Channel
@aaiss_aut
On this record: Growth · Engagement · Reactions · Posts · Citations · Cite this entry
1,475subscribers
-6 since we began measuring on 6 August 2026
Risers and fallers across the register · movement among entries of 1,000–3,162.
| Telegram ID | -1001492402671 |
|---|---|
| Type | Channel |
| Username | @aaiss_aut |
| Created | 11 July 2019 — measured — cross-checked against a third-party dataset (ext.tg_channel) |
| 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/aaiss_aut |
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 12 Aug 2026, 12:45 | 1,475 | -3 |
| 9 Aug 2026, 11:51 | 1,478 | -3 |
| 6 Aug 2026, 07:46 | 1,481 | no change |
| 6 Aug 2026, 05:04 | 1,481 | first reading |
17 posts held, back to 22 December 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 2 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 17 posts for this entry, the most recent from 7 January 2026. An engagement rate over an empty window would be a number about nothing.
152 reactions across 15 posts, in 5 distinct kinds. The most used accounts for 44.7% of them.
| Reaction | Count | Share | Share, drawn |
|---|---|---|---|
| ❤ | 68 | 44.7% | |
| 🔥 | 68 | 44.7% | |
| 👨💻 | 8 | 5.26% | |
| 🍾 | 5 | 3.29% | |
| ⚡ | 3 | 1.97% |
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 15 of the 17 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 152reactions in total: the kind of figure the paragraph above means by “a reaction total printed elsewhere on the page”.
Measured over the 17 most recent posts we hold, published 22 December 2025 to 7 January 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.
🤔 یادگیری تقویتی (Reinforcement Learning) چیست؟ 💡 یادگیری تقویتی (Reinforcement Learning) روشی از یادگیری ماشین است که در آن مدل بهجای دریافت جواب درست، فقط بازخورد (Feedback) میگیرد. 1️⃣ این بازخورد معمولاً به شکل یک عدد است: عدد مثبت → کار خوب 👍 عدد منفی → کار بد 😞 👍 مدل باید از روی همین عدد بفهمد دفعه بعد چه کاری بهتر است انجام دهد. 🧱اجزای اصلی در یادگیری تقویتی در هر مسئلهٔ RL چهار مفهوم اصلی وجود دارد: ❄…
🔥10👨💻1
✋ اما صبر کنید! ارائههای AAISS به پایان نرسیده و بهمحض آغاز ثبتنام ارائههای بعدی در همین کانال اطلاعرسانی خواهد شد 📣 ✅ Telegram 📱 Instagram 🌐 Website ❄️❄️❄️❄️❄️
🔥11❤1
📝 اسلایدهای دو ارائه نخست ششمین دوره AAISS که توسط استاد محمد زارع برگزار شد 🙂
❤11🔥1
ارائه دوم آغاز شده است 🔔 😶 نام کاربری، رمز عبور و لینک شرکت در ارائه برای شرکتکنندگان ایمیل شده است.
