Firibgarlarga uchmang! Telemetrio bunday kanallarni topadi va belgilaydi 👉 Belgini ko‘rmoqchi bo‘lsangiz, obuna bo‘ling

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

Eron16 432Texnologiyalar & Aralashmalar6 187...

📈 Telegram kanali DLeX: AI Python analitikasi

DLeX: AI Python (@ai_python) Forsiy til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 21 306 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 6 187-o'rinni va Eron mintaqasida 16 432-o'rinni egallagan.

📊 Auditoriya ko‘rsatkichlari va dinamika

невідомо sanasidan buyon loyiha tez o‘sib, 21 306 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.

21 306

Obunachilar

-724 soatlar

-97 kun

-7430 kun

1 731

Post ko'rishlar

~ 76224 soatlar

~ 1 01048 soatlar

8.12%

Muloqot nisbati

~ 1

Kuniga postlar

Ads index

Postlar arxiv

21 306

گزینه صحیح این تکه کد چیه ؟ >>> print(type([]))

Anonymous voting

21 306

جواب درست این تکه کد چیه؟؟ >>> name= ['@AI_'] >>> name.append('Python') >>> print(name[1])

Anonymous voting

21 306

جواب درست این تکه کد چیه ؟ >>> x=[[1]]*2 >>> x[0].append(2) >>> print(x)

Anonymous voting

21 306

✅ کتابخانه NumPy چیست؟ 📝 کتابخانه NumPy یک کتابخانه پایتون منبع باز است که تقریباً در هر زمینه‌ای از علم و مهندسی استفاده می‌شود. این استاندارد جهانی برای کار با داده های عددی در پایتون است و در هسته اکوسیستم های علمی Python و PyData قرار دارد. کاربران NumPy شامل همه افراد از کدنویسان مبتدی تا محققان با تجربه هستند که تحقیقات و توسعه علمی و صنعتی را انجام می دهند. NumPy API به طور گسترده در Pandas، SciPy، Matplotlib، scikit-learn، scikit-image و بسیاری دیگر از بسته های علوم داده و علمی Python استفاده می شود. 📝 کتابخانه NumPy شامل آرایه های چند بعدی و ساختارهای داده ماتریسی است. 📝 این کتابخانه پایه ترین کتابخانه مورد استفاده در هوش مصنوعی است و فراگیری بیشتر آن باعث فهم بیشتر داده و شیوه آماده سازی آن برای الگوریتم می شود. 📝 برای دریافت آموزش از این کتابخانه می توان به لینک زیر مراجعه کرد: 🗒 NumPy Library @AI_Python

21 306

✅ چگونه یک نقشه حرارتی همبستگی (seaborn correlation heatmap) seaborn در پایتون ایجاد کنیم؟ 📝 کتابخانه Seaborn یک کتابخانه پایتون است که مبتنی بر matplotlib است و برای تجسم داده‌ها استفاده می‌شود. این یک کتابخانه برای ارائه داده ها در قالب نمودار آماری به عنوان یک medium آموزنده و جذاب برای انتقال برخی اطلاعات است. نقشه حرارتی (correlation heatmap) یکی از مؤلفه‌هایی است که توسط seaborn پشتیبانی می‌شود که در آن تغییرات در داده‌های مرتبط با استفاده از یک پالت رنگ به تصویر کشیده می‌شود. 📝 یکی از کاربردهای جدی این نقشه حرارتی این است که ما با استفاده از آن می توانیم داده‌هایی که ارتباط زیادی به هم دیگر دارند را شناسایی کنیم و بجای استفاده کل داده‌ها برای آموزش کردن مدل از کسری از داده‌ها استفاده کنیم و میان مشخصه‌هایی که ارتباط بسیار زیاد نشان داده می‌شود یکی را به عنوان مشخصه نماینده برای داده‌های آموزشی معین می‌کنیم و بقیه را نادیده می‌گیریم. جزئیات بیشتر راجع به correlation heatmap در لینک زیر بیان شده است: 🗒 seaborn correlation heatmap @AI_Python

21 306

Repost from N/a

21 306

Repost from N/a

✅ چگونه یک نقشه حرارتی همبستگی (seaborn correlation heatmap) دریایی در پایتون ایجاد کنیم؟ 📝 کتابخانه Seaborn یک کتابخانه پایتون است که مبتنی بر matplotlib است و برای تجسم داده‌ها استفاده می‌شود. این یک کتابخانه برای ارائه داده ها در قالب نمودار آماری به عنوان یک medium آموزنده و جذاب برای انتقال برخی اطلاعات است. نقشه حرارتی (correlation heatmap) یکی از مؤلفه‌هایی است که توسط seaborn پشتیبانی می‌شود که در آن تغییرات در داده‌های مرتبط با استفاده از یک پالت رنگ به تصویر کشیده می‌شود. 📝 یکی از کاربردهای جدی این نقشه حرارتی این است که ما با استفاده از آن می توانیم داده‌هایی که ارتباط زیادی به هم دیگر دارند را شناسایی کنیم و بجای استفاده کل داده‌ها برای آموزش کردن مدل از کسری از داده‌ها استفاده کنیم و میان مشخصه‌هایی که ارتباط بسیار زیاد نشان داده می‌شود یکی را به عنوان مشخصه نماینده برای داده‌های آموزشی معین می‌کنیم و بقیه را نادیده می‌گیریم. جزئیات بیشتر راجع به correlation heatmap در لینک زیر بیان شده است: 🗒 seaborn correlation heatmap @AI_Hasan

