Channel
@KalamiHeris
On this record: Growth · Engagement · What this channel posts · Reactions · Posts · Citations · Cite this entry
4,030subscribers
-2 since we began measuring on 5 August 2026
Risers and fallers across the register · movement among entries of 3,162–10,000.
| Telegram ID | -1001013686407 |
|---|---|
| Type | Channel |
| Username | @KalamiHeris |
| Created | Between 1 December 2015 and 31 March 2016— 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/KalamiHeris |
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 12 Aug 2026, 13:54 | 4,030 | +1 |
| 9 Aug 2026, 09:11 | 4,029 | -3 |
| 6 Aug 2026, 04:19 | 4,032 | no change |
| 5 Aug 2026, 17:29 | 4,032 | first reading |
20 posts held, back to 31 May 2025 — the reader has not yet reached the start of this channel’s public history, so older posts may sit further back, unread. Read across 4 pagesof 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 7 July 2026. An engagement rate over an empty window would be a number about nothing.
Measured directly from 5 videos with a duration reading, out of the posts we hold for this channel — not this channel’s whole posting history, only the sample this register has actually read. An exact reading to the second, taken from the post itself rather than from Telegram’s own rounded chrome, so it carries no ≈ mark.
771 reactions across 20 posts, in 2 distinct kinds. The most used accounts for 85.1% of them.
| Reaction | Count | Share | Share, drawn |
|---|---|---|---|
| ❤ | 656 | 85.1% | |
| 👍 | 115 | 14.9% |
No sentiment is inferred, and none should be read in. This table is ordered by count and by nothing else. Emoji do not carry stable meaning across languages or communities — 🙏 is thanks in one channel and mourning in another — so we publish which ones were pressed and how often, and pass no judgement on what an audience meant by them.
Precision. Telegram publishes reaction counts per emoji and short-forms each one — 4.34K, 1.2M — so any single kind at or above 1,000 reaches us at three significant figures, and only counts below 1,000 are exact. The shares above are ratios of those figures and carry the same error. This is also why the total here can differ slightly from a reaction total printed elsewhere on the page: both are sums of the same rounded parts, taken over samples with different edges.
Coverage. Reactions were read on 20 of the 20 sampled posts in this sample. Summed by Telegram’s own count on each post — not by adding up the per-emoji breakdown above — those same posts carry 771reactions in total: the kind of figure the paragraph above means by “a reaction total printed elsewhere on the page”.
Measured over the 20 most recent posts we hold, published 31 May 2025 to 7 July 2026, using the newest reading held for each. Telegram Stars are excluded: they are a payment, not a reaction, and they have their own section.
هوش مصنوعی هر روز توانمندتر میشود اما استفاده مؤثر از آن نیازمند درک درست مفاهیم، محدودیتها و شیوه تعامل با آن است. به همین دلیل، مجموعهای از آموزشهای کاربردی و رایگان درباره مفاهیم و مهارتهای استفاده از هوش مصنوعی را در فرادرس منتشر کردهام. 🔹 هوش مصنوعی؛ همراه انسان، نه جایگزین انسان نقش انسان در عصر هوش مصنوعی 🔗 مشاهده آموزش [+] 🔹 چگونه پاسخهای بهتری از هوش مصنوعی بگیریم؟ اصول پرامپتنویسی 🔗 مشاهده آ…
❤36👍4
کلمات برای انسان معنا دارند، اما برای کامپیوتر، معنا باید به بردارهای عددی تبدیل شود. امبدینگ (Embedding) یکی از مفاهیم بنیادی هوش مصنوعی است که امکان مدلسازی شباهت معنایی را فراهم میکند و زیرساخت بسیاری از فناوریهای امروزی، از موتورهای جستجو و سیستمهای پیشنهاددهنده گرفته تا پایگاههای داده برداری و معماریهای RAG، بر پایه آن شکل گرفته است. بهتازگی آموزش «امبدینگ (Embedding) و کاربردهای آن در سیستمهای هوشمن…
❤26👍2
اخیرا در فرادرس امکان تهیه اشتراک برای دسترسی نامحدود به تمام آموزشها فراهم شده است. با این اشتراک، میتوانید به همه آموزشهای فرادرس (بیش از ۱۸,۰۰۰ آموزش تخصصی و مهارتی) به صورت نامحدود دسترسی داشته باشید. لازم به ذکر است که با تلاش همکاران و جامعه مدرسین فرادرس، ماهانه حداقل ۳۰۰ عنوان آموزش جدید نیز به فرادرس افزوده میشود. برای مخاطبان کانال، یک کد تخفیف اختصاصی نیز در نظر گرفته شده است: 🎁 کد تخفیف: KALAMI53…