🔥8
🔔 نام کاربری، رمز عبور و لینک شرکت در ارائه اول برای شرکتکنندگان ایمیل شده است و به مرور تا شروع ارائه به دست همگی خواهد رسید. 💬 در صورت وجود مشکل در دریافت ایمیل یا ناقص بودن آن میتوانید با اکانت پشتیبانی در ارتباط باشید. 🆔 @aaiss_2026 ✅ Telegram 📱 Instagram 🌐 Website ❄️❄️❄️❄️❄️
⚡1
🤔 ویژگی (Feature) و مهندسی ویژگی (Feature Engineering) در یادگیری ماشین 1️⃣ ویژگی (Feature) ویژگی (Feature) یعنی هر اطلاعاتی از داده که مدل برای تصمیمگیری و یادگیری به آن نگاه میکند. مدل دادهٔ خام را مثل انسان نمیفهمد، پس ویژگیها راهی برای قابلفهم شدن داده برای مدل هستند. 💡 مثال ساده: 🚫✉️ میخواهیم تشخیص دهیم یک ایمیل اسپم است یا عادی: ❄️ آیا ایمیل لینک دارد یا نه ❄️ تعداد کلمات تبلیغاتی ❄️ طول ایمیل مدل با …
❤7🔥4👨💻2⚡1
🤔 توکن در پردازش متن چیست و چرا اهمیت دارد؟ 📌در هوش مصنوعی و پردازش زبان طبیعی (NLP)، مدلها نمیتوانند متن را به صورت یک تکهی کامل بفهمند. برای اینکه مدل بتواند متن را تحلیل کند، متن به واحدهای کوچکتری به نام توکن (Token) تقسیم میشود. 1️⃣ توکن چیست؟ توکن کوچکترین واحد متنی است که مدل روی آن کار میکند. معمولاً یک کلمه است: "AI", "is", "amazing" گاهی علائم نگارشی هم توکن هستند: "!" در بسیاری از مدلها، حتی بخ…
❤16🔥3👨💻1
جلسات اول و دوم از ارائههای ششمین دوره رویداد دانشجویی AAISS: ✔️معرفی یادگیری ماشین (Machine Learning) 🤖در این دو نشست مفاهیم پایه یادگیری ماشین (ML) رو معرفی میکنیم و با کاربردهای اون تو دنیای واقعی آشنا میشیم. 🎙ارائهدهنده: محمد زارع 👨🏫محمد (آریو برزن) زارع پژوهشگر دکتری فناوری اطلاعات در دانشگاه صنعتی شیراز، متخصص هوش مصنوعی و مدرس دانشگاه است. او بنیانگذار تیم مهندسی آریو برزن بوده و بیش از ۲۰ سال سابقه فع…
🔥9❤2⚡1
🤔مدل (Model) در هوش مصنوعی چیست؟ 📌در یادگیری ماشین، مدل ساختاری است که دادهها را تحلیل کرده و خروجی تولید میکند. همان چیزی است که «یاد میگیرد» و بعد استفاده میشود. مثال واقعی: 🐈⬛😕مدلی برای تشخیص عکسها به دو دسته «گربه» و «سگ»: ورودی: عکس حیوان خروجی: دستهبندی «گربه» یا «سگ» مراحل آموزش: 1️⃣ جمعآوری دادهها (Training Data): هزاران عکس با برچسب (پاسخ درست هر داده) 2️⃣ آموزش مدل (Training): یادگیری الگوها با ا…
❤10
ثبتنام دو ارائه نخست از سلسله ارائههای AAISS آغاز شده🔥 این دو ارائه مجازی و در سطح ابتدایی برای آشنایی با مفاهیم پایه هوش مصنوعی است. شرکت در این ارائهها رایگان و ظرفیت محدود است🥳 🗓پنجشنبه و جمعه ۱۲ و ۱۳ دی از ساعت ۱۶ تا ۱۸ 🔗برای ثبتنام و اطلاعات بیشتر به وبسایت ما مراجعه کنید. ✅ Telegram 📱 Instagram ❄️❄️❄️❄️❄️❄️❄️❄️❄️
🔥11❤2👨💻1
AAISS 2026 pinned a photo
💡 فرمت برگزاری ششمین دوره رویداد AAISS💡 🔴 در ششمین دورهی رویداد AAISS، تلاش کردهایم ساختاری طراحی کنیم که یادگیری عمیقتر، هدفمندتر و متناسب با سطح شرکتکنندگان باشد. ☺️ نحوه برگزاری : ارائهها بهصورت آنلاین برگزار میشوند و محتوای آموزشی در دو سطح مقدماتی و پیشرفته ارائه خواهد شد. ⏰ مدت زمان رویداد این دوره در بازهای حدود دو ماه برگزار میشود تا شرکتکنندگان فرصت کافی برای: درک عمیقتر مطالب بین جلسات ,مرور و…
❤6👨💻2
Showing the 12 most recent of 17 posts we hold for @aaiss_aut. 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 — 197,490 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.
Republished by
Channels on the register that have forwarded this channel's posts into their own feed.
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 3 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.
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.
“AAISS 2026” (@aaiss_aut), 1,475 subscribers as measured 12 August 2026. Telegram Register, tgregister.com/channel/aaiss_aut.
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.