عیدی کانال دیپ تایم🤩😎
عیدی کانال دیپ تایم معرفی یک مرجع عالی برای توسعه مهارتهای مهم هست.
در این زمان کلا محتوا به شدت زیاد هست اما محتوای علمی، مستند، مستدل و یکپارچه کمتر دیده میشه چون تولیدش به شدت سخته. خصوصا در مواردی مثل مدیریت، مذاکره، استراتژی، خود بحث یادگیری، زبان و ... با نقشه راه کامل.
بنیانگذار این وبسایت آقای محمدرضا شعبانعلی هست که یک مدیر و نویسنده موفق هستن و از قدیمی های مکانیک شریف و بعد هم ارشد مدیریت از شریف گرفتن. سابقه زیادی در بیزینسهای موفق بینالمللی و مشاوره داشتن. احتمال خیلی زیاد ایشون رو یک جایی دیدیدن!
اگر هم آشنا نیستید اینجا ببینید
در این وبسایت به یکسری محتوا بعد از ثبت نام رایگان دسترسی دارید و اگر حق عضویت بدید به ۹۰ درصد محتوا دسترسی پیدا میکنید. اگر پروژه مربوط به اون مطلب انجام بدید و در کامنت ها مشارکت کنید: ۱۰۰ درصد محتوا مثل فرآیند یادگیری در دانشگاه یا کورسرا.
حق عضویت ماهانه حدود ۷۰ تومن هست و سالانه ۵۸۰ (الان تخفیف زده).
میتونه سرمایهگذاری خیلی خوبی برای سال جدید باشه این مرجع علمی که یک کامیونیتی عالی هم دورش هست.
پ.ن.: این پست تبلیغ نیست و صرفا معرفی هست و اصلا متمم معروفتر و بزرگتر از این حرف هاست که یک کانال کوچیک بخواد تبلیغش کنه.
یک چرخ توش بزنید کیفیت محتوا شاخصه
وبسایت متمم www.motamem.org
@deeptimeai
عیدی کانال دیپ تایم معرفی یک مرجع عالی برای توسعه مهارتهای مهم هست.
در این زمان کلا محتوا به شدت زیاد هست اما محتوای علمی، مستند، مستدل و یکپارچه کمتر دیده میشه چون تولیدش به شدت سخته. خصوصا در مواردی مثل مدیریت، مذاکره، استراتژی، خود بحث یادگیری، زبان و ... با نقشه راه کامل.
بنیانگذار این وبسایت آقای محمدرضا شعبانعلی هست که یک مدیر و نویسنده موفق هستن و از قدیمی های مکانیک شریف و بعد هم ارشد مدیریت از شریف گرفتن. سابقه زیادی در بیزینسهای موفق بینالمللی و مشاوره داشتن. احتمال خیلی زیاد ایشون رو یک جایی دیدیدن!
اگر هم آشنا نیستید اینجا ببینید
در این وبسایت به یکسری محتوا بعد از ثبت نام رایگان دسترسی دارید و اگر حق عضویت بدید به ۹۰ درصد محتوا دسترسی پیدا میکنید. اگر پروژه مربوط به اون مطلب انجام بدید و در کامنت ها مشارکت کنید: ۱۰۰ درصد محتوا مثل فرآیند یادگیری در دانشگاه یا کورسرا.
حق عضویت ماهانه حدود ۷۰ تومن هست و سالانه ۵۸۰ (الان تخفیف زده).
میتونه سرمایهگذاری خیلی خوبی برای سال جدید باشه این مرجع علمی که یک کامیونیتی عالی هم دورش هست.
پ.ن.: این پست تبلیغ نیست و صرفا معرفی هست و اصلا متمم معروفتر و بزرگتر از این حرف هاست که یک کانال کوچیک بخواد تبلیغش کنه.
یک چرخ توش بزنید کیفیت محتوا شاخصه
وبسایت متمم www.motamem.org
@deeptimeai
👍1
#سریع_تر
سریعترین روش Mergre در Pandas
قراره یکسری پست کوتاه در رابطه با سرعت، اردر محاسباتی و ... اشتراک بذارم.
مرج کردن یکی از پایههای ثابت مهندسی داده هست و اینکه با سرعت بالا انجام بشه اهمیت داره.
