Channel
@Fara_DS
On this record: Growth · Engagement · Posts · Citations · Cite this entry
1,237subscribers
-2 since we began measuring on 6 August 2026
Risers and fallers across the register · movement among entries of 1,000–3,162.
| Telegram ID | -1001157993548 |
|---|---|
| Type | Channel |
| Username | @Fara_DS |
| Created | Between 1 April 2018 and 31 July 2021— estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 6 August 2026 |
| Last confirmed live | 12 August 2026 |
| Measurements held | 4 |
| Confirmed unchanged | 1 time, most recently 12 August 2026 |
| On Telegram | t.me/Fara_DS |
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 12 Aug 2026, 10:28 | 1,237 | -1 |
| 9 Aug 2026, 03:54 | 1,238 | -1 |
| 6 Aug 2026, 08:36 | 1,239 | no change |
| 6 Aug 2026, 08:17 | 1,239 | first reading |
20 posts held, back to 14 July 2024 — the reader has not yet reached the start of this channel’s public history, so older posts may sit further back, unread. Read across 1 pageof Telegram’s post history, 20 posts per page.
Nothing published in the last 30 days. ERR and ER are rolling 30-day measures, so there is nothing to compute — we hold 20 posts for this entry, the most recent from 10 December 2025. An engagement rate over an empty window would be a number about nothing.
۴,۶۰۰,۰۰۰+ دانشجو، همزمان با ۱۷ سالگی فرادرس 🎉 🚀 در این هفته و همزمان با هفدهمین سال آغاز فرادرس، تعداد دانشجویان فرادرس از مرز ۴,۶۰۰,۰۰۰ نفر عبور کرد. به همین مناسبت، یک دورهمی کوچک و صمیمی با حضور تعدادی از همکاران غیردورکار فرادرسی برگزار کردیم. ما در این ۱۷ سال تلاش کردهایم کنار شما باشیم؛ در مسیر یادگیری، پیشرفت و ساختن آیندهای بهتر. 🌱 ... و امروز با تمام وجود، بابت این همراهی طولانی و ارزشمند قدردا…
📅 ۲۲ تیرماه روز بزرگداشت دانشمند بزرگ ایرانی، خوارزمی گرامی باد. 🔶 این دانشمند بزرگ که از مفاخر ایران محسوب میشود، در زمینه علومی از جمله ریاضی، ستارهشناسی، جغرافی، فلسفه و تاریخ فعالیت میکرد و در این زمینهها به ویژه ریاضی و جبر، خبره بود. 📣 به همین مناسبت، فرادرس با هدف ترویج علم و دسترسی همگانی به آموزش باکیفیت، ۹۵٪ تخفیف ویژه بر روی منتخبی از آموزشهای زیر ارائه کرده است: 🟧 اخترشناسی و کیهانشناسی 🟧 فل…
📣 آخرین فرصت استفاده از طرح «آموزش و امید» را از دست ندهید! 👈 یک آموزش رایگان، به انتخاب شما! 🔸 فقط کافیاست آموزش مورد نظر را به سبد خرید خود اضافه کرده و کد زیر را در بخش مربوط به کد تخفیف وارد کنید. 🎁 کد تخفیف: IRAN ✅ توجه داشته باشید که برای استفاده از این کد تخفیف، تنها یک آموزش باید در سبد سفارش باشد. 🔗 راهنمای دریافت آموزش – [کلیک کنید] 📚 یادگیری، همیشه، همهجا؛ فرادرس @FaraDars — فرادرس
🎁 یک آموزش رایگان، به انتخاب شما! 🔶 در روزهایی که اخبار و اتفاقات ناگوار، ذهن بسیاری از ما را درگیر کردهاند، ما در فرادرس با خود فکر کردیم که در چنین شرایطی چه کاری از ما برمیآید؟ 🔶 به این نتیجه رسیدیم که شاید بتوان با یک اقدام ساده، فرصتی هرچند کوتاه برای دور شدن از فضای سنگین این روزها فراهم کرد. به همین دلیل، تصمیم گرفتیم یک آموزش از فرادرس را، به انتخاب شما و بهصورت رایگان، تقدیم حضورتان کنیم. 💎 برای دری…
