@Python4finance_Machine_Learning_with_Python_Principles_and_Practical.pdf
86.2 MB
دانلود کتاب «یادگیری ماشین با پایتون: اصول و تکنیکهای کاربردی» به انگلیسی «Machine Learning with Python: Principles and Practical Techniques»
اگر به دنبال مسیری مشخص برای ورود به دنیای یادگیری ماشین با پایتون هستید، این کتاب یکی از بهترین انتخابهای اخیر است. نویسنده با نگاهی کاربردی، مفاهیم کلیدی ML را از سطح پایه تا مدلهای پیشرفته توضیح میدهد و در هر بخش کدهای پایتون ارائه میکند. برخلاف بسیاری از منابع پراکنده، این کتاب یک نقشه راه منسجم دارد و دقیقاً میگوید برای ساخت مدلهای هوشمند چه باید بدانید و چگونه باید آنها را پیادهسازی کنید.
#دانلود_کتاب
#یادگیری_ماشین
#Machine_learning
پایتون برای مالی
🆔 t.me/python4finance
🆔 ble.ir/python4finance
اگر به دنبال مسیری مشخص برای ورود به دنیای یادگیری ماشین با پایتون هستید، این کتاب یکی از بهترین انتخابهای اخیر است. نویسنده با نگاهی کاربردی، مفاهیم کلیدی ML را از سطح پایه تا مدلهای پیشرفته توضیح میدهد و در هر بخش کدهای پایتون ارائه میکند. برخلاف بسیاری از منابع پراکنده، این کتاب یک نقشه راه منسجم دارد و دقیقاً میگوید برای ساخت مدلهای هوشمند چه باید بدانید و چگونه باید آنها را پیادهسازی کنید.
#دانلود_کتاب
#یادگیری_ماشین
#Machine_learning
پایتون برای مالی
🆔 t.me/python4finance
🆔 ble.ir/python4finance
❤35
مقایسه 10 کتابخانه اصلی پایتون برای کار با داده ها
در هنگام کار با پروژه های واقعی، فراخوانی داده ها بسیار حائز اهیمت است. در پست های قبلی مفصل در خصوص کتابخانه پانداس و کتابخانه های مشابه صحبت کرده بودم. ماژول های متداول برای کار با داده ها و کاربرد اصلی آنها به شرح زیر است:
در جدول این پست مقایسه 10 تا از اصلی ترین کتابخانه های پایتون برای کار با داده ها و ویژگی های کلیدی هر کدام بررسی شده است.
#pandas
پایتون برای مالی
🆔 t.me/python4finance
🆔 ble.ir/python4finance
در هنگام کار با پروژه های واقعی، فراخوانی داده ها بسیار حائز اهیمت است. در پست های قبلی مفصل در خصوص کتابخانه پانداس و کتابخانه های مشابه صحبت کرده بودم. ماژول های متداول برای کار با داده ها و کاربرد اصلی آنها به شرح زیر است:
ماژول pandas: پایه و استاندارد اکثر تحلیلهای داده کوچک و متوسط.
ماژول NumPy: پایهٔ محاسبات عددی و الگوریتمهای علمی.
ماژول Polars / Vaex: جایگزین سریع pandas برای دادههای بزرگ.
ماژول Dask / Modin: برای دادههای بزرگ و پردازش موازی یا توزیعشده.
ماژول DuckDB: کوئری های SQL تحلیلی و query روی فایلهای بزرگ (Parquet, CSV).
ماژول SQLite: ذخیرهسازی محلی و کارهای transactional کوچک.
ماژول PyArrow: تعامل ستونمحور بین DataFrameها و فایلهای Parquet.
ماژول OpenPyXL / xlrd / xlwt: تعامل با Excel و دادههای جدولی سنتی.
در جدول این پست مقایسه 10 تا از اصلی ترین کتابخانه های پایتون برای کار با داده ها و ویژگی های کلیدی هر کدام بررسی شده است.