خیلی ساده: اون ستونی که قراره بر اساسش مرج انجام بشه رو به index تبدیل کنید.
البته باز هم میشه سریع ترش کرد:
Link
@deeptimeai
سریعترین روش Mergre در Pandas
قراره یکسری پست کوتاه در رابطه با سرعت، اردر محاسباتی و ... اشتراک بذارم.
مرج کردن یکی از پایههای ثابت مهندسی داده هست و اینکه با سرعت بالا انجام بشه اهمیت داره.
خیلی ساده: اون ستونی که قراره بر اساسش مرج انجام بشه رو به index تبدیل کنید.
البته باز هم میشه سریع ترش کرد:
Link
@deeptimeai
Medium
I Have Been Merging Pandas Dataframes Completely Wrong
And why almost everyone is writing them inefficiently
👍1
Forwarded from Deep Time
یکی از مشکلات مهم در آموزش مدل با داده بزرگ بحث استفاده از رم یا memory usage هست.
برای مثال اگر LSTM بخواید ران کنید و داده بزرگی داشته باشید این اصلا منطقی نیست که کل رکوردهای پنجره زمانی رو هم زمان بسازید.
برای داده های بزرگ در هر مسئله دیگه ای هم درست نیست کل داده ها همزمان در مموری لود بشه.
راه حل در Keras:
استفاده از یک کلاس training_batch_generator
و استفاده از fit_generator بجای fit
Link
در Pytorch هم از dataloader استفاده میشه برای این مسئله.
برای مثال اگر LSTM بخواید ران کنید و داده بزرگی داشته باشید این اصلا منطقی نیست که کل رکوردهای پنجره زمانی رو هم زمان بسازید.
برای داده های بزرگ در هر مسئله دیگه ای هم درست نیست کل داده ها همزمان در مموری لود بشه.
راه حل در Keras:
استفاده از یک کلاس training_batch_generator
و استفاده از fit_generator بجای fit
Link
در Pytorch هم از dataloader استفاده میشه برای این مسئله.
Medium
Training on Large Datasets That Don’t Fit In Memory in Keras
Training your Deep Learning algorithms on a huge dataset that is too large to fit in memory? If yes, this article will be of great help to…
👍1
Media is too big
VIEW IN TELEGRAM
تا حالا شده به یک هدفی که خیلی منتظرش بودید برسید اما بعدش احساس پوچی کنید؟ و بپرسید که چی؟ یا کلا بعد از هر دستاوردی چنین حسی کنید؟
خوب این یک اتفاق خیلی جالبه در مورد هورمون دوپامین هست. و راه حلش اینه که اولا:
به صورت رندوم برای بعضی دستاوردها خوشحالی نکنید و جشن نگیرید و خیلی اعلام نکنید.
مثلا اگر ۲ تا قرارداد کاری خوب رو جلو بردید، برای سومی خوشحالی نکنید. شاید فکر کنید عدم ابرازش بد باشه اما به نوعی مثل یک شارژ در درون میمونه خوشحالیش.
ثانیا:
بیشتر از خود کار و مسیر لذت ببرید.
منبع: اپیزود مربوط به انگیزه از استاد علوم اعصاب و چشم پزشکی دانشگاه استنفرد، اندرو هیوبرمن
اینجا این استاد استفرد خاطره ای از دوران ارشدش میگه که استادش این تکنیکو عملا بهش یاد داده و اجازه نداده برای یک مقاله عالی که چاپ کردن هیچ خوشحالی کنه و جشن بگیره.
@deeptimeai
خوب این یک اتفاق خیلی جالبه در مورد هورمون دوپامین هست. و راه حلش اینه که اولا:
به صورت رندوم برای بعضی دستاوردها خوشحالی نکنید و جشن نگیرید و خیلی اعلام نکنید.
مثلا اگر ۲ تا قرارداد کاری خوب رو جلو بردید، برای سومی خوشحالی نکنید. شاید فکر کنید عدم ابرازش بد باشه اما به نوعی مثل یک شارژ در درون میمونه خوشحالیش.
ثانیا:
بیشتر از خود کار و مسیر لذت ببرید.