🟥 فرادرس، با چهرهای تازه؛ همان هدف، نگاهی نو شاید اولین چیزی که امروز در فرادرس توجه شما را جلب میکند، چهره جدید ما باشد. ⭐ هویت بصری جدید فرادرس حالا رسماً رونمایی شده است. در این سالها، فرادرس با بیش از ۳,۹۰۰,۰۰۰ دانشجو و صدها هزار ساعت آموزش آنلاین، همیشه یک هدف روشن داشته: ایجاد دسترسی آسان، همیشگی و همگانی به آموزشهای تخصصی و کاربردی ✨ امیدواریم این فصل تازه، بتواند تجربه یادگیری را برای شما بهتر، س…
📚 آموزش رایگان یادگیری ماشین با پایتون – سریع و آسان در ۱۸۰ دقیقه ⏰ ⭐ یادگیری ماشین (Machine Learning) زیرمجموعهای از هوش مصنوعی و یکی از موضوعات مورد توجه در علوم کامپیوتر است که به سیستمهای کامپیوتری، توانایی یادگیری از دادهها را میدهد. در واقع یادگیری ماشین، بررسی میکند که چگونه کامپیوترها میتوانند بر اساس داده یاد بگیرند. ⭐ از کاربردهای یادگیری ماشین میتوان به فیلتر کردن هرزنامهها در شبکههای اجتم…
⭐ ترکیب، تلفیق و تحلیل دادهها 🔸 منظور از ترکیب داده یا اطلاعات، ادغام توامان اطلاعات دریافتی از منابع مختلف برای دستیابی به درک بهتر محیط مساله و در نتیجه، اتخاذ تصمیمات دقیق تر است. بر این اساس، ترکیب اطلاعات می تواند به عنوان ابزاری قدرتمند در خدمت داده کاوی و اکتشاف معرفت به کار گرفته شود. 🔸 روش تلفیق داده ها به ترکیب داده های حاصل از حسگرهای مختلف برای پیش بینی دقیق تر خواص و حالات یک سیستم می پردازد. این …
⭐ تحلیل شبکه های اجتماعی و علمی 🔸 از آنجایی که شبکههای اجتماعی نقش کلیدی در موفقیتهای تجاری و پیشرفتهای کاری ایفا میکنند، شبکهها راههایی برای جمعآوری اطلاعات برای شرکتها مهیا میکنند که باعث میشود، از رقابت بپرهیزند و حتی برای تنظیم قیمتها و سیاستها با هم همکاری نمایند. 🔸 در آموزشهای زیر شما میتوانید به بررسی و تحلیل شبکههای اجتماعی بانرمافزارهای مختلفی از قبیل NodeXL، Gephi و Pajek پرداخته ش…
⭐ آشنایی با کلان داده Big Data 🔸 امروزه در عصر فناوری با نرخ بالای تولید محتوا توسط مخاطبین مواجه هستیم که به منظور مشاهده اطلاعات تولید شده در یک روز به چند سال زمان نیاز داریم، به همین دلیل تحلیل درست اطلاعات و به کارگیری نتایج درست از تحلیل مورد نیاز است. 🔸 کلانداده به حجم عظیمی از اطلاعات و نحوه تحلیل آنها اطلاق میشود که میتواند کمک شایانی به سازمانهای بزرگ در جهت اخذ تصمیمات مهم بکند. در سالهای اخیر…
⭐ آموزش نرمافزارهای یادگیری ماشین ⭐ نرمافزار WEKA 🔸 نرمافزار WEKA به عنوان یک ابزار گرافیکی با رابط کاربری کاربرپسند، امکان انجام فعالیتهای مرتبط با یادگیری ماشین و دادهکاوی را برای کاربران فراهم میکند. این نرمافزار به افرادی که تازه وارد حوزه یادگیری ماشین و دادهکاوی شدهاند یا افرادی که تمرکز آنها بر روی جنبههای تحلیل دادهها بیشتر است، اجازه میدهد تا بدون داشتن دانش کدنویسی، در حوزه دادهکاوی فع…
🍁 جشنواره «پاییز، فصل یادگیری» 🎁۶۵⁒ تخفیف ویژه روی تمام آموزشهای فرادرس همین حالا روی لینک زیر بزنید. 👇👇 جشنواره پاییز، فصل یادگیری – [کلیک کنید] 📚 @Fara_DS — کانال تخصصی علم داده و داده کاوی
⭐ دادهکاوی Data Mining 🔸 در رشتههای مختلف علمی، نظریههای بسیار مهمی که با مطالعات میدانی به دست آمدهاند، همگی دارای این مولفه مشترک هستند: به دست آوردن قواعد و قوانینی که توضیحی فشرده و مفهومی از دادههای در دسترس را ارائه میدهند. 🔸 این عملیات، و مجموعه دیگری از کارهای مرتبط با آن، موضوع بحث یکی از زیرشاخههای مشترک علوم کامپیوتر و آمار، به نام دادهکاوی است. فرایند کلی استخراج دانش از داده، معنای عامتری…
Showing the 12 most recent of 20 posts we hold for @Fara_DS. View and reaction counts are the latest single reading for each post, not a live figure, and a recent post is still accumulating both. A view count marked ≈ was rounded by Telegram before we ever saw it — t.me prints views in full below 1,000 and to three significant figures above, so ≈1,200,000 means somewhere between 1,150,000 and 1,249,999. Unmarked counts are exact. Text is reproduced from the public post preview and truncated for length.
