DLeX: AI Python
Kanalga Telegram’da o‘tish
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
Ko'proq ko'rsatish📈 Telegram kanali DLeX: AI Python analitikasi
DLeX: AI Python (@ai_python) Forsiy til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 21 303 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 6 188-o'rinni va Eron mintaqasida 16 433-o'rinni egallagan.
📊 Auditoriya ko‘rsatkichlari va dinamika
невідомо sanasidan buyon loyiha tez o‘sib, 21 303 obunachiga ega bo‘ldi.
04 Noyabr, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -74 ga, so‘nggi 24 soatda esa -7 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.
- Tasdiqlash holati: Tasdiqlanmagan
- Jalb etish (ER): Auditoriya o‘rtacha 8.12% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 3.58% ini tashkil etuvchi reaksiyalarni to‘playdi.
- Post qamrovi: Har bir post o‘rtacha 1 731 marta ko‘riladi; birinchi sutkada odatda 762 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
لینک پیام ناشناس، جهت انتقادات، حرف و حدیث و پیشنهادات : https://t.me/mahtabak_nashenas_bot?start=1dOIcE18ITmb5Htw1M7zgq”
Yuqori yangilanish chastotasi (oxirgi ma’lumot 05 Noyabr, 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.
21 303
Obunachilar
-724 soatlar
-97 kun
-7430 kun
Postlar arxiv
21 303
بالاخره موفق شدم با هوش مصنوعی و زبان برنامه نویسی پایتون با مدد تکنولوژی پیشرفته لیست و مرتب سازی مسیله مرغ و تخم مرغ رو حل کنم.
:))))))
جان من پست هایی با مضمون مشابه اینور اونور به اشتراک نگذارید. :)
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
21 303
❄️ ۴۰ درصد تخفیف روی همه آموزش‌ها در جشنواره زمستانه فرادرس
🔹آموزش پایتون Python - صفر تا صد:
🔗 kprl/tg01
🔹آموزش Python - کتابخانه Kivy:
🔗 kprl/tg02
🔹آموزش Python - ساخت ربات تلگرام:
🔗 kprl/tg03
🔹آموزش Python - ساخت Music Player:
🔗 kprl/tg04
🔹آموزش Python - ساخت نرم افزار Windows:
🔗 kprl/tg05
🎁 کد تخفیف: WNR99
🔗 مشاهده سایر آموزش‌ها: fdrs.ir/chry
@FaraDars - فرادرس
21 303
Machine Learning From Scratch In Python - Full Course With 12 Algorithms
https://www.youtube.com/watch?v=rLOyrWV8gmA&ab_channel=PythonEngineer
Code:
https://github.com/python-engineer/MLfromscratch/tree/master/mlfromscratch
21 303
لینکدین محمد عباسی
linkedin.com/in/aipythoner
لینکدین آیدین زهتاب
https://www.linkedin.com/in/aidin-zehtab
21 303
لینک کتابهایی که توی لایو صحبتش شد
Learning Python
Automating boring stuff with python
Introduction python
Head first python
21 303
یکی از بیشترین سوالاتی که پرسیده میشه اینه که از کجا و چطور باید شروع کنم (یادگیری عمیق) توی این پست می‌خوام به این سوال پاسخ بدم (تاریخ : ۱۴ آذر ۱۳۹۹)
افرادی که این سوال رو می‌کنند معمولاً دو دسته هستند اونهایی که آکادمیک بصورت خیلی جدی دنبال کردند و تئوری قضیه رو بلدند و اونهایی که هیچ دیدی از تئوری ندارند و بخاطر ترند بودن وارد میشوند.