#pandas
پایتون برای مالی
🆔 t.me/python4finance
🆔 ble.ir/python4finance
❤32
طلا در 2026 به کجا خواهد رسید؟
در اوایل سال 2025 در این پست گفته بودم که سال 2025 سال کامودیتی ها است و علاوه بر طلا و نقره شاهد تحرکات زیادی در فلزات کاربردی مثل مس خواهیم بود. اگر بحث های بنیادی مانند جنگ اوکراین و جنگ ونزوئلا را کنار بگذاریم و فقط دید تکنیکال داشته باشیم پیش بینی قیمت طلای جهانی در قالب تصویر این پست نمایش داده می شود.
پی نوشت: مجددا یادآوری می کنم این پست صرفا با هدف آموزش انجام شده است و عزیزان در صورتی که قصد سرمایه گذاری در طلا را دارند باید خودشان تحلیل انجام دهند.
🆔 t.me/python4finance
🆔 ble.ir/python4finance
در اوایل سال 2025 در این پست گفته بودم که سال 2025 سال کامودیتی ها است و علاوه بر طلا و نقره شاهد تحرکات زیادی در فلزات کاربردی مثل مس خواهیم بود. اگر بحث های بنیادی مانند جنگ اوکراین و جنگ ونزوئلا را کنار بگذاریم و فقط دید تکنیکال داشته باشیم پیش بینی قیمت طلای جهانی در قالب تصویر این پست نمایش داده می شود.
پی نوشت: مجددا یادآوری می کنم این پست صرفا با هدف آموزش انجام شده است و عزیزان در صورتی که قصد سرمایه گذاری در طلا را دارند باید خودشان تحلیل انجام دهند.
🆔 t.me/python4finance
🆔 ble.ir/python4finance
❤17
یک سایت هوش مصنوعی جالب برای تحلیل گران مالی
اگر به دنبال یک ابزار مبتنی بر هوش مصنوعی برای انجام پیشبینیهای روزانه و کمک به سرمایهگذاران در ایجاد ثروت پایدار هستید، هوش مصنوعی stockinvest.us را به شما پیشنهاد می کنم.
به کمک این ابزار، انواع و اقسام تحلیل ها را روی یک نماد می توانید انجام دهید و جالب تر آنکه یک گزارش تحلیلی دقیق از هوش مصنوعی دریافت کنید.
برای برنامهنویسهای حوزه فایننس و علاقهمندان به Python، این سایت میتونه منبع خوبی برای:
➖ ایدهگرفتن برای ساخت سیستمهای تحلیلی
➖ مقایسه خروجی الگوریتمهای شخصی با تحلیلهای آماده
➖ و بررسی منطق سیگنالدهی،
باشه.
البته توجه داریم که مثل همیشه، خروجی این ابزارها پیشنهاد سرمایهگذاری قطعی نیست و حتماً باید در کنار تحلیل شخصی و مدیریت ریسک استفاده شود.
🌐 لینک سایت : stockinvest.us
#AI
🆔 t.me/python4finance
🆔 ble.ir/python4finance
اگر به دنبال یک ابزار مبتنی بر هوش مصنوعی برای انجام پیشبینیهای روزانه و کمک به سرمایهگذاران در ایجاد ثروت پایدار هستید، هوش مصنوعی stockinvest.us را به شما پیشنهاد می کنم.
به کمک این ابزار، انواع و اقسام تحلیل ها را روی یک نماد می توانید انجام دهید و جالب تر آنکه یک گزارش تحلیلی دقیق از هوش مصنوعی دریافت کنید.
برای برنامهنویسهای حوزه فایننس و علاقهمندان به Python، این سایت میتونه منبع خوبی برای:
➖ ایدهگرفتن برای ساخت سیستمهای تحلیلی
➖ مقایسه خروجی الگوریتمهای شخصی با تحلیلهای آماده
➖ و بررسی منطق سیگنالدهی،
باشه.
البته توجه داریم که مثل همیشه، خروجی این ابزارها پیشنهاد سرمایهگذاری قطعی نیست و حتماً باید در کنار تحلیل شخصی و مدیریت ریسک استفاده شود.
🌐 لینک سایت : stockinvest.us
#AI
🆔 t.me/python4finance
🆔 ble.ir/python4finance
❤32
شب،
ستارهها را به احترامش بیدار نگه داشته بود
و کعبه،
دلش را گشود
تا مردی متولد شود
که نامش
وزنِ عدالت داشت
و صدایش
پناهِ تمام بیپناهان بود…
امروز
جهان
با نام علی
دوباره متولد شد.
