uz
Feedback
DLeX: AI Python

DLeX: AI Python

Kanalga Telegram’da o‘tish

هوش‌مصنوعی و برنامه‌نویسی توییتر : https://twitter.com/NaviDDariya تا آزادی ایران از جمهوری اسلامی تبهکار، تبلیغات نداریم.

Ko'proq ko'rsatish

📈 Telegram kanali DLeX: AI Python analitikasi

DLeX: AI Python (@ai_python) Forsiy til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 21 498 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 6 202-o'rinni va Eron mintaqasida 15 588-o'rinni egallagan.

📊 Auditoriya ko‘rsatkichlari va dinamika

невідомо sanasidan buyon loyiha tez o‘sib, 21 498 obunachiga ega bo‘ldi.

10 Iyul, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni 58 ga, so‘nggi 24 soatda esa 1 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.

  • Tasdiqlash holati: Tasdiqlanmagan
  • Jalb etish (ER): Auditoriya o‘rtacha 11.44% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 4.04% ini tashkil etuvchi reaksiyalarni to‘playdi.
  • Post qamrovi: Har bir post o‘rtacha 2 459 marta ko‘riladi; birinchi sutkada odatda 868 ta ko‘rish yig‘iladi.
  • Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 16 ta reaksiya keladi.
  • Tematik yo‘nalishlar: Kontent مصنوعی, توییتر, ماهواره, داده, فناوری kabi asosiy mavzularga jamlangan.

📝 Tavsif va kontent siyosati

Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
هوش‌مصنوعی و برنامه‌نویسی توییتر : https://twitter.com/NaviDDariya تا آزادی ایران از جمهوری اسلامی تبهکار، تبلیغات نداریم.

Yuqori yangilanish chastotasi (oxirgi ma’lumot 11 Iyul, 2026 da olingan) sababli kanal doimo dolzarb va katta qamrovli bo‘lib qoladi. Analitika auditoriya kontent bilan faol hamkorlik qilishini, uni Texnologiyalar & Aralashmalar toifasidagi muhim ta’sir nuqtasiga aylantirishini ko‘rsatadi.

21 498
Obunachilar
+124 soatlar
+67 kunlar
+5830 kunlar
Postlar arxiv
تو این بلاگ پست، تکنیک خیلی ساده‌ایی استفاده شده و اون تبدیل فرمت‌هاس (بسیاری از ابزارها و تکنیک‌های فشرده‌سازی مدل‌های دیپ‌لرنینگ هم ازین تکنیک استفاده می‌کنند) مسئله اینه که وقتی شما اعدادی توی محدوده‌های کوچیک دارید و فقط ۲-۴ رقم اعشار دارند چرا باید از float64 که حافظه بیشتری استفاده می‌کنه استفاده بشه درحالی که float16 با حافظه کمتر و سرعت بیشتر همون کارایی رو به شما میده ؟ نکته: این تکنیک رو در زمان ترین مدل‌هاتون به کار نبرید، اونجا زمانی هست که شما می‌خواد متغییر‌هارو پیدا کنید و خیلی بهتره که محدود نباشند، اما بعد از ذخیره سازی مدل می‌تونید ازین تکنیک استفاده کنید (هرچند خود ابزارهای موجود اینکار رو برای شما انجام میدند + تکنیک‌های دیگر) Medium link

راهکارهای زیادی برای سرعت بخشیدن به کار با پکیج فوق‌العاده Pandas وجود داره، که می‌شه به Dask, Ray بعنوان شناخته شده ترین‌ها اشاره کرد همه کسانی که با Ray کار کردن احتمالا جذب سادگی اون شدند، اما Dask ، فوق العاده هست چون distributed computing رو راحت می‌کنه حالا لایبراری Modin این ۲تا ویژگی رو باهم در اختیارتون میذاره، راحتی در این حد که ؛ import modin.pandas as pd اینو بجای ایمپورت قبلی pandas تو کدهاتون قرار بدید و از سرعت اجرا لذت ببرید. Github link

🔹در این مقاله مفهوم GAN ساده و مفید توضیح داده شده است. https://developers.google.com/machine-learning/gan/gan_structure @ai
🔹در این مقاله مفهوم GAN ساده و مفید توضیح داده شده است. https://developers.google.com/machine-learning/gan/gan_structure @ai_python

‏فرمول بنزین زدن بر اساس آخرین تحقیقات بدست آمده از deepmind با همکاری FAIR و openai: X = 3.99*n {n € N} گفته می شود در این تحقیقات بیش از ۵۰۰۰ محقق و دانشمند علم داده به مدت چندین سال مشغول به کار بوده‌اند. با ما همراه باشید: @ai_python

#ویدئو ویدئو نشست تخصصی آزمایشگاه سپهر موضوع ارائه: شباهت‌یابی متون ارائه‌کننده: راضیه طباطبایی https://aparat.com/v/DKgsV @cominsys_channel

✳ آموزش پیاده سازی الگوریتم ژنتیک در Python ▫ رمز عبور (Password) ▫ مساله بهینه سازی One Max ▫ مساله اعداد مرتب شده ▫ مساله پ
✳ آموزش پیاده سازی الگوریتم ژنتیک در Python ▫ رمز عبور (Password) ▫ مساله بهینه سازی One Max ▫ مساله اعداد مرتب شده ▫ مساله پازل هشت وزیر ▫ رنگ آمیزی گراف و ... 👈 🔗 لینک : fdrs.ir/keme @FaraDars - فرادرس .

