Sharifi Zarchi | علی شریفی زارچی
Kanalga Telegram’da o‘tish
عضو هیئت علمی هوش مصنوعی و بیوانفورماتیک، مهندسی کامپیوتر، دانشگاه صنعتی شریف
Ko'proq ko'rsatishMamlakat belgilanmaganToif belgilanmagan
📈 Telegram kanali Sharifi Zarchi | علی شریفی زارچی analitikasi
Sharifi Zarchi | علی شریفی زارچی (@sharifizarchiali) kanali faol ishtirokchi. Hozirda hamjamiyat 30 795 obunachidan iborat bo'lib, Boshqa toifasida -o'rinni egallagan.
📊 Auditoriya ko‘rsatkichlari va dinamika
невідомо sanasidan buyon loyiha tez o‘sib, 30 795 obunachiga ega bo‘ldi.
25 Oktabr, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni 10 472 ga, so‘nggi 24 soatda esa -225 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.
- Tasdiqlash holati: Tasdiqlanmagan
- Jalb etish (ER): Auditoriya o‘rtacha 13.20% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 5.46% ini tashkil etuvchi reaksiyalarni to‘playdi.
- Post qamrovi: Har bir post o‘rtacha 4 089 marta ko‘riladi; birinchi sutkada odatda 1 691 ta ko‘rish yig‘iladi.
- Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 196 ta reaksiya keladi.
📝 Tavsif va kontent siyosati
Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
“عضو هیئت علمی هوش مصنوعی و بیوانفورماتیک، مهندسی کامپیوتر، دانشگاه صنعتی شریف”
Yuqori yangilanish chastotasi (oxirgi ma’lumot 26 Oktabr, 2026 da olingan) sababli kanal doimo dolzarb va katta qamrovli bo‘lib qoladi. Analitika auditoriya kontent bilan faol hamkorlik qilishini, uni Boshqa toifasidagi muhim ta’sir nuqtasiga aylantirishini ko‘rsatadi.
30 795
Obunachilar
-22524 soatlar
-1 8467 kun
+10 47230 kun
Postlar arxiv
جمهوری اسلامی زیر باران بمب و موشک آمریکا، به نشانه‌ی عجز و تسلیم «دنا کراری» جوان ایرانی با پاسپورت آمریکایی را آزاد و از ایران خارج کرد؛ و هم‌زمان، چند جوان معترض ایرانی که پاسپورت آمریکایی نداشتند را به دار آویخت.
حقارت، رذالت و شرارت جمهوری اسلامی در تاریخ بی‌مانند است.
جمهوری اسلامی از نابودی سرمایه‌ها و آینده‌ی مردم ایران و منطقه بیمناک نیست؛ چون تمام درکش از اداره‌ی کشور مانند یک «هیئت» است: نفت را زیر قیمت بفروشد، سفره‌ی امروز را بیندازد تا وابستگانش سیر بخورند، به مردمی که بیرون صف کشیده‌اند اندکی صدقه بدهد؛ تا فردا هم خدا بزرگ است.
از رسوایی ۳۲ میلیون جان‌فدا رسیدند به ۴۲ میلیون تشیع‌کننده در روز نکبت.
دروغ، تار و پود جمهوری اسلامی است.
+1
فاصله‌ی این دو عکس ۱۷ روز است.
دیکتاتوری که بمب اتمی داشت، سایه‌ی جنگ را از کشورش دور کرد.
دیکتاتوری که بمب اتمی نداشت، نخست‌وزیر خردمند ژاپن را که با پیام صلح به ایران آمده بود، با توهم «نه مذاکره، نه جنگ» دست‌خالی برگرداند؛ مردم را قتل‌عام، و ایران را سیبل ارتش آمریکا کرد.
کره شمالی دشمن اصلی آمریکا بود، بمب اتمی داشت، ولی هرگز به سمت جنگ با آمریکا نرفت.
چین رقیب اصلی آمریکا است، اما به جای لفاظی، روی تقویت زیرساخت اقتصادی و دفاعی و رفاه مردمش تمرکز کرد.
لعنت به خامنه‌ای و رژیمش که مردم را قتل‌عام کرد و با شعارهای توخالی، ایران را سیبل آمریکا کرد.
ویدئوی کامل جلسه‌ی ششم دوره‌ی ورود به دنیای هوش مصنوعی
در این جلسه با معیارهای ارزیابی الگوریتم‌های دسته‌بندی از جمله دقت، حساسیت و صحت آشنا می‌شویم.
سپس به صورت عملی و با استفاده از کتاب‌خانه‌ی Scikit-Learn، مهم‌ترین کتاب‌خانه‌ی مدل‌های کلاسیک یادگیری ماشین، برای مساله‌ی کشتی تایتانیک یک مدل درخت تصمیم توسعه می‌دهیم.
در نهایت، دقت درخت تصمیم را ارزیابی می‌کنیم.
خامنه‌ای ضحاک، قاتل هزاران کودک و نوجوان ایران؛
نفرین بر تو زمانی که گفتی بر مردم ایران «باید خون گریست»؛
زمانی که سایر کشورها برای رشد و شکوفایی رقابت می‌کردند و تو با سیاست‌های احمقانه‌ات، تحریم، فقر و جنگ بر این مردم تحمیل کردی؛
جهان و ایران بدون تو جای بهتری برای زیستن است.
ایران را تعطیل کردند، هزاران میلیارد هدر دادند، دست به دامن سایر کشورها شدند بلکه برای خامنه‌ای اندک آبرویی بخرند. اما نه مقام بلندپایه‌ای آمد، نه مصلی پر شد.
