uz
Feedback
علی شریفی زارچی - Ali Sharifi Zarchi

علی شریفی زارچی - Ali Sharifi Zarchi

Kanalga Telegram’da o‘tish

عضو هیات‌علمی گروه هوش مصنوعی و بیوانفورماتیک، دانشکده‌ی مهندسی کامپیوتر، دانشگاه صنعتی آریامهر (شریف). عضو کمیته‌ی علمی المپیاد جهانی کامپیوتر.

Ko'proq ko'rsatish
Mamlakat belgilanmaganToif belgilanmagan

📈 Telegram kanali علی شریفی زارچی - Ali Sharifi Zarchi analitikasi

علی شریفی زارچی - Ali Sharifi Zarchi (@sharifizarchi) kanali faol ishtirokchi. Hozirda hamjamiyat 26 521 obunachidan iborat bo'lib, Boshqa toifasida -o'rinni egallagan.

📊 Auditoriya ko‘rsatkichlari va dinamika

невідомо sanasidan buyon loyiha tez o‘sib, 26 521 obunachiga ega bo‘ldi.

26 Avgust, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni 4 193 ga, so‘nggi 24 soatda esa 104 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.

  • Tasdiqlash holati: Tasdiqlanmagan
  • Jalb etish (ER): Auditoriya o‘rtacha 151.30% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 49.64% ini tashkil etuvchi reaksiyalarni to‘playdi.
  • Post qamrovi: Har bir post o‘rtacha 40 094 marta ko‘riladi; birinchi sutkada odatda 13 153 ta ko‘rish yig‘iladi.
  • Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 1 608 ta reaksiya keladi.

📝 Tavsif va kontent siyosati

Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
عضو هیات‌علمی گروه هوش مصنوعی و بیوانفورماتیک، دانشکده‌ی مهندسی کامپیوتر، دانشگاه صنعتی آریامهر (شریف). عضو کمیته‌ی علمی المپیاد جهانی کامپیوتر.

Yuqori yangilanish chastotasi (oxirgi ma’lumot 27 Avgust, 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.

26 521
Obunachilar
+10424 soatlar
+5987 kunlar
+4 19330 kunlar
Postlar arxiv
امروز هدیه‌ی بسیار دل‌چسب و ارزشمندی دریافت کردم. «ویانا امیری» عزیز، تصویر «تیکو»، «لومی» و «پیتی»، شخصیت‌های دوره‌ی «خلاقیت
امروز هدیه‌ی بسیار دل‌چسب و ارزشمندی دریافت کردم. «ویانا امیری» عزیز، تصویر «تیکو»، «لومی» و «پیتی»، شخصیت‌های دوره‌ی «خلاقیت الگوریتمی و برنامه‌نویسی پایتون» که برای بیش از ۸۰۰۰ نوجوان دبیرستانی در حال برگزاری است را ترسیم کرد و با یک جمله‌ی مهربانانه برایم ارسال کرد. از او و خانواده‌اش سپاس‌گزارم و امیدوارم آینده‌ای روشن در انتظار همه‌ی کودکان، نوجوان و جوانان ایران عزیزمان باشد ❤️

Repost from PyTeachMe
ویدئوی جلسه‌ی اول دوره‌ی خلاقیت الگوریتمی و برنامه‌نویسی پایتون منتشر شد. 🎉 دوره‌ی خلاقیت الگوریتمی و برنامه‌نویسی پایتون آغاز شد. 👨‍💻 از هم‌اکنون می‌توانید در سایت PyTeach.me به محتوای دوره دسترسی پیدا کنید. 📞 در صورتی که سؤالی دارید، به حساب @PyTeachMeHelp در تلگرام پیام دهید.

Repost from PyTeachMe
ویدئوی معرفی دانشگاه استنفورد و همکاری آن با دوره‌ی خلاقیت الگوریتمی و برنامه‌نویسی پایتون 🎉 تا ساعاتی دیگر دوره‌ی خلاقیت الگوریتمی و برنامه‌نویسی پایتون، ویژه‌ی دانش‌آموزان متوسطه، آغاز می‌شود. 👨‍🔬 دکتر امیر بهمنی، رییس مرکز Deep Data Research Center دانشگاه استنفورد به معرفی این دانشگاه و همکاری با این دوره پرداخته‌اند. 👩‍🎓 هزار نفر از دانش‌آموزان که بهترین عمل‌کرد را در این دوره داشته باشند فرصت حضور در دوره‌ی هوش‌مصنوعی و بیوانفورماتیک دانشگاه استنفورد را خواهند داشت. ⏰ اگر هنوز ثبت‌نام نکرده‌اید، می‌توانید از سایت PyTeach.me ثبت‌نام کنید. ✍️ تنها کانال اطلاع‌رسانی دوره، کانال تلگرامی PyTeachMe است.