منبع: اپیزود مربوط به انگیزه از استاد علوم اعصاب و چشم پزشکی دانشگاه استنفرد، اندرو هیوبرمن
اینجا این استاد استفرد خاطره ای از دوران ارشدش میگه که استادش این تکنیکو عملا بهش یاد داده و اجازه نداده برای یک مقاله عالی که چاپ کردن هیچ خوشحالی کنه و جشن بگیره.
@deeptimeai
👍1
۸ اصل موفقیت Ray Dalio
آقای Ray Dalio یکی از شناخته شده ترین چهرههای اقتصاد و سرمایهگذاریه که مؤسس شرکت BridgeWater، یکی از بزرگترین شرکتهای سرمایهگذاری آمریکا هست. ویدئو با صدای خودش هست.
میتونه مفید باشه برای برنامه ریزی سال جدید و قرن جدید.
Link
@deeptimeai
آقای Ray Dalio یکی از شناخته شده ترین چهرههای اقتصاد و سرمایهگذاریه که مؤسس شرکت BridgeWater، یکی از بزرگترین شرکتهای سرمایهگذاری آمریکا هست. ویدئو با صدای خودش هست.
میتونه مفید باشه برای برنامه ریزی سال جدید و قرن جدید.
Link
@deeptimeai
YouTube
Principles For Success by Ray Dalio (In 30 Minutes)
Join me on a thought-provoking adventure in my new animated mini-series, Principles for Success. I've taken my book Principles, and distilled it into a 30 minute ultra mini series that focuses on the life principles that have helped me the most.
For more…
For more…
👍1
در برنامهنویسی و دیتاساینس یکی از مهم ترین موارد برای بهینه کد نوشتن این است که از نوشتن حلقه پرهیز شود و اردر محاسباتی کم باشد. مواردی مثل انتخاب درست ساختار داده، حل ماتریسی، Broadcasting، استفاده از متدهای Pandas، متد هایی مثل rolling برای کار سری زمانی در Pandas و ... میتواند راه حل جایگزین حلقه باشد.
اما اگر محبور بودیم از حلقه استفاده کنیم سریع ترین راه حل چیست؟
فرض کنید یک دیتافریم با میلیونها سطر و صدها ستون داریم و میخواهیم روی روی چند ستون کار کنیم و روی سطر ها حلقه بزنیم. در این حالت سریعترین روش استفاده از zip است. به این شکل که آن چند ستون مد نظر به فرمت Numpy تبدیل شده و zip شوند و حلقه زده شود:
For c1, c2, c3 in zip(df.column1.to_numpy(), df.column2.to_numpy(), df.column3.to_numpy()):
...
این روش میتواند تا ۳۰۰ برابر سرعت حلقه زدن را نسبت به روشهای معمول افزایش دهد.
#سریع_تر
@deeptimeai
اما اگر محبور بودیم از حلقه استفاده کنیم سریع ترین راه حل چیست؟
فرض کنید یک دیتافریم با میلیونها سطر و صدها ستون داریم و میخواهیم روی روی چند ستون کار کنیم و روی سطر ها حلقه بزنیم. در این حالت سریعترین روش استفاده از zip است. به این شکل که آن چند ستون مد نظر به فرمت Numpy تبدیل شده و zip شوند و حلقه زده شود:
For c1, c2, c3 in zip(df.column1.to_numpy(), df.column2.to_numpy(), df.column3.to_numpy()):
...
این روش میتواند تا ۳۰۰ برابر سرعت حلقه زدن را نسبت به روشهای معمول افزایش دهد.
#سریع_تر
@deeptimeai
👍1
Forwarded from Golem Course
https://xn--r1a.website/golemcourse
💰 میخواهید وارد بازار کار شوید؟
📕 میخواهید دانش و مهارت ضروری صنعت کامپیوتر را بلد باشید؟
🧠 عاشق یادگیری هستید؟
اگر پاسخ شما به سه سوال بالا منفی است، این کانال مناسب شما نیست!
