uk
Feedback

Не попадись на ботовода! Telemetrio знаходить і позначає такі канали мітками 👉 Хочеш бачити мітку, оформляй підписку

DLeX: AI Python

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 21 313 підписників, посідаючи 6 192 місце в категорії Технології та додатки та 16 434 місце у регіоні Іран.

📊 Показники аудиторії та динаміка

З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 21 313 підписників.

За останніми даними від 03 листопада, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -72, а за останні 24 години на -2, загальне охоплення залишається високим.

  • Статус верифікації: Не верифікований
  • Рівень залученості (ER): Середній показник залученості аудиторії становить 8.04%. Протягом перших 24 годин після публікації контент зазвичай збирає 3.70% реакцій від загальної кількості підписників.
  • Охоплення публікацій: В середньому кожен допис отримує 1 714 переглядів. Протягом першої доби публікація в середньому набирає 788 переглядів.
  • Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 16.
  • 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 04 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.

21 313
Підписники
-224 години
+127 днів
-7230 днів
Архів дописів
یک خانواده از LLM ها اکنون می توانند تا حدود زیادی نقش Decompile کدهای باینری را به عهده بگیرند : @ai_python این مدل ها بر رو
یک خانواده از LLM ها اکنون می توانند تا حدود زیادی نقش Decompile کدهای باینری را به عهده بگیرند : @ai_python این مدل ها بر روی 4 بیلیون توکن سورس کد زبان سی و اسمبلی کدهای متناظر Train شده اند. Paper Link

یه پلت فرم باحال که باهاش می تونید خیلی راحت مایگریت کنید. برای مثال به نظر من لایبرری OpenAI خیلی سریع تغییر می کنه. @ai_pyt
یه پلت فرم باحال که باهاش می تونید خیلی راحت مایگریت کنید. برای مثال به نظر من لایبرری OpenAI خیلی سریع تغییر می کنه. @ai_python با استفاده از این پلت فرم وقتی که لایبرری OpenAI رو آپدیت می کنید، می تونید چک کنید که کجای کدتون نیاز به تغییر داره تا با ورژن جدید سازگار بشه. https://app.grit.io/ @ai_python البته grit فقط برای OpenAI نیست. خیلی کتابخونه های دیگه رو هم پشتیبانی می کنه. مثل Next.js یا حتی مهاجرت از Chai به Jest https://app.grit.io/migrations/new

پیاده سازی RAG با استفاده از MongoDB به عنوان Vector Database

مقایسه جامه وکتور دیتابیس ها : @ai_python https://superlinked.com/vector-db-comparison/

@ai_python تفاوت های کلیدی LangChain و LlamaIndex
@ai_python تفاوت های کلیدی LangChain و LlamaIndex

Repost from N/a
🌱 تخفیف نوبرانه فرادرس — ۷۰⁒ تخفیف در بزرگترین جشنواره سال 💯 برای اولین بار، همه‌ی آموزش‌های فرادرس با تخفیف ویژه ۷۰ درصدی
🌱 تخفیف نوبرانه فرادرس — ۷۰⁒ تخفیف در بزرگترین جشنواره سال   💯 برای اولین بار، همه‌ی آموزش‌های فرادرس با تخفیف ویژه ۷۰ درصدی در دسترس شماست!   🔹 برنامه نویسی پایتون + مثال های عملی   🔹 کاربرد ChatGPT در علم داده   🔹 برنامه‌ نویسی R - تحلیل داده‌ های تاریخ و زمان   🔹 هوش مصنوعی – مقدماتی   🔹 تجزیه و تحلیل و آماده سازی داده ها با پایتون   🎁 کد تخفیف: EYD43   👈 مشاهده سایر آموزش‌ها - [کلیک کنید] @FaraDars - فرادرس

لانگ فیوز، یکی از پلت فرم های LLM Engineering است که شامل قابلیت های زیر برای LLM Application ها هست : 👨‍💻 Traces 👨‍💻 Eva
لانگ فیوز، یکی از پلت فرم های LLM Engineering است که شامل قابلیت های زیر برای LLM Application ها هست : 👨‍💻 Traces 👨‍💻 Evals 👨‍💻 Prompt Management 👨‍💻 Metrics حال، به تازگی، این پلت فرم اپن سورس با Llama Index هم Integrate شده. @ai_python جهت اطلاعات بیش تر به این پست مراجعه کنید.