چندتا فرض : ۱- لینوکس و پایتون رو بلد هستید (پایتون سطح متوسط و لینوکس همون LPIC 1 هم کفایت می‌کنه)
۲- با خوندن کتاب مشکلی ندارید
۳- قرار هست کلا بیخیال یادگیری به زبان فارسی بشید
این لیست کتابهایی هست که پیشنهاد می‌کنم :
1- The hundred-page machine learning (Andriy Burkov)
این کتاب برای کسایی هست که یادگیری ماشین رو خیلی خیلی کم میشناسند، قبل از این که بخواید وارد بشید لازمه اول مطمئن بشید همون چیزی هست که فکرشو می‌کردید.
2- Hands on ML with scikit-learn, keras, tensorflow (2nd edition) (Aurelien Geron)
نیازی به تعریف نداره بهترین کتاب برای شروع کد زدن بدون ریاضیات پیچیده، بهمراه تئوری کافی.
اینجا مرحله‌ای هست که دانشگاهی و آموزشگاهی و ... و خیلی از افرادی که دارند کار می‌کنند (حدود ۹۵٪) میزنن جاده خاکی یا درحال پیاده‌سازی ایده‌ها و روش‌های مختلف هستند یا درحال خوندن مقالات روز دنیا، اینکه شما چقدر تسلط دارید و چقدر عالی مدل‌هارو ایجاد می‌کنید ی بحث هست اما اینکه آیا واقعاً این مدل می‌تونه به تمام مشتریان شما در زمان مناسب پاسخ بده و .... بحث مهمتری هست.
3- Build Machine Learning Powered Application : Going from idea to product (Emmanuel Ameisen)
برای شروع کتاب خوبی هست، البته مطالبی که توی کتابهای قبلی خوندید رو می‌تونید فقط نگاهی بندازید.
4- Machine Learning Engineering (Andriy Burkov)
مباحث مربوط به سرویس دهی و ... از یک جایی به بعد نیاز به ML engineer داره اما لازمه شما با این مباحث آشنایی کامل داشته باشید مخصوصاً اگر قراره پروژه خودتون رو راه بندازید.
5- Building Machine Learning Pipelines : Automating Model Life Cycle with Tensorflow (Hannes Hapke)
این بخش خیلی خیلی مهمه، قرار نیست تا ابد هر چندوقت یکبار بشینید و بصورت دستی دیتا جدید رو ترین کنید و همه مراحل رو پیش بگیرید باید از data pipeline ها استفاده کنید (چیزی که خیلی خیلی کم دیده میشه)
6- TinyML : Machine Learning with Tensorflow Lite on Arduino and Ultra-Low-Power Microcontrollers (Pete Warden)
شاید هیچ وقت لازم نشه روی این سخت‌افزارها سرویس دهنده باشید، اما چیزهایی که توی این کتاب قرار هست یاد بگیرید واقعاً واجب هست.
7- Practical Deep Learning for Cloud, Mobile, and Edge : .... (Anirudh Koul)
تا اینجا بصورتی بود که خسته کننده نباشه و کدینگ و ... هم پیش بره اما کم کم باید وارد مباحث تئوری و ریاضیات هم شد.
8- d2l.ai
بخش تئوری این کتاب شامل کلی tips and tricks میشه که جالب هستند.
9- deeplearningbook.org
همه‌ی تئوری‌ها و ریاضیاتی که پیچوندید رو باید بالاخره یاد بگیرید :)
امیدوارم این لیست مفید باشه، سعی کردم کتابهایی که خوب هستند یا خودم خوندم و نتیجه گرفتم رو فقط معرفی کنم وگرنه این لیست ادامه دار بود.
