uz
Feedback

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

DLeX: AI Python

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 21 289 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 6 232-o'rinni va Eron mintaqasida 16 497-o'rinni egallagan.

📊 Auditoriya ko‘rsatkichlari va dinamika

невідомо sanasidan buyon loyiha tez o‘sib, 21 289 obunachiga ega bo‘ldi.

15 Noyabr, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -43 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 8.50% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 2.88% ini tashkil etuvchi reaksiyalarni to‘playdi.
  • Post qamrovi: Har bir post o‘rtacha 1 810 marta ko‘riladi; birinchi sutkada odatda 614 ta ko‘rish yig‘iladi.
  • Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 18 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 16 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.

21 289
Obunachilar
+724 soatlar
-107 kun
-4330 kun
Postlar arxiv
#تنسورفلو 01 تنسورفلو چیست و چرا؟ تنسورفلو (انگلیسی: TensorFlow یک کتابخانهٔ نرم‌افزاری متن‌باز برای یادگیری ماشین در انواع مختلف وظایف مفهومی و زبان است که در حال حاضر توسط ۵۰ تیم تحقیقاتی و محصولات مختلف گوگل از جمله بازشناسی گفتار، جی‌میل، گوگل فوتوز و جستجو که بسیاری از آن‌ها سابقاً از دیست‌بلیف استفاده کرده بودند، استفاده می‌شود. تنسورفلو در آغاز توسط تیم گوگل برین مرکز تحقیقاتی گوگل به صورت داخلی استفاده می‌شد ولی بعدها در ۹ نوامبر ۲۰۱۵ تحت مجوز آپاچی منتشر شد. دلایل زیادی نظیر اینکه تصاویر طیف خاکستری در کامپیوتر معمولاً به صورت ماتریس‌های n∗m ذخیره می‌شوند(تصاویر رنگی با ابعاد بیشتر مانند n∗m∗3) و وقتی ما دسته‌ای از تصاویر داریم (مثلاً k تصویر)، مجبوریم ابعاد ماتریس‌ها را به صورت n∗m∗k یا در تصاویر رنگی n∗m∗3∗k افزایش دهیم سبب شدند که در طراحی TensorFlow از داده ساختار تانسور برای نگه داری مقادیر و نوع داده متغیرها استفاده شود. اما مهم ترین دلیل استفاده TensorFlow از تانسورها، در حقیقت سهولت مدیریت وزن‌ها و مقادیر نرون‌ها در لایه‌های مختلف در شبکه‌های عصبی عمیق و یادگیری عمیق است. تنسور چیست؟ اصولا اگر داده را به صورت بردار در نظر بگیریم به سه نوع خواهد بود: دسته ۱: داده های برداری که به شکل یک بردار ۱ بعدی هستند دسته ۲: داده های ماتریسی که به صورت ۲ بعدی خواهند بود دسته ۳: داده هایی که به صورت ماتریس هایی با ابعاد بالاتر از ۲ هستند که به آنها تنسور گفته میشود. دلیل اصلی اینکه می بایستی محاسبات تنسور را بیاموزیم این است که در کل داده هایی مانند تصویر به صورت تنسور هایی هستند که گاها بهم مرتبط (مانند ویدئو) و گاها نامرتبط بهم (تصاویر نا مرتبط) می باشند. ❇️ @ai_python

در مورد PyTorch علاقه مندان میتونن آموزشهای دکتر رضوی رو دنبال بکنند: https://t.me/ai_python/3140 در مورد تنسورفلو از امروز آموزشها شروع میشند و به صورت خیلی کوتاه و پست های تلگرامی در اختیار دوستان قرار میگیرند. با ما باشید. با ما نبودید هم لفت بدید😒 مثل شاطر براتون پست میزاریم لفت هم میدید والا 😒😒😒 ❇️ @ai_python

گروه ریاضی و رمزنگاری: ↪️ https://t.me/joinchat/HdXdAUv287poCj8cYQbbuw گروه پرسش و پاسخ یادگیری عمیق: ↪️ https://t.me/joinchat/ClyM2hFyG5NPY4Cu-B_Tmw گروه پرسش و پاسخ پردازش زبان طبیعی: ↪️ https://t.me/joinchat/ClyM2hD0u8mHCI0lj-IHgQ گروه پرسش و پاسخ لینوکس پایتون و هوش مصنوعی: ↪️ https://t.me/joinchat/ClyM2j9QzOiTI_Ul3Oqa_g گروه ارز دیجیتال: ↪️ https://t.me/joinchat/ClyM2ks_FYVvdY6Gn_PjqA کانال یوتیوب دروس فارسی دکتر رضوی (هوش مصنوعی، پایتون و یادگیری عمیق): ↪️ http://www.youtube.com/c/SeyedNaserRazavi کانال پایتون، هوش مصنوعی، لینوکس و علوم شناختی: ↪️ https://t.me/joinchat/AAAAAEIZz9O4RpAXQ_ylTw ❇️ @ai_python