میلاد با سعادت مولی الموحدین، امیرالمومنین، حضرت علیبن ابیطالب (ع) مبارک باد.
#مناسبت
🆔 t.me/python4finance
🆔 ble.ir/python4finance
ستارهها را به احترامش بیدار نگه داشته بود
و کعبه،
دلش را گشود
تا مردی متولد شود
که نامش
وزنِ عدالت داشت
و صدایش
پناهِ تمام بیپناهان بود…
امروز
جهان
با نام علی
دوباره متولد شد.
میلاد با سعادت مولی الموحدین، امیرالمومنین، حضرت علیبن ابیطالب (ع) مبارک باد.
#مناسبت
🆔 t.me/python4finance
🆔 ble.ir/python4finance
❤62
کدامیک از سرفصل های زیر را برای ادامه تولید محتوای کانال پیشنهاد می کنید؟
Anonymous Poll
55%
مدل سازی مالی
27%
یادگیری ماشین
23%
یادگیری عمیق
33%
هوش مصنوعی و agentic ai
11%
ساخت خروجی با streamlit and gradio
19%
مباحث پایه پایتون، پاندای، نامپای، مت پلات
29%
آمار و اقتصاد سنجی
4%
سایر
❤42
دوستان عزیزم سلام
ان شالله که حال همگی خوب باشه،
راستش برای ادامه فعالیت کانال می خواستم محتوا آماده کنم گفتم نظر شما رو بپرسم و متناسب با درخواست شما عزیزان محتوا آماده کنم. ممنون می شوم در نظر سنجی مشارکت داشته باشید.🌺
در ضمن امکان انتخاب چند گزینه هم وجود داره
ان شالله که حال همگی خوب باشه،
راستش برای ادامه فعالیت کانال می خواستم محتوا آماده کنم گفتم نظر شما رو بپرسم و متناسب با درخواست شما عزیزان محتوا آماده کنم. ممنون می شوم در نظر سنجی مشارکت داشته باشید.🌺
در ضمن امکان انتخاب چند گزینه هم وجود داره
❤44
آشنایی با مدل هوش مصنوعی Finance-Llama-8B
حتما همه شما تا الان با یکی از این چت بات های هوشمند که مبتنی بر مدل های هوش مصنوعی (LLM) هستند کار کرده اید. هوش مصنوعی هایی مانند chatgpt و deepseek و ... . این هوش مصنوعی ها بر پایه یک مدل هوش مصنوعی مدل زبانی بزرگ یا LLM ایجاد شده اند. یکی از این مدل ها؛ مدل Llama است که توسط شرکت Meta توسعه داده شده است. بر روی این مدل، با استفاده از داده های اقتصادی و مالی ، یک مدل دیگر به نام Finance-Llama-8B توسعه داده شده است که ویژگی های بسیار جالبی دارد، مثلا تحلیل صورتهای مالی، بررسی گزارشهای سالانه و 10-K، تحلیل بازار، ریسک و بازده و تحلیل مفاهیم اقتصاد کلان و مالی رفتاری.
می توانید صورت مالی یک شرکت را به مدل بدهید و به راحتی بخواهید که آن را تحلیل کند و نسب های مالی را استخراج کند.
دقت مدل به حدی است که در پاسخ گویی به سوالات آزمون CFA کاملا موفق عمل کرده است.
همچنین مدل در تشخیص زبان فارسی به نحو بسیار خوبی عمل می کند.
برای بررسی این مدل به صورت آنلاین می توانید از لینک زیر استفاده کنید یا مدل را روی رایانه خود نصب کنید.
🌐 بررسی آنلاین مدل Finance-Llama-8B
پینوشت: بعدا ان شاء الله مطالب و آموزش هایی را در خصوص اصول کار LLM ها و راهنمای استفاده از مدلهای هوش مصنوعی روی رایانه های شخصی در کانال قرار می دهم. اگر علاقه مند بودید که آموزش این موضوع با اولویت در کانال منتشر شود، لطفا با ❤️ اعلام نمایید.
