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 21 444 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 6 341-o'rinni va Eron mintaqasida 15 618-o'rinni egallagan.

📊 Auditoriya ko‘rsatkichlari va dinamika

невідомо sanasidan buyon loyiha tez o‘sib, 21 444 obunachiga ega bo‘ldi.

05 Iyun, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -64 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 10.03% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 3.99% ini tashkil etuvchi reaksiyalarni to‘playdi.
  • Post qamrovi: Har bir post o‘rtacha 2 151 marta ko‘riladi; birinchi sutkada odatda 856 ta ko‘rish yig‘iladi.
  • Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 15 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 06 Iyun, 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.

21 444
Obunachilar
-424 soatlar
-187 kunlar
-6430 kunlar
Postlar arxiv
👉 @ai_python ✍️ یک شمای خلاصه از کامپوننت های اصلی LangChain منبع : https://learn.kodekloud.com/
👉 @ai_python ✍️ یک شمای خلاصه از کامپوننت های اصلی LangChain منبع : https://learn.kodekloud.com/

ویدیو به روز شده توضیح کامپوننت های LangChain : البته دقت کنید که این بیش تر تبلیغ پلت فرم یادگیری سازنده این ویدیو آموزشی هم هست. بنابراین شاید آموزش با کیفیت بالایی هم نباشه. 👉 @ai_python ✍️ https://youtu.be/xTmU8ZImUO8?si=ePOcHDasEVqIkmvz

اینو همه می‌دونن که هوش مصنوعی، پادشاه مهارت‌های آینده‌است 👑 پس چرا تو مسیری نباشی که آینده‌اش تضمینه؟ مهر امسال با شرکت در
اینو همه می‌دونن که هوش مصنوعی، پادشاه مهارت‌های آینده‌است 👑 پس چرا تو مسیری نباشی که آینده‌اش تضمینه؟ مهر امسال با شرکت در بوت‌کمپ هوش مصنوعی دانشکار زودتر از بقیه وارد این مسیر شو بوت‌کمپ هوش مصنوعی دانشکار فقط یه آموزش نیست. تمرینه، پروژست، شبیه‌ساز دنیای حرفه‌ایه! 🍁 این پاییز قدم در راه موفقیت بذار: 🔗https://dnkr.ir/y9rKp

نمونه استفاده از IBM Warsonx Orchestrate Agentic Workflow Builder برای ساخت یک Flow عملی از یک برنامه Agentic : 👉 @ai_python ✍️ https://mediacenter.ibm.com/media/IBM+watsonx+Orchestrate+Agentic+Workflow+Builder/1_8drwgp9s

بازم یه ویدیو آموزش IBM Docling دیگه ، این بار از Red Hat 🙈🙈🙈 👉 @ai_python ✍️ https://youtu.be/BWxdLm1KqTU?si=q6B-fCO3_twCioh3

🔥 می‌خوای بدونی مدل‌های زبانی مثل چت‌جی‌پی‌تی واقعاً چطور کار می‌کنن؟ در دوره‌ی تخصصی مدل‌های زبانی بزرگ (LLM) با پایتون از
🔥 می‌خوای بدونی مدل‌های زبانی مثل چت‌جی‌پی‌تی واقعاً چطور کار می‌کنن؟ در دوره‌ی تخصصی مدل‌های زبانی بزرگ (LLM) با پایتون از جهاد دانشگاهی صنعتی شریف یاد می‌گیری چطور مدل بسازی، فاین‌تیون کنی و حتی Agent هوشمند طراحی کنی! 🤖 📘 سرفصل‌ها: • آشنایی با LLM و چرخه عمر پروژه‌های هوش مصنوعی مولد • کار با Transformers و پلتفرم Hugging Face • تنظیم دقیق (Fine-tuning) و روش‌های PEFT • یادگیری تقویتی از بازخورد انسانی (RLHF) • کاربردهای عملی LLM در پروژه‌های واقعی ✨ همین حالا قدمی به‌سوی آینده بردارید! ➖➖➖➖➖➖➖➖➖➖➖➖ 🔶 کسب اطلاعات بیشتر و مشاوره:  👉https://B2n.ir/et5803                        📱 تلگرام: 09222477250 ☎️ تماس: 021-67641999 ➖➖➖➖➖➖➖➖➖➖➖➖    ✓ جهاد دانشگاهی صنعتی شریف؛ یک پله بالاتر از تخصص

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

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

نحوه استفاده برای دوستانی که از کلاود IBM استفاده می کنند در این ویدیو کوتاه : لینک ویدیو

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/

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

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

☄️ کاهش ابعاد و Visualization در یادگیری ماشین 👉 @NeuralBlackMagic 👨🏻‍🏫 وقتی داده‌ها ابعاد زیادی دارند، دیدن الگوها و روا
☄️ 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<<D
📚 مطالعه بیشتر: ● مقاله اصلی: MDS: Multidimensional scaling: I. Theory and method, Torgerson, W.S. (1952). Follow for daily doses of AI Magic @NeuralBlackMagic

🔵🚀 دوره مهندسی DevOps – پلی بین توسعه و عملیات می‌خواهید بدانید چطور می‌توان نرم‌افزارها و سرویس‌ها را سریع‌تر، امن‌تر و با
🔵🚀 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

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

🐍پایتون؛ کلید ورود به دنیای هوش مصنوعی و داده‌ها 📌 پایتون یکی از پرکاربردترین زبان‌های برنامه‌نویسی در دنیا است که از توسعه
🐍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

فاین تیون مدل های زبانی بزرگ با Tunix : 👉 @ai_python ✍️ https://youtu.be/8essLqkBsX8?si=4q703iCD2ZiQt3vN

اجنت بیلدر Open AI : 👉 @ai_python ✍️ https://youtu.be/44eFf-tRiSg?si=sOi2AhfQ4lLPIzJt

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/