دیکتاتور کودک‌کش که ایران را به فقر و قتل‌عام و جنگ کشاند با خفت و خواری به گور می‌رود و جز نفرین ابدی ره‌توشه‌ای ندارد.
ویدئوی کامل جلسه‌ی پنجم دوره‌ی ورود به دنیای هوش‌مصنوعی
در این جلسه با الگوریتم «درخت تصمیم» به عنوان یک روش پرکاربرد دسته‌بندی آشنا می‌شویم و با مصورسازی و تحلیل داده‌های مسأله‌ی کشتی تایتانیک، کدنویسی حل این مسأله را در پایتون آغاز می‌کنیم:
✅ تفاوت رگرسیون با کلاسیفیکیشن و معرفی مسأله تایتانیک
✅ منطق الگوریتم درخت تصمیم (Decision Tree) در تفکیک داده‌ها
✅ فرمول شاخص جینی (Gini Index) برای محاسبه خلوص گره‌ها
✅ چالش بیش‌برازش (Overfitting) در صورت افزایش بیش از حد عمق درخت
✅ پایتون عملی: نصب کتابخانه‌ها و کار با دستورات پایه‌ای Pandas
✅ رسم نمودارهای میله‌ای و نقطه‌ای برای تحلیل نرخ بقای مسافران
✅ مهندسی ویژگی‌ها: پر کردن داده‌های گم‌شده و عددی کردن جنسیت و بندرها
+3
هلاکت کل خاندان خامنه‌ای، تاوان یک قطره خون یک نفر از هزاران کودک و نوجوان ایران که به دستور او قتل‌عام شدند هم نبود.
ننگ و نفرین ابدی بر خامنه‌ای کودک‌کش ضحاک.
هزاران کودک و جوان را قتل‌عام کرد تا ایران را به جایی برساند که بازماندگان حکومتش به خاطر ۳ میلیارد دلار، فروش چند روز نفت ایران، دست گدایی به سوی قاتلانش دراز کنند. چهار دهه زندگی مردم و بهترین زمان توسعه‌ی ایران را نابود کرد و کشوری جنگ‌زده برجا گذاشت.
روانش در دوزخ ابدی.
ضحاک
از این پس می‌توانید اسلایدها، یادداشت‌های روی تخته، کدها، داده‌ها و Jupyter Notebook هر جلسه از دوره‌ی «ورود به دنیای هوش‌مصنوعی» را در لینک زیر ببینید:
https://github.com/SharifiZarchi/IntroAI
پیشنهاد می‌کنم قبل از هر جلسه، تلاش کنید Jupyter Notebook مربوط به آن جلسه را اجرا کنید، تغییر دهید، و به آن مسلط شوید.
از این پس می‌توانید اسلایدها، یادداشت‌های روی تخته، کدها، داده‌ها و Jupyter Notebook هر جلسه از دوره‌ی «ورود به دنیای هوش‌مصنوعی» را در لینک زیر ببینید:
https://github.com/SharifiZarchi/IntroAI
پیشنهاد می‌کنم قبل از هر جلسه، تلاش کنید Jupyter Notebook مربوط به آن جلسه را اجرا کنید، تغییر دهید، و به آن مسلط شوید.
ویدئوی کامل ضبط‌شده‌ی جلسه‌ی چهارم دوره‌ی ورود به دنیای
هوش‌مصنوعی
⭕ این جلسه به دلیل فنی ساده، به صورت زنده پخش نشد که صمیمانه از همه‌ی عزیزانی که منتظر بودند پوزش می‌خواهم.
در این جلسه مقدمات برنامه‌نویسی پایتون را به صورت عملی مرور کردیم:
✅ دریافت کد از Github
✅ شروع کارکردن با Google Colab
✅ انواع متغیرها، حلقه‌ی for، شرط if، محاسبات ریاضیات
✅ تعریف تابع
✅ لیست، اندیس، کارکردن با لیست‌ها
علاوه بر آن، مفاهیم زیر از یادگیری ماشین را مرور کردیم:
✅ گرادیان و گرادیان کاهشی (Gradient Descent)
✅ نرخ یادگیری (Learning Rate)
✅ کم‌برازش (Underfitting) و بیش‌برازش (Overfitting)
ویدئوی کامل ضبط‌شده‌ی جلسه‌ی سوم دوره‌ی ورود به دنیای هوش‌مصنوعی
در این جلسه مفاهیم پایه‌ای و حیاتی «یادگیری ماشین» را مرور کرده‌ایم:
✅ مجموعه داده (Dataset)، ویژگی (Feature) و برچسب (Label)
✅ حفظ‌کردن (Memorization) یا تعمیم‌پذیری (Generalization)
✅ بیش‌برازش (Overfitting) و راه‌های تشخیص آن
✅ تفاوت پارامتر (Parameter) و ابرپارامتر (Hyperparameter)
✅ داده‌های آموزش (Train)، اعتبارسنجی (Validation) و آزمون (Test)
✅ مفهوم خطرناک نشت داده‌ها (Data Leakage)
✅ مدل‌های خطی و غیرخطی (چندجمله‌ای و شبکه‌های عصبی)
✅ توابع هزینه و معیارهای سنجش خطا (MAE و MSE)
در این جلسه همچنین بررسی کردیم که چطور با مدیریت صحیح داده‌های خود، از خطاهای فاحش علمی و حتی ورشکستگی‌های مالی در پروژه‌های واقعی هوش مصنوعی جلوگیری کنیم.
چه حقیر است حکومتی که با قاتل رهبر خویش پیمان می‌بندد، ولی انتقام خون او را از دانشجویان و جوانان بی‌گناه خودش می‌گیرد.