لینک دسترسی به تمام ویدیوها به صورت رایگان:
🥉 مسیر یادگیری و تقویت زبان انگلیسی
🎯 آموزش زبان انگلیسی: (۳۰:۳۷ ساعت - به اتمام رسیده)
🔗 https://www.youtube.com/playlist?list=PLnEg28Nx10WFfZIvLeAqWegVlPRc_twmL
==================
🥈مسیر برنامهنویس شدن:
🎯 دوره آموزشی پایتون: (۱۲:۳۴ ساعت - در حال ضبط)
🔗 https://www.youtube.com/playlist?list=PLnEg28Nx10WFuBHjDLlYEJ4JboPIp55Yr
🎯 دوره آموزشی گیت: (۴:۰۶ ساعت - به اتمام رسیده)
🔗 https://www.youtube.com/playlist?list=PLnEg28Nx10WFSSv9VK_sgrbMvqZTzgUKP
🎯 دوره تست نرمافزار با پایتون: (۱:۲۰ ساعت - به اتمام رسیده)
🔗 https://www.youtube.com/playlist?list=PLnEg28Nx10WH3aIJt3FytieIygLnvCxg0
==================
🥇 مسیر کار تیمی و ایجاد نرمافزار
🎯 دوره آموزشی اسکرام: (۲:۳۰ ساعت - به اتمام رسیده)
🔗 https://www.youtube.com/playlist?list=PLnEg28Nx10WHQdWRdMscMD49gd9QuYeMT
🎯 دوره مهندسی نیازمندیها: (۴:۱۸ ساعت - به اتمام رسیده)
🔗 https://www.youtube.com/playlist?list=PLnEg28Nx10WHwY6vOlnFYAQWC-SYXl6Uy
🎯 دوره مدیریت پروژه: (۳:۱۶ ساعت - در حال ضبط)
🔗 https://www.youtube.com/playlist?list=PLnEg28Nx10WFS6QLqLvPtWouy1uQ05BZP
==================
💰 میخواهید وارد بازار کار شوید؟
📕 میخواهید دانش و مهارت ضروری صنعت کامپیوتر را بلد باشید؟
🧠 عاشق یادگیری هستید؟
اگر پاسخ شما به سه سوال بالا منفی است، این کانال مناسب شما نیست!
لینک دسترسی به تمام ویدیوها به صورت رایگان:
🥉 مسیر یادگیری و تقویت زبان انگلیسی
🎯 آموزش زبان انگلیسی: (۳۰:۳۷ ساعت - به اتمام رسیده)
🔗 https://www.youtube.com/playlist?list=PLnEg28Nx10WFfZIvLeAqWegVlPRc_twmL
==================
🥈مسیر برنامهنویس شدن:
🎯 دوره آموزشی پایتون: (۱۲:۳۴ ساعت - در حال ضبط)
🔗 https://www.youtube.com/playlist?list=PLnEg28Nx10WFuBHjDLlYEJ4JboPIp55Yr
🎯 دوره آموزشی گیت: (۴:۰۶ ساعت - به اتمام رسیده)
🔗 https://www.youtube.com/playlist?list=PLnEg28Nx10WFSSv9VK_sgrbMvqZTzgUKP
🎯 دوره تست نرمافزار با پایتون: (۱:۲۰ ساعت - به اتمام رسیده)
🔗 https://www.youtube.com/playlist?list=PLnEg28Nx10WH3aIJt3FytieIygLnvCxg0
==================
🥇 مسیر کار تیمی و ایجاد نرمافزار
🎯 دوره آموزشی اسکرام: (۲:۳۰ ساعت - به اتمام رسیده)
🔗 https://www.youtube.com/playlist?list=PLnEg28Nx10WHQdWRdMscMD49gd9QuYeMT
🎯 دوره مهندسی نیازمندیها: (۴:۱۸ ساعت - به اتمام رسیده)
🔗 https://www.youtube.com/playlist?list=PLnEg28Nx10WHwY6vOlnFYAQWC-SYXl6Uy
🎯 دوره مدیریت پروژه: (۳:۱۶ ساعت - در حال ضبط)
🔗 https://www.youtube.com/playlist?list=PLnEg28Nx10WFS6QLqLvPtWouy1uQ05BZP
==================
Telegram
Golem Course
Alireza Aghamohammadi, Ph.D.
https://youtube.com/@GolemCourse
https://youtube.com/@GolemCourse
❤1👍1
معرفی کتاب صفر به یک
در خیلی از مصاحبههای لکس فریدمن با افراد برجسته شرکتهای موفق و یا نوپای دنیا، احتمالا نام یک کتاب را در آخر پادکست از مصاحبه شونده میشنوید. این کتاب از یک دوره آموزشی در دانشگاه استنفرد برای استارتاپها که در سال ۲۰۱۲ برگزار شده، نشأت میگیرد.