❤26👍4
🎓 آموزش رایگان معیارهای دقت و ارزیابی مدلهای یادگیری ماشین منتشر شد. در پروژههای یادگیری ماشین، ساختن مدل فقط نیمی از مسیر است. بخش مهمتر این است که بدانیم مدل واقعاً چقدر خوب عمل میکند، چه خطاهایی دارد و آیا میتوان به نتایج آن اعتماد کرد یا نه. در این آموزش رایگان، مهمترین مفاهیم ارزیابی مدلهای دستهبندی را بهصورت مفهومی، تصویری و کاربردی بررسی کردهام، از جمله: 🔹 ماتریس درهمریختگی یا Confusion Matrix 🔹…
❤18👍4
مدلهای زبانی جواب میدهند، اما کیفیت جوابشان بیشتر از هر چیز به زمینه یا Context بستگی دارد. در تجربه من، در بسیاری از پروژههای مبتنی بر LLM مشکل اصلی مدل نیست. مشکل این است که کانتکست درست طراحی نشده است. وقتی زمینه نامنظم یا ناقص باشد، خروجی ناپایدار میشود، هزینه توکن بالا میرود و احتمال توهم بیشتر میشود. به تازگی یک آموزش رایگان با عنوان مهندسی زمینه یا مهندسی کانتکست (Context Engineering) در فرادرس منتشر…
❤36👍5
نرمافزارهای سنتی اجرا میشوند، اما محصولات هوش مصنوعی «رفتار» میکنند. در عصر هوش مصنوعی، مسئله فقط ساختن مدل دقیقتر نیست، بلکه تصمیمگیری در شرایط عدم قطعیت، رانش داده، هزینه خطا و مسئولیت انسانی است. به همین دلیل، «مدیریت محصول هوش مصنوعی» (AI Product Management) به یک مهارت ضروری تبدیل شده است؛ جایی که تمرکز از ویژگیها به نتیجه واقعی محصول منتقل میشود. بهتازگی یک آموزش کاملا رایگان با عنوان «مقدمهای بر …
❤39
سلام دوستان. امیدوارم خوب و خوش باشین. اسلایدهای درس بینایی ماشین (Machine Vision) رو که الان دارم تدریس میکنم، توی لینکدین به اشتراک گذاشتهم. اگر دوست داشتین و به دردتون میخوره، میتونین از لینکهایی که در ادامه همین پست هستند، دریافتشون بکنین. Lecture 1: Introduction to Machine Vision [+] Lecture 2: Intensity and Contrast Fundamentals [+] Lecture 3: Spatial Filtering and Convolution [+] درسهای بعدی رو هم …
❤59👍12
به من بگو چرا؟ 💡 وقتی از هوش مصنوعی چیزی میپرسم، همیشه ازش میخوام که قبل از جواب نهایی، دلیل منطقی و استدلال خودش رو هم بگه. این کار دو نتیجه مهم داره: یک. این اجبار به بیان منطق و استدلال، باعث بهتر شدن کیفیت جواب میشه. دو. استفاده از هوش مصنوعی رو به یک تجربه آموزشی بینظیر تبدیل میکنه. ـــــــــــــــــــــــــــــــــ 🔗 همین مطلب در سایر شبکههای اجتماعی: لینکدین | توئیتر | اینستاگرام ـــــــــــ…
❤64👍30
در آستانه شروع سال تحصیلی جدید، خوشحالم که در سومین گام از «طرح یادگیری و امید فرادرس»، فرصتی فراهم شده تا شما بتوانید یکی از دورههای آموزشی من را در فرادرس به صورت کاملا رایگان دریافت کنید. این طرح با هدف گسترش دسترسی به آموزشهای باکیفیت و فراهم کردن فرصتهای یادگیری بیشتر برای دانشجویان و کاربران گرامی اجرا شده است. موضوعات آموزشهای من در فرادرس حوزههای متنوعی را پوشش میدهند، از جمله: • برنامهنویسی در زبا…
❤42👍2
این روزها، زمان برگزاری مصاحبههای حضوری برای جذب دانشجویان دکتری است. تعدادی از دانشجویان و دوستان پرسشهایی را در این خصوص داشتند. سعی کردم طی یک آموزش کوتاه صوتی و رایگان، که هم اکنون روی فرادرس منتشر شده است، به این پرسشها پاسخ بدهم و نکاتی را که برای موفقیت در مصاحبه دکتری لازم هستند، تجمیع کنم. برای دسترسی به این آموزش، به لینک زیر مراجعه کنید: ✅ آموزش راهنمای آمادگی برای مصاحبه دکتری [+] 🔗 همین مطلب در…
❤23
🎁 طرح «آموزش و امید» فرادرس همچنان ادامه دارد... 🔶 در روزهایی که گذشت، بیش از همیشه به ارزش همراهی، یادگیری و امید فکر کردیم. 🔶 به همین دلیل، «طرح امید و آموزش» در فرادرس آغاز شد؛ طرحی که در آن، هر فرد میتواند یک آموزش را به انتخاب خود و بهصورت رایگان دریافت کند. 📣 برای استفاده از این فرصت، کافیست آموزش دلخواهتان را به سبد خرید اضافه کرده و در بخش کد تخفیف، کد زیر را وارد کنید: ⭐ کد تخفیف: IRAN 👈 لطفاً…
❤29
این لینک کوتاه صفحه طرح «آموزش و امید» است. fdrs.ir/omid این لینک برای ارسال و اشتراک از طریق پیامک مناسب است و میتوانید آن را به راحتی به دوستان و آشنایان خود بفرستید.
❤25👍3
Showing the 12 most recent of 20 posts we hold for @KalamiHeris. 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 — 1,355,485 of 1,478,351entries 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 1 registered channel — 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.
“kalami.ir” (@KalamiHeris), 4,030 subscribers as measured 12 August 2026. Telegram Register, tgregister.com/channel/KalamiHeris.
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.