🔷 انواع الگوریتم های فراابتکاری: الگوریتم ژنتیک PSO، شبیه سازی تبرید SA ، کلونی مورچه ها ، خفاش، جستجوی فاخته ، گرگ خاکستری، وال ، ملخ و ...
💎💎💎 بعضی از اموزش ها به صورت رایگان ارائه میشود مثل : الگوریتم ژنتیک ، PSO ... 💎💎💎
🔷 بهینه سازی کلاسیک: نیوتن رافسون ، تندترین شیب و ...
🔷 بهینه سازی چند-هدفه Multi-Objective : مانند NSGA-II MOPSO، MOWOA و ...
🔴 یادگیری ماشین
🔶 انواع روش های طبقه بندی
#Classification:
جنگل تصادفی، SVM# ، درخت تصمیم ، نایو بیزین، KNN ، FKNN ، شبکه عصبی، فازی و ...
🔶 رگرسیون : SVR# ، درخت تصمیم، RBF، #ANFIS# ، شبکه عصبی و ...
🔶 خوشه بندی
#Clustering
سلسه مراتبی، kmeans#
، #FCM، #DBSCAN، شبکه عصبی کوهونن SOM و ...
🔶 تشخیص اشیا
#Object_Detection:
ماشین ، انسان ، آتش ، عابر پیاده ، گربه
🔶 ردیابی اشیاء
#Object_Tracking
🔶 داده کاوی
#Data_Mining
🔶 تشخیص جامعه
#Community_Detection
🔶 تشخیص نفوذ
#Influence_Detection
در شبکه های اجتماعی
🔶 انواع روش های انتخاب ویژگی
#Feature_Selection
⚫️ پردازش ویدیو، تصویر و سیگنال های ECG و EEG
⚫️ مهندسی کنترل: کنترل فازی، کنترل تطبیقی، کنترل PID، کنترل خطی و کنترلر های ترکیبی
✳️ مدرسین فارغ التحصیل دانشگاه فردوسی و از مدرسین فرادرس میباشند
✳️ کانال آموزش متلب
🆔: https://t.me/joinchat/AAAAAFJkyrFWdPsxt4dGcA