21 306

جواب خروجی کد زیر چیه ؟ >>> a = (1,2,3) >>> type(a) >>> b= (3) >>> type(b)

Anonymous voting

21 306

جواب خروجی درست کدام گزینه است؟ >>> def x ( i,values=[] ) : return values.append(i) >>> print(x(2))

Anonymous voting

21 306

جواب درست این تکه کد چیه ؟ >>> try: print(1) ... except: print (2) ... finally : print(3) >>>

Anonymous voting

21 306

جواب درست این تکه کد چیه؟ >>> a = [0,1,2,3] >>> for a[-1] in a : ... print(a[-1])

Anonymous voting

21 306

جواب درست این تکه کد چیه ؟ >>> def fun(): for x in range(22,23,24): print(x) >>> fun()

Anonymous voting

21 306

جواب درست این تکه کد چیه ؟ >>> l1=['A'] >>> l1.extend('ABC') >>> print(l1)

Anonymous voting

21 306

جواب این تکه کد چیست؟ >>> List=['Python','Developers'] >>> result=[i for i in List if len(i)>6] >>> print(*result)

Anonymous voting

21 306

Repost from N/a

‌ ✳️ ‌آموزش رایگان آشنایی با پردازش زبان‌های طبیعی (NLP) در پایتون با پلتفرم NLTK چکیده — برای پردازش زبان های طبیعی، نیاز به یک ابزار و یا به عبارتی به یک زبان برنامه نویسی داریم، بنابراین با توجه به سهولت کدنویسی و همچنین وجود بسته های نرم افزاری زیاد، زبان برنامه نویسی پایتون و مهم ترین ابزار آن برای پردازش زبان های طبیعی یعنی NLTK را برمی گزینیم. ما در این آموزش قصد داریم تا با پردازش زبان های طبیعی (NLP) در پایتون (Python) با استفاده از پلتفرم NLTK آشنا شویم. 💯 مشاهده ویدئوی آموزش 👇👇 🔗 آموزش آشنایی با پردازش زبان‌های طبیعی (NLP) در پایتون با پلتفرم NLTK — [کلیک کنید] @FaraDars — فرادرس

21 306

Repost from تهران دیتا-دانشگاه تهران

#دانشگاه_تهران ❌تنها ۶ نفر از ظرفیت دوره باقیست... 📣 جامع‌ترین دوره آنلاین علم‌داده کشور! 👨🏻‍🏫 همراه با برجسته ترین اساتید کشور 🔔 شرایط ویژه (از بلک فرایدی تا روز دانشجو) 🥇 با ارائه گواهینامه دوزبانه از دانشگاه تهران با قابلیت ترجمه رسمی 🌐 اطلاعات بیشتر https://tehrandata.org/courses/datascience/ ⁉️ مشاوره رایگان و ثبت نام 📞 09377516759 🔘 t.me/tehrandata_admin 🆔 t.me/tehran_data

21 306

⭕️دوره هوشمندسازی کسب و کار با Microsoft Power BI ⏰ ۳۲ ساعت آموزش ✅ گواهینامه معتبر و قابل ترجمه ➖➖➖➖➖➖➖➖➖➖➖➖ 🔹اطلاعات تکمیلی↙️ http://link.jsharif.com/public/3pp0c ➖➖➖➖➖➖➖➖➖➖➖➖ ☎️مشاوره وثبت نام 021-67641999 📲تلگرام و واتساپ ۰۹۲۲۲۴۷۷۲۵۰ ➖➖➖➖➖➖➖➖➖➖➖➖ با ما در تلگرام همراه باشید.... https://t.me/joinchat/AAAAAD6fyUw0AYXKLGbkow

21 306

لینک زیر رو کمک کنید کامل بشه، دانشگاه‌هایی که مدرک رسمی رو ازتون نمی‌خوان. با توجه به افزایش ناگهانی هزینه آزادسازی مدرک، کمک بزرگی می‌تونه باشه لطفا کسانی که خارج از کشور هستند در کامل کردن این لیست کمک کنند. https://docs.google.com/spreadsheets/d/1eNmBEKhO9KOYJ8_PeHj-ihff35Em-U46bd-5-hfDqO4/edit?usp=drivesdk پ.ن: لطفا در انتشار این پست و کمک به هموطنانتون برای کسایی که میخان یاری کنید. ❇️@AI_Python

21 306

Repost from DLeX: AI Python

چالشها و چشم اندازهای هوش مصنوعی و یادگیری ماشین ❇️ @ai_python