قول دادم برای دانش‌آموزان متوسطه یک دوره‌ی رایگان تفکر الگوریتمی و برنامه‌نویسی پایتون برگزار کنم. ✅ با همراهی مرکز ژرف‌داده
قول دادم برای دانش‌آموزان متوسطه یک دوره‌ی رایگان تفکر الگوریتمی و برنامه‌نویسی پایتون برگزار کنم. ✅ با همراهی مرکز ژرف‌داده دانشگاه استنفورد، ۱۰۰۰ دانش‌آموز برتر این دوره، فرصت حضور رایگان در دوره‌ی پیشرفته‌ی هوش‌مصنوعی و کسب گواهینامه‌ی دانشگاه استنفورد را به دست خواهند آورد. ✅ از امروز ثبت‌نام در این دوره از طریق وب‌سایت PyTeach.me آغاز می‌شود. ✅ شروع دوره از شنبه ۳۱ مردادماه خواهد بود. ✅ اطلاع‌رسانی دوره صرفاً از کانال تلگرام PyTeachMe@ خواهد بود.

هفته‌ی پیش المپیاد جهانی هوش‌مصنوعی IOAI-2026 به پایان رسید و این هفته المپیاد جهانی کامپیوتر IOI-2026 در حال برگزاری است. سوال‌های این دو المپیاد را می‌توانید در لینک‌های زیر ببینید: ✅ سوال‌های المپیاد جهانی هوش‌مصنوعی IOAI-2026سوال‌های المپیاد جهانی کامپیوتر IOI-2026

لینک پخش زنده‌ی دهمین و آخرین جلسه از دوره‌ی «ورود به دنیای هوش‌مصنوعی» در این جلسه یاد می‌گیریم که چطور از صفر، یک مدل زبانی بزرگ بسازیم و آن را آموزش دهیم!

درس‌هایی که محتوای آن با تلاش صدها نفر از بهترین دانشجویان ایران تهیه شده بود و ده‌ها هزار نفر از دانشجویان از آن بهره بردند
درس‌هایی که محتوای آن با تلاش صدها نفر از بهترین دانشجویان ایران تهیه شده بود و ده‌ها هزار نفر از دانشجویان از آن بهره بردند را با فشار بیرونی از درس‌افزار دانشگاه و مکتب‌خونه حذف کردند. فدای یک تار موی مردم ایران. بعد از برگزاری دو المپیاد جهانی، دوباره ضبط و تقدیم می‌کنم.

ویدئوی جلسه‌ی نهم دوره‌ی ورود به دنیای هوش‌مصنوعی در این جلسه با کلیدی‌ترین مفاهیم پردازش زبان طبیعی آشنا می‌شویم: ✅ تعبیه (Embedding) واژگان ✅ الگوریتم Word2Vec ✅ شباهت کسینوسی (Cosine Similarity) ✅ ساختار Transformer ✅ مکانیزم توجه (Attention) ✅ پیاده‌سازی مکانیزم توجه و ترنسفورمر با استفاده از PyTorch

ویدئوی کامل جلسه‌ی هشتم دوره‌ی ورود به دنیای هوش‌مصنوعی در این جلسه با کلیدی‌ترین مفاهیم بینایی ماشین، از جمله Convolutional Neural Networks آشنا می‌شویم. ✅ لایه‌ی کانولوشن Convolution ✅ انواع مجموعه داده‌های پردازش تصویر نظیر ImageNet، CIFAR-10 و MNIST ✅ مفاهیم Stride, Padding ✅ عمق و تعداد کانال در شبکه‌های کانولوشن ✅ افزون‌سازی داده Data Augmentation و کتاب‌خانه‌ی Albumentaions ✅ پیاده‌سازی لایه‌ی کانولوشن در پایتون ✅ استفاده از کتاب‌خانه‌ی Pytorch برای پیاده‌سازی شبکه‌ی کانولوشن

ویدئوی کامل جلسه‌ی هفتم دوره‌ی ورود به دنیای هوش‌مصنوعی در این جلسه با شبکه‌های عصبی مصنوعی، قدرت‌مندترین مدل هوش‌مصنوعی آشنا می‌شویم. ✅ نورون مصنوعی ✅ توابع فعال‌سازی پله، ReLU، Softmax و سیگموئید ✅ تابع هزینه‌ی Cross-Entropy برای دسته‌بندی ✅ روش One-hot برای کلاس‌ها ✅ انواع معماری شبکه‌ی عصبی مصنوعی ✅ پیاده‌سازی عملی شبکه‌های عصبی در پایتون ✅ دسته‌بندی مجموعه‌داده‌ی MNIST ارقام دست‌نویس

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.

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

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)