#ویدئو سخنرانی مهندس میثم عسگری در "فستیوال توسعه‌دهندگان گوگل - GDG". موضوع ارائه: Neural Machine Translation: Seq2Seq models with attention ارائه‌کنندگان: مهندس میثم عسگری - امید صفرزاده https://www.aparat.com/v/XWY7r @cominsys_channel

#ویدئو سخنرانی مهندس میثم عسگری در "فستیوال توسعه‌دهندگان گوگل - GDG". موضوع ارائه: Neural Machine Translation: Seq2Seq models with attention ارائه‌کننده: میثم عسگری https://www.aparat.com/v/XWY7r @cominsys_channel

فصل اول ویدئوهای دوره آموزشی "پایتون برای علم داده" Python for Data Science برگزار کننده: آزمایشگاه سامانه‌های پردازش هوشمند رایانه‌ای مدرس‌های دوره: میثم عسگری – نرجس نیک‌زاد - مقدمه: https://www.aparat.com/v/0QFgB - جلسه اول (شروع کار، متغیرها، اولین برنامه و ساختمان داده ها) – مدرس: میثم عسگری https://www.aparat.com/v/ZdC6P جلسه دوم (شرط ها و حلقه‌ها) – مدرس: میثم عسگری https://www.aparat.com/v/YTztk جلسه سوم (توابع، توابع یک خطی، نگاشت و کاهش، فرمت دهی رشته‌ها) – مدرس: میثم عسگری https://www.aparat.com/v/kEg01 جلسه چهارم (شی گرایی در پایتون (جلسه اول)) – مدرس: میثم عسگری https://www.aparat.com/v/5IbO2 جلسه پنجم (شی گرایی در پایتون (جلسه دوم)) – مدرس: میثم عسگری https://www.aparat.com/v/KC1s6 🔆@cominsys_channel ❇️@AI_Python

گروه های مرتبط با کانال : گروه DLeX : NLP: https://t.me/joinchat/Ndag9FM9sgulcJrdaKIBJA گروه DLeX: Deep Learning Experts https://t.me/joinchat/Ndag9EZKfp1VbjjKyDbciA گروه DLeX: Python + Linux Experts https://t.me/joinchat/Ndag9D9QzOj0p3XMc71Gwg

از هفته دیگه فیلم دانشگاه‌های مطرح دنیا را در کانال منتشر خواهیم کرد تا ارشیو کاملی برای پیشبرد اهداف و اموزشهای استاندارد و خیلی خوبی از مفاهیم کاربردی الگوریتمهای هوش مصنوعی را داشته باشید

یک منبع خوب برای یادگیری word2vec https://jalammar.github.io/illustrated-word2vec @ai_python

سلام ‌. به یک ui کار به صورت پروژه ای جهت طراحی قالب یک پرتال نیازمندیم فایل های psd موجود است مهارت هایی که مورد نیاز هست : طراحی قالب به صورت کاملا ریسپانسیو . قابلیت اتصال به بک اند به وسیله Api از یکی از فریم ورک های reactjs یا vuejs استفاده شود. از Semantic UI استفاده شود . در صورت تمایل به ایدی @h3s4m پیام بفرستید . و نمونه کار های خود را ارسال کنید .

هرکی تو کانالمون عضو نیست و مطالبشو دنبال نمیکنه به نظرم جمع کنه از تلگرام بره :/ @ai_python

🔴قابل توجه دانشجویان، پژوهشگران و اساتید محترم علاقه مند ✅ آنالیز شبکه هم بیانی ژنی وزن دار WGCNA (۲ و ۳ بهمن) ✅ داکینگ مولک
🔴قابل توجه دانشجویان، پژوهشگران و اساتید محترم علاقه مند ✅ آنالیز شبکه هم بیانی ژنی وزن دار WGCNA (۲ و ۳ بهمن) ✅ داکینگ مولکولی (۱۲ و ۱۳ بهمن) ✅ مرور سیستماتیک و متاانالیز (۲۹ و ۳۰ بهمن الی ۱ اسفند) 🔸 ۱۰ درصد تخفیف دانشجویی 📄 ارائه گواهی معتبر از جهاد دانشگاهی 🔗 مشاوره تلفنی و آنلاین و نحوه ثبت نام 📞۰۲۱۸۸۷۹۵۸۸۵ 📱۰۹۰۳۵۸۰۲۲۹۴ 👤@cancergeneticsgroup 🌐لینک مستقیم ثبت نام https://goo.gl/C6EhuZ 🔸جهت اطلاع از سایر دوره ها با ما همراه باشید در 👇👇👇 https://t.me/joinchat/AAAAAEL6C0CYEHDiIXs8fA

✳️ آموزش برنامه نویسی یادگیری عمیق با پایتون (TensorFlow و Keras) ▫️ کار با داده ها در Keras ▫️ ایجاد و آموزش مدل در Keras ▫️
✳️ آموزش برنامه نویسی یادگیری عمیق با پایتون (TensorFlow و Keras) ▫️ کار با داده ها در Keras ▫️ ایجاد و آموزش مدل در Keras ▫️ روش استفاده از Callback ها در Keras ▫️ تکنیک‌های مفید برنامه نویسی در Keras و ... 👈 🔗 لینک: fdrs.ir/bsdu @FaraDars - فرادرس .

Best part of Deeplearning.ai weekly news : Link با استفاده از یک GPU و ۲۴ ساعت زمان ترین دقت خیلی خوبی گرفته
Best part of Deeplearning.ai weekly news : Link با استفاده از یک GPU و ۲۴ ساعت زمان ترین دقت خیلی خوبی گرفته