#AI
🆔 t.me/python4finance
🆔 ble.ir/python4finance
حتما همه شما تا الان با یکی از این چت بات های هوشمند که مبتنی بر مدل های هوش مصنوعی (LLM) هستند کار کرده اید. هوش مصنوعی هایی مانند chatgpt و deepseek و ... . این هوش مصنوعی ها بر پایه یک مدل هوش مصنوعی مدل زبانی بزرگ یا LLM ایجاد شده اند. یکی از این مدل ها؛ مدل Llama است که توسط شرکت Meta توسعه داده شده است. بر روی این مدل، با استفاده از داده های اقتصادی و مالی ، یک مدل دیگر به نام Finance-Llama-8B توسعه داده شده است که ویژگی های بسیار جالبی دارد، مثلا تحلیل صورتهای مالی، بررسی گزارشهای سالانه و 10-K، تحلیل بازار، ریسک و بازده و تحلیل مفاهیم اقتصاد کلان و مالی رفتاری.
می توانید صورت مالی یک شرکت را به مدل بدهید و به راحتی بخواهید که آن را تحلیل کند و نسب های مالی را استخراج کند.
دقت مدل به حدی است که در پاسخ گویی به سوالات آزمون CFA کاملا موفق عمل کرده است.
همچنین مدل در تشخیص زبان فارسی به نحو بسیار خوبی عمل می کند.
برای بررسی این مدل به صورت آنلاین می توانید از لینک زیر استفاده کنید یا مدل را روی رایانه خود نصب کنید.
🌐 بررسی آنلاین مدل Finance-Llama-8B
پینوشت: بعدا ان شاء الله مطالب و آموزش هایی را در خصوص اصول کار LLM ها و راهنمای استفاده از مدلهای هوش مصنوعی روی رایانه های شخصی در کانال قرار می دهم. اگر علاقه مند بودید که آموزش این موضوع با اولویت در کانال منتشر شود، لطفا با ❤️ اعلام نمایید.
#AI
🆔 t.me/python4finance
🆔 ble.ir/python4finance
❤85
This media is not supported in your browser
VIEW IN TELEGRAM
میلاد با سعادت منجی عالم بشریت، حضرت مهدی موعود (ع) مبارک باد.
#مناسبت
🆔 t.me/python4finance
🆔 ble.ir/python4finance
#مناسبت
🆔 t.me/python4finance
🆔 ble.ir/python4finance
❤65
معرفی کتاب «اقتصاد سنجی و علم داده» به انگلیسی «Econometrics and Data Science»
این کتاب با نگاهی حرفهای و کاربردی، پلی میان اقتصادسنجی کلاسیک و علم داده و یادگیری ماشین ایجاد میکند و نشان میدهد چگونه میتوان مسائل اقتصادی را با رویکردی مدرن و مبتنی بر داده حلوفصل کرد. نویسنده از مفاهیم پایهای مانند واریانس، کوواریانس و رگرسیون حداقل مربعات شروع کرده و به ارزیابی مدلها، تحلیل باقیماندهها و تفسیر نتایج میپردازد. سپس با فاصله گرفتن از مدلهای سنتی سری زمانی، مدلهای جمعپذیر غیرخطی را معرفی میکند. کتاب همچنین به مدلسازی غیرخطی از طریق رگرسیون لجستیک، مدلهای مارکوف پنهان و خوشهبندی K-Means میپردازد. در ادامه، کاربرد عملی یادگیری عمیق، شبیهسازی مونتکارلو و مدلیابی معادلات ساختاری برای تحلیل روابط علّی تشریح میشود. تمامی مباحث با استفاده از پایتون و کتابخانههای کلیدی مانند Scikit-Learn، Keras و Pandas پیادهسازی شدهاند. این کتاب منبعی ارزشمند برای تحلیلگران مالی است که بهدنبال ارتقای مهارتهای تحلیلی خود با ابزارهای نوین دادهمحور هستند.
