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
Показати більше📈 Аналітичний огляд Telegram-каналу DevTwitter | توییت برنامه نویسی
Канал DevTwitter | توییت برنامه نویسی (@devtwitter) у мовному сегменті Фарсі є активним учасником. На даний момент спільнота об'єднує 32 975 підписників, посідаючи 4 063 місце в категорії Технології та додатки та 10 773 місце у регіоні Іран.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 32 975 підписників.
За останніми даними від 29 жовтня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на 711, а за останні 24 години на 7, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 16.65%. Протягом перших 24 годин після публікації контент зазвичай збирає 13.24% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 5 489 переглядів. Протягом першої доби публікація в середньому набирає 4 366 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 37.
- Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як پرو, #کوته_نیوز, ارتباط, ابزار, چیز.
📝 Опис та контентна політика
Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“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”
Завдяки високій частоті оновлень (останні дані отримано 30 жовтня, 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.
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/>