یکی از مهمترین کتابهای حوزه فناوری و کسب و کار که خصوصا برای استارتاپها اهمیت دارد، کتاب صفر به یک اثر پیتر تیل است.
پیتر تیل بنیانگذار PayPal و از اولین سرمایهگذاران فیسبوک، اسپیس اکس و بسیاری شرکت دیگر است.
"تقلید از یک الگو آسانتر از خلق چیزی نو است. انجام دادن کاری که میدانیم چگونه آن را انجام دهیم، جهان را از 1 به n میبرد و چیزی آشنا به آن خواهد افزود. اما هرگاه چیزی نو خلق میکنیم، از «صفر به یک» میرویم.
عمل خلق، منحصر به فرد است، همانند خلق کردن چیزی بااهمیت! و نتیجه چیزی تازه و غریب است."
هنوز کتاب را کامل مطالعه نکرده ام اما کتاب ته تنها بسیار آموزنده و جذاب است، بلکه نگاه بسیار جامع و دقیقی دارد.
@deeptimeai
در خیلی از مصاحبههای لکس فریدمن با افراد برجسته شرکتهای موفق و یا نوپای دنیا، احتمالا نام یک کتاب را در آخر پادکست از مصاحبه شونده میشنوید. این کتاب از یک دوره آموزشی در دانشگاه استنفرد برای استارتاپها که در سال ۲۰۱۲ برگزار شده، نشأت میگیرد.
یکی از مهمترین کتابهای حوزه فناوری و کسب و کار که خصوصا برای استارتاپها اهمیت دارد، کتاب صفر به یک اثر پیتر تیل است.
پیتر تیل بنیانگذار PayPal و از اولین سرمایهگذاران فیسبوک، اسپیس اکس و بسیاری شرکت دیگر است.
"تقلید از یک الگو آسانتر از خلق چیزی نو است. انجام دادن کاری که میدانیم چگونه آن را انجام دهیم، جهان را از 1 به n میبرد و چیزی آشنا به آن خواهد افزود. اما هرگاه چیزی نو خلق میکنیم، از «صفر به یک» میرویم.
عمل خلق، منحصر به فرد است، همانند خلق کردن چیزی بااهمیت! و نتیجه چیزی تازه و غریب است."
هنوز کتاب را کامل مطالعه نکرده ام اما کتاب ته تنها بسیار آموزنده و جذاب است، بلکه نگاه بسیار جامع و دقیقی دارد.
@deeptimeai
Deep Time
معرفی کتاب صفر به یک در خیلی از مصاحبههای لکس فریدمن با افراد برجسته شرکتهای موفق و یا نوپای دنیا، احتمالا نام یک کتاب را در آخر پادکست از مصاحبه شونده میشنوید. این کتاب از یک دوره آموزشی در دانشگاه استنفرد برای استارتاپها که در سال ۲۰۱۲ برگزار شده، نشأت…
"کتاب «صفر به یک» آنقدر بین کارآفرینان و استارتاپها محبوب است که مجله فوربز گفته که خواندن آن به شما احساس قدرت فرابشری میدهد. این کتاب از زمان انتشار همواره جزو پرفروشترین کتابهای حوزه نوآوری، کارآفرینی و استارتاپها بوده است و در اغلب لیستهای «کتابهایی که حتما باید مطالعه کرد» قرار دارد."
متن از سایت نشر نوین
متن از سایت نشر نوین
👍1
کار جالب MIT در پیشبینی Multivariate TimeSeries که نتایج بهتری در قیاس با مدلهای قبلی و ماشین لرنینگ در مسائل مختلف (از جمله بازار سهام) داشته است.
هرچند الگوریتم پیچیدهای به کار گرفته شده، اما مدل بسیار سبک است و کار با آن ساده است.
چند ویژگی:
۱_ مدل علاوه بر پیشبینی، احتمال و confidence را نیز گزارش میکند.
۲_ این مدل Missing Values را نیز به شکل ویژهای مدیریت میکند.