#معرفی_کتاب
#اقتصاد_سنجی
#یادگیری_ماشین
🆔 @python4finance
این کتاب با نگاهی حرفهای و کاربردی، پلی میان اقتصادسنجی کلاسیک و علم داده و یادگیری ماشین ایجاد میکند و نشان میدهد چگونه میتوان مسائل اقتصادی را با رویکردی مدرن و مبتنی بر داده حلوفصل کرد. نویسنده از مفاهیم پایهای مانند واریانس، کوواریانس و رگرسیون حداقل مربعات شروع کرده و به ارزیابی مدلها، تحلیل باقیماندهها و تفسیر نتایج میپردازد. سپس با فاصله گرفتن از مدلهای سنتی سری زمانی، مدلهای جمعپذیر غیرخطی را معرفی میکند. کتاب همچنین به مدلسازی غیرخطی از طریق رگرسیون لجستیک، مدلهای مارکوف پنهان و خوشهبندی K-Means میپردازد. در ادامه، کاربرد عملی یادگیری عمیق، شبیهسازی مونتکارلو و مدلیابی معادلات ساختاری برای تحلیل روابط علّی تشریح میشود. تمامی مباحث با استفاده از پایتون و کتابخانههای کلیدی مانند Scikit-Learn، Keras و Pandas پیادهسازی شدهاند. این کتاب منبعی ارزشمند برای تحلیلگران مالی است که بهدنبال ارتقای مهارتهای تحلیلی خود با ابزارهای نوین دادهمحور هستند.
#معرفی_کتاب
#اقتصاد_سنجی
#یادگیری_ماشین
🆔 @python4finance
❤21
@python4finance_Econometrics_and_Data_Science_Apply_Data_Science.pdf
9.9 MB
دانلود کتاب «اقتصاد سنجی و علم داده» به انگلیسی «Econometrics and Data Science»
این کتاب منبعی ارزشمند برای تحلیلگران مالی است که بهدنبال ارتقای مهارتهای تحلیلی خود با ابزارهای نوین دادهمحور هستند.
#دانلود_کتاب
#اقتصاد_سنجی
#یادگیری_ماشین
🆔 @python4finance
این کتاب منبعی ارزشمند برای تحلیلگران مالی است که بهدنبال ارتقای مهارتهای تحلیلی خود با ابزارهای نوین دادهمحور هستند.
#دانلود_کتاب
#اقتصاد_سنجی
#یادگیری_ماشین
🆔 @python4finance
❤25
معرفی ابزار Msty — تجربهای متفاوت برای کار با LLMهای لوکال .بخش اول
معرفی ابزار Msty — تجربهای متفاوت برای کار با LLMهای لوکال
اگر با ابزارهایی مثل Ollama کار کرده باشید، احتمالاً میدانید که اجرای مدلهای زبانی بهصورت لوکال دیگر مثل گذشته پیچیده نیست. اینکه با وجود اینهمه مدلهای آنلاین چرا نیاز به استفاده آفلاین از مدلها داریم ممکن است به دلایل زیر باشد:
1- عدم دسترسی دائمی به اینترنت
2- حجم بالای استفاده از مدل ها (مدلهای رایگان معمولا تعداد کمی درخواست را در روز پردازش می کنند)
3- امنیت اطلاعات یا داده های شخصی، خیلی از اوقات امنیت مطالبی که می خواهیم بررسی کنیم بسیار بالاست و نمی خواهم در اینترنت پخش شود.
4- افزایش دانش مدل در یک حوزه خاص (با Fine Tunning یا RAG و...)
5- توسعه پلت فرم شخصی
ابزارهای مختلفی برای استفاده آفلاین مدلهای LLM وجود دارد که برخی از معروف ترین آنها عبارتند از :
Ollama , LmStudio , Pinokio , MSTY , ...
ادامه در پست بعد ...
#AI
#LLM
#LocalAI
#Python
پایتون برای مالی
🆔 t.me/python4finance
🆔 ble.ir/python4finance
معرفی ابزار Msty — تجربهای متفاوت برای کار با LLMهای لوکال
اگر با ابزارهایی مثل Ollama کار کرده باشید، احتمالاً میدانید که اجرای مدلهای زبانی بهصورت لوکال دیگر مثل گذشته پیچیده نیست. اینکه با وجود اینهمه مدلهای آنلاین چرا نیاز به استفاده آفلاین از مدلها داریم ممکن است به دلایل زیر باشد:
1- عدم دسترسی دائمی به اینترنت
2- حجم بالای استفاده از مدل ها (مدلهای رایگان معمولا تعداد کمی درخواست را در روز پردازش می کنند)
3- امنیت اطلاعات یا داده های شخصی، خیلی از اوقات امنیت مطالبی که می خواهیم بررسی کنیم بسیار بالاست و نمی خواهم در اینترنت پخش شود.