لینک های شرکت در این دوره ها و توضیحات مربوطه: 💎 جبر خطی و احتمالات در یادگیری ماشینی با استفاده از پایتون این کارگاه دوره فشرده‌ای در حوزه ریاضیات یادگیری ماشینی است. در این دوره آموزشی روش‌های عمده در جبر خطی و تئوری احتمالات ارائه می‌شود؛ روش‌هایی که مستقیما به الگوریتم‌های یادگیری ماشینی مرتبط هستند. پس از این کارگاه فراگیران هم نحوه خواندن مباحث ریاضیاتی در مقالات یادگیری ماشینی را خواهند آموخت و هم نحوه توصیف مدل‌های خودشان به زبان ریاضی با استفاده از عملیات موجود در جبر خطی را یاد می‌گیرند. تمامی این مفاهیم به صورت گام به گام در کتابخانه‌های استاندارد پایتون پیاده سازی می‌شود. لینک ثبت نام: http://www.ifc.ir/linear-algebra-and-probabilities 💎 پیش‌بینی سری‌های زمانی با استفاده از پایتون پیش‌بینی وضعیت آینده همواره یکی از مهم‌ترین مسائل در بازارهای مالی به‌شمار می‌رود. مدل‌ها و روش‌های گوناگونی جهت انجام پیش‌بینی مورد کاربرد محققان و فعالان بازار است. مدل‌های اقتصادسنجی و الگوریتم‌های هوشمند نظیر شبکه‌های عصبی و یادگیری عمیق ازجمله مهم‌ترین روش‌های پیش‌بینی آینده مبتنی بر داده‌های گذشته تلقی می‌شوند. این مدل‌ها و الگوریتم‌ها را می‌توان در بسترها و با استفاده از ابزارهای متفاوتی پیاده‌سازی کرده و به نتایج موردنظر دست یافت. در این دوره آموزشی افراد پس از آشنایی و یادگیری نحوه کدنویسی در پایتون و درک صحیحی از داده‌ها و ساختار آن در سری‌های زمانی، مدل‌های پیش‌بینی اعم از خطی و غیرخطی را پیاده‌سازی خواهند کرد. همچنین پس از انجام پیش‌بینی به ارزیابی آن خواهند پرداخت. لینک ثبت نام: http://www.ifc.ir/time-series-using-python ⭐️ با تخفیف ویژه برای دانشجویان 👨🏻‍💼 مدرس: جناب دکتر علی حبیب نیا ❇️ @ai_python

❇️ @ai_python
❇️ @ai_python

❇️ @ai_python
❇️ @ai_python

آیا شاخصی برای ارزشیابی دانشگاه های خارجی در ایران وجود دارد؟ این ویدیو تا حدی پاسخ این سوال را خواهد داد. 🆔 @ApplyMarket

😂😂😕😐 ❇️ @ai_python
😂😂😕😐 ❇️ @ai_python

از امروز کامیون های خودران شرکت Uber بارهای آریزونا را حمل خواهند کرد. منبع: https://www.theverge.com/2018/3/6/17081626/uber-self-driving-trucks-delivering-cargo-arizona ❇️ @ai_python

کدام کتابخانه را برای یادگیری عمیق ترجیح میدهید؟ ( در نظر داریم آموزشهای مربوطه را در کانال قرار دهیم) anonymous poll Tensorflow – 189 👍👍👍👍👍👍👍 79% PyTorch – 36 👍 15% Caffe – 8 ▫️ 3% Theano – 5 ▫️ 2% 👥 238 people voted so far.

DeepLearning = Playing with Lego @ai_python
DeepLearning = Playing with Lego @ai_python

چیزی که ما میخواهیم ماشینی است که از تجربه یاد میگیرد. آلن تورینگ ❇️ @ai_python
چیزی که ما میخواهیم ماشینی است که از تجربه یاد میگیرد. آلن تورینگ ❇️ @ai_python

#توسعهـیافتگی 01 ❇️ @ai_python
#توسعهـیافتگی 01 ❇️ @ai_python

#تیکه_کلام 👱🏻#بیل_گیتس میگه : ✅ برای برنامه نویسی لازم نیست که یک نابغه باشید. کافیه جمع و تفریق رو بلد باشید. 👨‍💻 ❇️ @ai_python

📌 داکیومنت آنلاین و رایگان برای اکثر زبان ها و تکنولوژی های موجود با قابلیت مشاهده آفلاین 🔗 devdocs.io باتشکر از دوست خوبمو
📌 داکیومنت آنلاین و رایگان برای اکثر زبان ها و تکنولوژی های موجود با قابلیت مشاهده آفلاین 🔗 devdocs.io باتشکر از دوست خوبمون @Omid_Mazaheri 🙏 @Ai_python

منبع: http://www.nationmaster.com/country-info/stats/Education/Pupil--teacher-ratio%2C-primary#-date اگر اشتباهی شده حتما اطل
منبع: http://www.nationmaster.com/country-info/stats/Education/Pupil--teacher-ratio%2C-primary#-date اگر اشتباهی شده حتما اطلاع بدید ممنون میشم. تحلیل مابقی بر عهده خودتان. ❇️ @ai_python

حالا اینارو چرا گفتیم. برای این: یک نرخی هست به اسم student-teacher ratio که نشون میده به ازای هر چند دانشجو یک استاد در دانشگاه مشغول هست. کم بودن این نرخ نشون میده که دانشجو به اساتید بیشتری دسترسی داره. با آمار گفته شده حساب کنیم چیزی حدود ۶۷:۱ در میاد. یعنی برای هر ۶۷ دانشجو یک استاد. این نرخ به صورت میانگین برای کشورهای مختلف نشان داده شده است در ادامه. ❇️ @ai_python

تعداد اساتید شاغل در دانشگاه های مختلف به تفکیک دستگاه اجرایی و رتبه استادی در مجموع کل 66314 استاد شاغل هستند ❇️ @ai_python
تعداد اساتید شاغل در دانشگاه های مختلف به تفکیک دستگاه اجرایی و رتبه استادی در مجموع کل 66314 استاد شاغل هستند ❇️ @ai_python

دانشگاه های آزاد و پیام نور به ترتیب پنجمین و هفتمین دانشگاه بزرگ دنیا هستند! ❇️ @ai_python
دانشگاه های آزاد و پیام نور به ترتیب پنجمین و هفتمین دانشگاه بزرگ دنیا هستند! ❇️ @ai_python