۳_ مدل از دیتابیس مخصوصی به نام tspDB استفاده میکند که توسط همین گروه تحقیقاتی در سال ۲۰۱۸ توسعه داده شده است.
Link
@deeptimeai
هرچند الگوریتم پیچیدهای به کار گرفته شده، اما مدل بسیار سبک است و کار با آن ساده است.
چند ویژگی:
۱_ مدل علاوه بر پیشبینی، احتمال و confidence را نیز گزارش میکند.
۲_ این مدل Missing Values را نیز به شکل ویژهای مدیریت میکند.
۳_ مدل از دیتابیس مخصوصی به نام tspDB استفاده میکند که توسط همین گروه تحقیقاتی در سال ۲۰۱۸ توسعه داده شده است.
Link
@deeptimeai
MIT News
A tool for predicting the future
By adapting a powerful algorithm, MIT researchers created a user-friendly tool that enables a nonexpert to make predictions with high accuracy using time-series data with just a few keystrokes and in a matter of seconds.
👍1
Deep Time
این هفته در خصوص کاربرد علوم کامپیوتر و هوش مصنوعی در بازارهای مالی در دانشگاه ارائه ای دارم. دوستان دانشگاه شریف اگر میخواین در این جلسه شرکت کنید، ایمیل cw.sharif تون رو برای من بفرستید تا در این کلاس اضافه بشید.
YouTube
در مسیر صنعت | کاربرد علوم کامپیوتر و هوش مصنوعی در بازارهای مالی | گفت و گو با محمد طلایی
آیا میتوانیم بازار سهام را پیشبینی کنیم؟
فرق سرمایهگذاری و معاملهگری چیست؟
چگونه از مدلهای آماری میتوانیم در بازارهای مالی استفاده کنیم؟
راههای ارتباط با من در شبکههای اجتماعی:
https://xn--r1a.website/golemcourse
https://github.com/aaghamohammadi
https://…
فرق سرمایهگذاری و معاملهگری چیست؟
چگونه از مدلهای آماری میتوانیم در بازارهای مالی استفاده کنیم؟
راههای ارتباط با من در شبکههای اجتماعی:
https://xn--r1a.website/golemcourse
https://github.com/aaghamohammadi
https://…
👍1
JPX Tokyo Stock Exchange Prediction 63000$
مسابقه بازار سهام توکیو در کگل چند روز پیش شروع شده. تیم ها در آخر باید سهام رو به ترتیب از بهترین (خوب برای خرید) به بدترین (خوب برای فروش) رنک کنند.
#Kaggle
#Quantitative_Finance
@deeptimeai
مسابقه بازار سهام توکیو در کگل چند روز پیش شروع شده. تیم ها در آخر باید سهام رو به ترتیب از بهترین (خوب برای خرید) به بدترین (خوب برای فروش) رنک کنند.
#Kaggle
#Quantitative_Finance
@deeptimeai
Kaggle
JPX Tokyo Stock Exchange Prediction
Explore the Tokyo market with your data science skills
👍1
Deep Time
JPX Tokyo Stock Exchange Prediction 63000$ مسابقه بازار سهام توکیو در کگل چند روز پیش شروع شده. تیم ها در آخر باید سهام رو به ترتیب از بهترین (خوب برای خرید) به بدترین (خوب برای فروش) رنک کنند. #Kaggle #Quantitative_Finance @deeptimeai
Kaggle
【English ver】Easy to understand the competition
Explore and run machine learning code with Kaggle Notebooks | Using data from JPX Tokyo Stock Exchange Prediction
Transfer Learning for Time Series
پیشرفت جالبی در زمینه یادگیری انتقالی در سری زمانی اتفاق افتاده.
Link
@deeptimeai
پیشرفت جالبی در زمینه یادگیری انتقالی در سری زمانی اتفاق افتاده.
Link
@deeptimeai
Arxiv-Vanity
Few-Shot Forecasting of Time-Series with Heterogeneous Channels
Learning complex time series forecasting models usually requires a large amount of data, as each model is trained from scratch for each task/data set.
Leveraging learning experience with similar datasets is a well-established technique for classification…
Leveraging learning experience with similar datasets is a well-established technique for classification…
👍1
Time Series with Konrad session 5
TS-5: Automatic for the people
Abstract: In this episode we focus on the idea of a one stop shop for time series analysis: in the last few years, several packages have appeared that position themselves in such a fashion.We will take them for a test drive and have a look at how close they come to fulfilling the promise.