4- افزایش دانش مدل در یک حوزه خاص (با Fine Tunning یا RAG و...)
5- توسعه پلت فرم شخصی
ابزارهای مختلفی برای استفاده آفلاین مدلهای LLM وجود دارد که برخی از معروف ترین آنها عبارتند از :
Ollama , LmStudio , Pinokio , MSTY , ...
ادامه در پست بعد ...
#AI
#LLM
#LocalAI
#Python
پایتون برای مالی
🆔 t.me/python4finance
🆔 ble.ir/python4finance
❤18
معرفی ابزار Msty — تجربهای متفاوت برای کار با LLMهای لوکال . بخش دوم
... ادامه از پست قبل
در این پست به ابزاری به نام Msty می پردازیم. Msty تلاش کرده یک لایه بالاتر از صرفاً اجرای مدلها ایجاد کند و محیطی یکپارچه برای کار روزمره با AI بسازد.
شعار Msty هم بسیار جالب است: Simple.Powerful.Priveate
بهطور خلاصه، اگر Ollama را موتور اجرای مدلها در نظر بگیریم، Msty بیشتر شبیه یک استودیو یا رابط کاربری کامل برای مدیریت پروژههای مبتنی بر هوش مصنوعی است.
برخی امکانات قابل توجه:
• اجرای مدلهای مختلف بهصورت محلی با تمرکز روی Privacy
• رابط کاربری گرافیکی برای مدیریت گفتگوها
• امکان اتصال به Ollama و سایر سرویسهای مدل
• ساخت Knowledge Base و کار با فایلها (RAG). خیلی خلاصه بخواهم عرض کنم به راحتی با این ابزار می توانید فایل های خود را به مدل بدهید و بعد سوالات خود را از مدل بر اساس اطلاعات فایل ها دریافت کنید 😳
• مقایسه خروجی چند مدل در یک محیط
چرا ممکن است برای فعالان حوزه دیتا و برنامهنویسی جالب باشد؟
چون بهجای نوشتن اسکریپتهای متعدد یا کار مستقیم با API، میتوان سریعتر ایدهها را تست کرد و workflowهای تحلیلی ساخت.
اگر به سمت استفاده از مدلهای متنباز و اجرای لوکال حرکت میکنید، بد نیست Msty را هم کنار ابزارهای فعلی خود بررسی کنید.
اگر به این ابزار علاقه مند بودید سری به سایت msty.ai بزنید و نسخه مورد نظر خود را دانلود کنید.
در پست های آتی در خصوص همه این موارد و البته شیوه به کارگیری آنها در فضای اقتصاد و مالی صحبت خواهم کرد ان شاء الله .
#AI
#LLM
#LocalAI
#Python
پایتون برای مالی
🆔 t.me/python4finance
🆔 ble.ir/python4finance
... ادامه از پست قبل
در این پست به ابزاری به نام Msty می پردازیم. Msty تلاش کرده یک لایه بالاتر از صرفاً اجرای مدلها ایجاد کند و محیطی یکپارچه برای کار روزمره با AI بسازد.
شعار Msty هم بسیار جالب است: Simple.Powerful.Priveate
بهطور خلاصه، اگر Ollama را موتور اجرای مدلها در نظر بگیریم، Msty بیشتر شبیه یک استودیو یا رابط کاربری کامل برای مدیریت پروژههای مبتنی بر هوش مصنوعی است.
برخی امکانات قابل توجه:
• اجرای مدلهای مختلف بهصورت محلی با تمرکز روی Privacy
• رابط کاربری گرافیکی برای مدیریت گفتگوها
• امکان اتصال به Ollama و سایر سرویسهای مدل
• ساخت Knowledge Base و کار با فایلها (RAG). خیلی خلاصه بخواهم عرض کنم به راحتی با این ابزار می توانید فایل های خود را به مدل بدهید و بعد سوالات خود را از مدل بر اساس اطلاعات فایل ها دریافت کنید 😳
• مقایسه خروجی چند مدل در یک محیط
چرا ممکن است برای فعالان حوزه دیتا و برنامهنویسی جالب باشد؟
چون بهجای نوشتن اسکریپتهای متعدد یا کار مستقیم با API، میتوان سریعتر ایدهها را تست کرد و workflowهای تحلیلی ساخت.