Citation-graph rank — 908,203 of 1,169,250entries in the measured graph. A weighted position computed from the forward and mention edges below — republished posts weigh more than named mentions — and recomputed periodically, over the whole graph. Published only as this ordinal position, never as a score: a position is a fact, and a score printed beside one channel’s name would read as a verdict this register does not make. The two counts beneath stay separate for the same reason mentions are never summed with forwards anywhere else on this page — a named-by count costs nothing to manufacture. The top 100 by this measure, or how it is computed.
Republishes
Channels on the register whose posts this channel has forwarded.
Built only from forwarded posts we have actually read, on both sides. Coverage is early and deliberately incomplete: a missing link means we have not read the post that would prove it, never that the relationship does not exist. Counts are distinct forwarded posts observed, so they only ever go up as we read more.
Named by 7 registered channels — every channel on the register whose own posts have named this one, by its current username or any other username it currently holds, merged from two separately captured readings of the same fact so a namer caught by only one of them is not missed and a namer both caught is not counted twice. A username this channel has since dropped is not matched — that handle may belong to someone else now, and crediting today’s namer to yesterday’s owner would misattribute it.
Named by
Channels on the register whose posts name this channel's handle.
Names
Channels on the register whose handles appear in this channel's posts.
A mention is a weaker signal than a forward and is counted separately for that reason — naming a channel is not republishing it, and a handle in a post body is easy to place deliberately. The post counts beside each row below are distinct posts in which the handle appeared, from posts we have read on both sides — the “Named by N registered channels” figure above is a different count, of distinct NAMING CHANNELS rather than posts, and is not the sum of the rows under it.
A live page changes as we take new readings, so a citation should name the measurement it is based on, not just the URL. The line below cites the subscriber count as measured 12 August 2026 — this entry's latest reading, not the date you are reading this.
“FaraData | فرا داده: علم داده و دادهکاوی” (@Fara_DS), 1,237 subscribers as measured 12 August 2026. Telegram Register, tgregister.com/channel/Fara_DS.
Full measurement history, CC BY 4.0. Every reading this register holds for this entry, not just the latest one, as a dated, downloadable record: CSV · JSON. Free to use with attribution to tgregister.com. Each file carries its own generation timestamp, which is the figure to cite for exactly when the data was retrieved.