@ai_python شمای ماژول Model I/O در لانگ چین Medium
@ai_python شمای ماژول Model I/O در لانگ چین Medium

تاپ ترین دوره های رایگان هوش مصنوعی برگرفته از صفحه Generative AI در لینکداین @ai_python
تاپ ترین دوره های رایگان هوش مصنوعی برگرفته از صفحه Generative AI در لینکداین @ai_python

Repost from N/a
📣 برای اولین بار در فرادرس — ۷۰⁒ تخفیف برای تمامی آموزش‌ها 💣 🌸 در جشنواره «به سوی بهار» با کد تخفیف EYD43 هر آموزشی را که
📣 برای اولین بار در فرادرس — ۷۰⁒ تخفیف برای تمامی آموزش‌ها 💣   🌸 در جشنواره «به سوی بهار» با کد تخفیف EYD43 هر آموزشی را که دوست دارید با تخفیف ویژه دریافت کنید.   💠 ورود به صفحه جشنواره — [کلیک کنید]   ✅ دسترسی سریع به تمامی آموزش‌ها 👇👇   🔸 جدیدترین آموزش‌های دو ماه اخیر   🔸 پرمخاطب‌‎ترین آموزش‌های یک ماه اخیر   🔸 آموزش‌های طبقه‌بندی شده @FaraDars - فرادرس

اگر این روزها با RAG Evaluation درگیر هستید یا قرار هست در آینده درگیرش بشید، این نوشتار فرمول های متریک های مورد استفاده در RAG Evaluation و معنای آن ها را بسیار بسیار ساده و با مثال های خیلی خوبی بیان کرده است: @ai_python https://medium.com/@rupeshyadav153/evaluation-of-retrieval-augmented-generation-rag-using-ragas-on-human-annotated-and-synthetic-09c4b825c298

امروز یک مقایسه اجمالی انجام دادیم از دو تا ابزار RAG Evaluation مشهور و حرفه ای. که با شما هم به اشتراک می ذاریم. @ai_python
امروز یک مقایسه اجمالی انجام دادیم از دو تا ابزار RAG Evaluation مشهور و حرفه ای. که با شما هم به اشتراک می ذاریم. @ai_python

@ai_python اینفوگرافی توضیح RAG از دیدگاه تقسیم به یک بخش Generation و در سمت دیگر Retrieval
@ai_python اینفوگرافی توضیح RAG از دیدگاه تقسیم به یک بخش Generation و در سمت دیگر Retrieval

یک دیاگرام بسیار عالی از Pipeline یک سیستم RAG به زبان بسیار ساده @ai_python استخراج شده از دوره های deeplearning.ai
یک دیاگرام بسیار عالی از Pipeline یک سیستم RAG به زبان بسیار ساده @ai_python استخراج شده از دوره های deeplearning.ai

@ai_python 👨‍💻 🤷🏻‍♂️
@ai_python 👨‍💻 🤷🏻‍♂️

به نظرتون با توجه به LLM های تا این حد Long Context که امروزه در اختیار داریم، آیا هنوز وجود RAG مورد نیاز هست؟ از این جهت که این LLM ها می توانند این حجم از داده را مستقیم مورد آنالیز و جست و جو قرار دهند! @ai_python پاسخ در این ویدیو تا حدودی داده شده است : https://youtu.be/UlmyyYQGhzc?si=LHuZRHyRc8VtTCuh لینک های گیت هابشم که توی توضیحات خود ویدیو هست. اما اگه وقت ندارید ویدیو رو ببینید و صرفن کنجکاو هستید که نتیجه نهایی رو بدونید : Overall, the analysis shows that RAG cannot currently be completely replaced by long contexts in LLMs, as finding multiple facts from long contexts at the same time is not guaranteed. More research is needed to improve skills. But long contexts are very promising! 👨‍💻

Repost from N/a
🚀 رایگان آموزش ببین و کلی مهارت یاد بگیر... 🎯 با مجموعه آموزش‌‌های رایگان فرادرس، در کوتاه‌ترین زمان ممکن به چیزی که میخوای
🚀 رایگان آموزش ببین و کلی مهارت یاد بگیر... 🎯 با مجموعه آموزش‌‌های رایگان فرادرس، در کوتاه‌ترین زمان ممکن به چیزی که میخوای میرسی!   ▫️ یادگیری ماشین با پایتون در ۱۸۰ دقیقه   ▫️ کتابخانه‌های پایتون برای یادگیری ماشین و یادگیری عمیق   ▫️ چت جی پی تی ChatGPT چه کار می کند؟   ▫️ مفاهیم پایه در یادگیری تقویتی ماشین   ▫️ تبدیل متن به گفتار در پایتون با کتابخانه pyttsx3   👈 سایر آموزش‌های رایگان - [اینجا ببینید]   @FaraDars - فرادرس