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 21 427 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 6 043-o'rinni va Eron mintaqasida 15 676-o'rinni egallagan.
📊 Auditoriya ko‘rsatkichlari va dinamika
невідомо sanasidan buyon loyiha tez o‘sib, 21 427 obunachiga ega bo‘ldi.
27 Avgust, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -25 ga, so‘nggi 24 soatda esa -4 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.
- Tasdiqlash holati: Tasdiqlanmagan
- Jalb etish (ER): Auditoriya o‘rtacha 8.29% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 3.52% ini tashkil etuvchi reaksiyalarni to‘playdi.
- Post qamrovi: Har bir post o‘rtacha 1 776 marta ko‘riladi; birinchi sutkada odatda 755 ta ko‘rish yig‘iladi.
- Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 10 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 28 Avgust, 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.
21 427
Obunachilar
-424 soatlar
-127 kunlar
-2530 kunlar
Postlar arxiv
21 427
عزیزانی که در حال یادگیری Microsoft Azure Machine Learning هستن، این ریپازیتوری در گیت هاب Hands On Lab های بسیار خوبی داره و از طرف خود مایکروسافت هم در مواقع نیاز به روز رسانی می شه : (دیتاست ها هم توی کدهاش هست که باهاش می تونید به راحتی مدل هارو آموزش بدید.)
👉 @ai_python ✍️
https://github.com/MicrosoftLearning/mslearn-azure-ml
21 427
میدونی برنامهنویسها چقدر حقوق میگیرن؟
امسال کوئرا دوباره یه نظرسنجی بزرگ طراحی کرده تا با کمک خودِ برنامهنویسها به این سؤالها جواب بدیم.
تو هم بهعنوان بخشی از این جامعه، با چند دقیقه وقت گذاشتن میتونی اثر بزرگی بذاری.
نتایج این نظرسنجی هم باهات به اشتراک گذاشته میشه.
🔗 https://quera.org/r/5q555
21 427
شرکت IBM اعلام کرد که Langflow از این به بعد به طور کامل در IBM watsonx Orchestrate پشتیبانی می شود.
👉 @ai_python ✍️
این خبر در IBM TechXchange منتشر شد.
https://www.linkedin.com/pulse/new-tools-make-enterprise-ai-more-powerful-than-ever-ibm-research-suvte/
21 427
اینم یک پلت فرم دیگه برای تبدیل منابع مختلف به مارک داون هست و البته خیلی کارهای دیگه :
👉 @ai_python ✍️
https://youtu.be/dTuVpbNRO4o?si=UvMkPKN0c5qY-WML
21 427
می دونم خیلی درباره IBM Docling صحبت کردیم. 😅😅 ولی این ویدیو معرفی هم کمی جدید تر و به روزتر هست :
👉 @ai_python ✍️
https://youtu.be/zSA7ylHP6AY?si=jKqDSdnML3dMn9Pm
21 427
☄️ کاهش ابعاد و Visualization در یادگیری ماشین
👉 @NeuralBlackMagic
👨🏻🏫 وقتی دادهها ابعاد زیادی دارند، دیدن الگوها و روابط بین نمونهها سخت میشود. کاهش ابعاد به ما کمک میکند تا این الگوها را در فضاهای قابل دیدن (۲ یا ۳ بعدی) مشاهده کنیم.
🔍 یکی از رویکردهای کاهش ابعاد با هدف بصریسازی،
Multidimensional Scaling (MDS)
است.
این روش فاصله یا شباهت بین دادهها را حفظ میکند و دادههای ابعاد-بالا را در یک فضای کمبعد Embed میکند، طوری که روابط بین نقاط تا حد امکان حفظ شود.
📊 در این مثال ساده، دادههای ابعاد بالا ۳ بعدی بوده و با کمک رویکرد MDS به ۲ بعد نگاشت داده شدهاند و فاصله نسبی دادههای کلاسهای مختلف در این نگاشت حفظ شدهاست.
💻 پیادهسازی با استفاده از Scikit-learn 🤗:
👉 @NeuralBlackMagic
from sklearn.manifold import MDS
embedding = MDS(n_components=2) # n_components=d
x_lowdim = embedding.fit_transform(x_highdim)
# x_highdim: (N, D), x_lowdim: (N, d), d<<D21 427
🔵🚀 دوره مهندسی DevOps – پلی بین توسعه و عملیات
میخواهید بدانید چطور میتوان نرمافزارها و سرویسها را سریعتر، امنتر و با کیفیت بالاتر به مشتری رساند؟
دوره مهندسی DevOps شما را با فرهنگ، روشها و ابزارهای پیشرفته این حوزه آشنا میکند.