امیدوارم مفید باشه 🌹
#چطور_شروع_کنیم
21 303
🔖بحث آزاد (پرسش و پاسخ) با تم برنامه‌نویسی و یادگیری عمیق
زبان برنامه نویسی پایتون
ساعت ۲۰:۰۰ امشب
📚 ارائه دهندگان :
محمد عباسی
مهندس فرزاد حسنوند
مهندس آیدین زهتاب
🔰لینک :
🔸 https://instagram.com/ai_python_podcast
@ai_python
21 303
⚠️هر پایتونی پایتون نیست⚠️
⭕️برنامه نویسی با زبان پایتون را به سبک جهاد دانشگاهی صنعتی شریف تجربه کنید
🔹اطلاعات تکمیلی↙️
http://link.sctae.info/public/lok82
☎️مشاوره و ثبت نام
۶۶۰۷۵۶۲۶
📌 مشاور در تلگرام یا واتساپ
۰۹۲۲۲۴۷۷۲۵۰
https://t.me/joinchat/AAAAAD6fyUw0AYXKLGbkow
21 303
💢 #استخدام_با_طعم_آموزش
🔻در هر رشته‌ای که تحصیل کرده‌اید، می‌توانید خود را برای ورود به بازارِ کارِ بزرگ برنامه‌نویسی آماده کنید.
⭕️ برای کسب اطلاعات بیشتر با آیدی تلگرامی زیر در ارتباط باشید👇
🆔 @Maktab_Sharif_Admin
و یا در وبسایت ما ثبت‌نام کنید👇
🌐 www.MaktabSharif.ir
➕ @Maktab_Sharif
21 303
✅ برنامه نویسی از زبان‌های برنامه نویسی مختلفی تشکیل شده که یکی از شغل های پر درآمد و آینده ساز در حوزه IT هست👇
21 303
⚠️مهم نیست چه رشته ای داری، توهم میتونی برنامه نویس بشی!
💎آموزش جامع برنامه نویسی بک اند
💎استخدام و معرفی به شرکت های دانش بنیان
💎پروژه محور
💎امکان تقسیط شهریه
🌐اطلاعات بیشتر و ثبت نام:
https://www.roshdana.com/path/backend-developer/
❓پاسخ به سوالات در تلگرام: @roshdanapr
21 303
✅ برنامه نویسی و طراحی سایت یکی از رشته های آینده ساز و پولسازی است
📍آموزش مهارت متخصص Back End + استخدام و معرفی به شرکت های دانش بنیان 👇
21 303
https://blog.plover.com/math/PM.html
جالبه بدونیم چیزهای ساده که گاها بدیهی حساب میکنیم هم نیاز به اثبات دارند. پس در باور هرچیزی که میشنویم ذره ای تردید حکم عقل است :)
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
21 303
💻 استخدام برنامه نویس PHP
🕰 نوع همکاری:
#تمام_وقت | #حضوری
📍 شهر: مشهد
⚖️ شرایط پذیرش:
— حداقل 3 سال تجربه برنامه‌نویسی
— مسلط به یکی از فریمورک‌هایPHP ترجیحا لاراول
— مسلط به : Restful API
— مسلط به : MySQL
— آشنا به دیتابیس‌های noSQL
— دقت و استفاده از استانداردها در برنامه نویسی
— منظم و دارای روحیه ی کار تیمی
💵 مزایا و میزان حقوق:
بر اساس سطح کاری و رزومه شما متفاوت و قابل مذاکره می‌باشد و حقوق بالا نیز قابل توافق است. 🔅✅
📲 اطلاعات تماس:
رزومه ایمیل شود به:
Recruitmentinfo@yandex.com
و یا به آیدی: @akamali98
21 303
❄️ جشنواره زمستانه فرادرس با ۴۰ درصد تخفیف روی همه آموزش‌ها
💢آموزش افزایش سرعت اجرای برنامه‌ها در پایتون:
🔗 fdrs/start-course1
💢آموزش محاسبات عددی در پایتون:
🔗 fdrs/start-course2
💢آموزش پیاده سازی مسائل بهینه‌سازی در پایتون:
🔗 fdrs/start-course3
💢آموزش کتابخانه SciPy و NumPy - محاسبات علمی در پایتون:
🔗 fdrs/start-course4
💢آموزش کار با پایگاه داده‌ها در پایتون:
🔗 fdrs/start-course5
🎁 کد تخفیف: WNR99
🔗 ورود به صفحه جشنواره: fdrs.ir/dc3u
@FaraDars - فرادرس