اگر به سمت استفاده از مدلهای متنباز و اجرای لوکال حرکت میکنید، بد نیست Msty را هم کنار ابزارهای فعلی خود بررسی کنید.
اگر به این ابزار علاقه مند بودید سری به سایت msty.ai بزنید و نسخه مورد نظر خود را دانلود کنید.
در پست های آتی در خصوص همه این موارد و البته شیوه به کارگیری آنها در فضای اقتصاد و مالی صحبت خواهم کرد ان شاء الله .
#AI
#LLM
#LocalAI
#Python
پایتون برای مالی
🆔 t.me/python4finance
🆔 ble.ir/python4finance
❤23
سلام خدمت همه دوستان
مشکل فرم ارتباط با من برطرف شد.
برای ثبت نظرات، پیشنهادات و درخواست ها می توانید از طریق فرم زیر با من در ارتباط باشید.
ارتباط با من
b2n.ir/y72935
مشکل فرم ارتباط با من برطرف شد.
برای ثبت نظرات، پیشنهادات و درخواست ها می توانید از طریق فرم زیر با من در ارتباط باشید.
ارتباط با من
b2n.ir/y72935
❤16
معرفی Marimo یک ابزار جذاب جایگزین Jupyter Notebook
به عنوان یک ابزار عالی برای کار با کدهای پایتون (IDE) علی الخصوص برای کار با داده ها و تحلیل های اقتصادی و مالی حتما از Jupyter استفاده کرده اید. در این پست می خواهم یک ابزار عالی به عنوان جایگزین ژوپیتر را معرفی کنم.
در واقع اصلی ترین ویژگی Marimo این است که همزمان به عنوان داشبورد و محیط کدنویسی استفاده می شود! یعنی از اسلایدر، جداول، نمودارها و المانهای UI می توان به صورت تعاملی استفاده کرد.
ویژگی دیگر Marimo ذخیره فایل ها با پسوند .py است که خواندن کدها را بسیار ساده تر می کند و برای استفاده از گیت هاب هم بسیار جذاب تر است.
در ژوپیتر اگر مقدار متغیری را در صفحه تغییر می دادید باید مجددا کدهای بعدی را اجرا می کردید که نتایج به روز باشد اما Marimo مثل یک صفحه گسترده هوشمند عمل می کند و هر تغییری بلافاصله در تمام صفحه اعمال می شود.
البته این فقط بخشی از ویژگی های این ماژول جذاب بود.
در ادامه بیشتر با Marimo آشنا می شویم.
لینک: marimo.io
#Marimo
#Jupyter_Notebook
پایتون برای مالی
🆔 t.me/python4finance
🆔 ble.ir/python4finance
به عنوان یک ابزار عالی برای کار با کدهای پایتون (IDE) علی الخصوص برای کار با داده ها و تحلیل های اقتصادی و مالی حتما از Jupyter استفاده کرده اید. در این پست می خواهم یک ابزار عالی به عنوان جایگزین ژوپیتر را معرفی کنم.
در واقع اصلی ترین ویژگی Marimo این است که همزمان به عنوان داشبورد و محیط کدنویسی استفاده می شود! یعنی از اسلایدر، جداول، نمودارها و المانهای UI می توان به صورت تعاملی استفاده کرد.
ویژگی دیگر Marimo ذخیره فایل ها با پسوند .py است که خواندن کدها را بسیار ساده تر می کند و برای استفاده از گیت هاب هم بسیار جذاب تر است.
در ژوپیتر اگر مقدار متغیری را در صفحه تغییر می دادید باید مجددا کدهای بعدی را اجرا می کردید که نتایج به روز باشد اما Marimo مثل یک صفحه گسترده هوشمند عمل می کند و هر تغییری بلافاصله در تمام صفحه اعمال می شود.
البته این فقط بخشی از ویژگی های این ماژول جذاب بود.