✨ مزایای یادگیری و استفاده از DevOps:
✅پیشبینی شکست یا موفقیت محصول
✅نگهداری و بازیابی نسخههای قدیمی نرمافزار
✅افزایش کیفیت و کاهش ریسک
✅انعطافپذیری و امنیت بالا
🔹برای مشاهده اطلاعات دوره کلیک کنید.
👉https://B2n.ir/uj7091
➖➖➖➖➖➖➖➖➖➖➖➖
🔶 کسب اطلاعات بیشتر و مشاوره:
📱 تلگرام:09377533910
☎️ تماس:02167641999
➖➖➖➖➖➖➖➖➖➖➖➖
✓ جهاد دانشگاهی صنعتی شریف؛ یک پله بالاتر از تخصص
21 427
مرور کلی بر امکانات تازه IBM Docling از جمله تبدیل فایل های صوتی به مارک داون ! :
👉 @ai_python ✍️
https://youtu.be/fg0_0M8kZ8g?si=fP0RLTVsONBUJOOt
21 427
🐍پایتون؛ کلید ورود به دنیای هوش مصنوعی و دادهها
📌 پایتون یکی از پرکاربردترین زبانهای برنامهنویسی در دنیا است که از توسعه وب و اپلیکیشن تا تحلیل داده و هوش مصنوعی بهکار میرود.
🔹 در این دوره جامع، مفاهیم پایه تا مباحث پیشرفته پایتون بهصورت کاربردی و پروژهمحور آموزش داده میشود.
🔹 تمرکز اصلی بر آموزش مهارتهایی است که شما را برای ورود به بازار کار و اجرای پروژههای واقعی آماده میکند.
➖➖➖➖➖➖➖➖➖➖➖➖
اطلاعات دوره کلیک کنید👇
https://B2n.ir/ge3655
➖➖➖➖➖➖➖➖➖➖➖➖
☎️مشاوره وثبت نام :02166075626
📲مشاوره تلگرام :09222477250
➖➖➖➖➖➖➖➖➖➖➖➖
✓ جهاد دانشگاهی صنعتی شریف؛ یک پله بالاتر از تخصص
21 427
فاین تیون مدل های زبانی بزرگ با Tunix :
👉 @ai_python ✍️
https://youtu.be/8essLqkBsX8?si=4q703iCD2ZiQt3vN
21 427
Video models are zero-shot learners and reasoners
👉 @ai_python ✍️
پادکستِ مصنوعی بررسی دقیق به فارسی 🖥
👉 @ai_python ✍️
ویدیو کوتاه مرور مقاله به فارسی 🖥
👉 @ai_python ✍️
لینک مقاله اصلی 🖥
21 427
این سیستم برای ذخیره داده هارو من نمی شناختم. ولی در نوع خودش جالبه. مثل سایر پلت فرم های ذخیره سازی بهتون فضا می ده که داده رو ذخیره کنید و بعد روی داده با هوش مصنوعی بهتون ارزش افزوده می ده :
👉 @ai_python ✍️
https://www.box.com/de-de/
21 427
امروزه، دیگه بسیاری از ما اطلاعات زیادی درباره Prompt Engineering داریم. اما Anthropic اصطلاحی به نام Context Engineering را مطرح می کند، که از زاویه دیگری می تواند نتایج را بهبود بخشد :
👉 @ai_python ✍️
https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents
21 427
Repost from آموزش LLM و VLM
🌟 آموزش مدلهای زبانی-تصویری (VLM) با تدریس علیرضا اخوانپور منتشر شد🎉
مردادماه دورهی مدلهای زبانی بزرگ (LLM) در مکتبخونه منتشر شد؛ دورهای که توش یاد میگرفتید مدلهایی مثل ChatGPT یا Gemini چطور آموزش میبینن، چطور کار میکنن و چطور میتونن به زبانهای مختلف – حتی فارسی – پاسخ بدن و ...
♨️حالا نوبت یکی از داغترین موضوعات دنیای AI رسیده:
🔹 مدلهای زبانی-تصویری (VLM)
مدلهای زبانی-تصویری (VLM) نسل جدیدی از مدلهای مولد هستن که علاوه بر متن، تصویر رو هم میفهمن. یعنی میتونن عکس رو توصیف کنن، به سوال دربارهی محتواش جواب بدن و حتی بین متن و تصویر ارتباط برقرار کنن.
📚 در این دوره یاد میگیرید:
- ساختار و معماری مدلهای VLM
- کاربردهای جذاب مثل پرسشوپاسخ تصویری و مولتیمودال
- نحوهی آموزش و بهکارگیری این مدلها در پروژههای واقعی
👨🏫 تدریس هر دو دوره توسط مهندس علیرضا اخوانپور انجام شده
🔗 مشاهده دوره:
https://mktb.me/e3gx/
~~~
کانال تلگرامی دوره
@llm_huggingface