چهارشنبه 24 فروردین ساعت 19
@deeptimeai
TS-5: Automatic for the people
Abstract: In this episode we focus on the idea of a one stop shop for time series analysis: in the last few years, several packages have appeared that position themselves in such a fashion.We will take them for a test drive and have a look at how close they come to fulfilling the promise.
چهارشنبه 24 فروردین ساعت 19
@deeptimeai
YouTube
TS-5: Automatic for the people
Abstract: In this episode we focus on the idea of a one stop shop for time series analysis: in the last few years, several packages have appeared that positi...
فرض کنید یک مدل خوب برای پیشبینی Stock Market ساختید و Back-Test استراتژی رو هم با ملاحظات فنی انجام دادید و جواب خوب هست. مدل و استراتژی رو در Real Time توسط یک ربات معاملهگر برای معامله کردن اجرا میکنید. اما معاملات طبق پیشبینی شما پیش نمیرن و موفق نیستن.
علتش چیه؟
مدل نکردن پاسخ بازار به سفارشات و معاملات خودتون! شما بازار رو شبیه سازی نکردید و صرفا از داده های گذشته (که شما در اون هیچ معامله یا سفارشی با این مدل اعمال نکردید) به عنوان شبیه سازی محیط معامله استفاده کردید. این یکی از مهم ترین موارد هست. دقت کنید که در بازار شما با بسیاری ربات طرف هستید که به محض اینکه سفارش قرار میدین (هرچند کوچک) واکنش نشون میدن و اون رو سیگنال تلقی میکنن حتی اگر سرخط معامله بزنید.
راه حل:
شبیهسازی بازار با وجود سفارشات و استراتژی معاملات خودتون. اما چطور؟ قبلا عموما با استفاده از مدل های multi-agent بازار شبیه سازی میشده اما این نوع شبیه سازی صرفا تلاشی برای تقلید یک فضای بازار با حضور معامله گرانی با استراتژی های diverse هست و اطلاعات تاریخی سطح agent هم برای عموم (یا حتی خرید) وجود نداره.
برای پاسخ به این مشکل در روش جدید این مقاله، بازار با استفاده از تکنیک Conditional Generative Adversarial Networks شبیه سازی میشه. این مدل به خوبی پاسخ واقعی بازار رو شبیه سازی میکنه و نتایج بهتری نسبت به مدل های قبل داره.
سوال:
مورد مشابه این کار برای تولید دیتای بازار که در پست های کانال هست چی بود؟
@deeptimeai
علتش چیه؟
مدل نکردن پاسخ بازار به سفارشات و معاملات خودتون! شما بازار رو شبیه سازی نکردید و صرفا از داده های گذشته (که شما در اون هیچ معامله یا سفارشی با این مدل اعمال نکردید) به عنوان شبیه سازی محیط معامله استفاده کردید. این یکی از مهم ترین موارد هست. دقت کنید که در بازار شما با بسیاری ربات طرف هستید که به محض اینکه سفارش قرار میدین (هرچند کوچک) واکنش نشون میدن و اون رو سیگنال تلقی میکنن حتی اگر سرخط معامله بزنید.
راه حل:
شبیهسازی بازار با وجود سفارشات و استراتژی معاملات خودتون. اما چطور؟ قبلا عموما با استفاده از مدل های multi-agent بازار شبیه سازی میشده اما این نوع شبیه سازی صرفا تلاشی برای تقلید یک فضای بازار با حضور معامله گرانی با استراتژی های diverse هست و اطلاعات تاریخی سطح agent هم برای عموم (یا حتی خرید) وجود نداره.
برای پاسخ به این مشکل در روش جدید این مقاله، بازار با استفاده از تکنیک Conditional Generative Adversarial Networks شبیه سازی میشه. این مدل به خوبی پاسخ واقعی بازار رو شبیه سازی میکنه و نتایج بهتری نسبت به مدل های قبل داره.
سوال:
مورد مشابه این کار برای تولید دیتای بازار که در پست های کانال هست چی بود؟
@deeptimeai
👍1