در ادامه بیشتر با Marimo آشنا می شویم.
لینک: marimo.io
#Marimo
#Jupyter_Notebook
پایتون برای مالی
🆔 t.me/python4finance
🆔 ble.ir/python4finance
❤24
ده گزاره که در جنگ تحمیلی اخیر غیر واقعی بودن آنها معلوم شد:
1- آمریکا با یک دکمه کل سیستم دفاعی کشور را از کار می اندازد.
2- در جنگ با آمریکا یکی از مقامات هم کشته نمی شود و فقط مردم قربانی خواهند بود.
3-قدرت نظامی ایران، در مقابل آمریکا چند روز هم دوام نمی آورد.
4- در اولین حمله مسئولین نظامی به خارج فرار می کنند.
5- مسئولین در پناهگاه ها 44 طبقه زیر زمین پناه گرفته اند.
6- سربازان در همان دقایق اول از پادگان ها فرار می کنند.
7- آمریکا و اسرائیل فقط نیروهای نظامی را هدف قرار می دهد و غیر نظامی ها آسیب نمی بینند.
8- آمریکا و اسرائیل به زیرساخت های کشور حمله نمی کنند.
9- مردم داخل، برای دفاع از کشور به خیابان ها نخواهند آمد.
10- ایران توانایی بستن تنگه هرمز را ندارد.
وَمَا النَّصْرُ إِلَّا مِنْ عِنْدِ اللَّهِ الْعَزِيزِ الْحَكِيمِ
1- آمریکا با یک دکمه کل سیستم دفاعی کشور را از کار می اندازد.
2- در جنگ با آمریکا یکی از مقامات هم کشته نمی شود و فقط مردم قربانی خواهند بود.
3-قدرت نظامی ایران، در مقابل آمریکا چند روز هم دوام نمی آورد.
4- در اولین حمله مسئولین نظامی به خارج فرار می کنند.
5- مسئولین در پناهگاه ها 44 طبقه زیر زمین پناه گرفته اند.
6- سربازان در همان دقایق اول از پادگان ها فرار می کنند.
7- آمریکا و اسرائیل فقط نیروهای نظامی را هدف قرار می دهد و غیر نظامی ها آسیب نمی بینند.
8- آمریکا و اسرائیل به زیرساخت های کشور حمله نمی کنند.
9- مردم داخل، برای دفاع از کشور به خیابان ها نخواهند آمد.
10- ایران توانایی بستن تنگه هرمز را ندارد.
وَمَا النَّصْرُ إِلَّا مِنْ عِنْدِ اللَّهِ الْعَزِيزِ الْحَكِيمِ
❤39
یَا مُقَلِّبَ الْقُلُوبِ وَ الْأَبْصَارِ
یَا مُدَبِّرَ اللَّیْلِ وَ النَّهَارِ
یَا مُحَوِّلَ الْحَوْلِ وَ الْأَحْوَال
حَوِّلْ حَالَنَا إِلَی أَحْسَنِ الْحَال
ضمن گرامیداشت یاد و نام شهدای جنگ تحمیلی اخیر، فرارسیدن سال جدید و حلول عید سعید فطر را خدمت شما تبریک عرض می کنم.
یَا مُدَبِّرَ اللَّیْلِ وَ النَّهَارِ
یَا مُحَوِّلَ الْحَوْلِ وَ الْأَحْوَال
حَوِّلْ حَالَنَا إِلَی أَحْسَنِ الْحَال
ضمن گرامیداشت یاد و نام شهدای جنگ تحمیلی اخیر، فرارسیدن سال جدید و حلول عید سعید فطر را خدمت شما تبریک عرض می کنم.
❤14
نصب ماژولهای اصلی پایتون
همانطور که احتمالا می دانید Python نسخه 3.14.3 اوایل بهمن ماه منتشر شد. ممکن است برخی از عزیزان برای کارهای خود نیاز به آخرین نسخه پایتون و ماژول های متداول آن داشته باشند. با توجه به اختلال اینترنت، با این دستورات می توانید ماژول های مورد نیاز خود را نصب نمایید.
🌐 نصب Python نسخه 3.14.3
برای نصب ماژولها، هر کدام از این خط ها را در CMD تایپ نمایید.
دقت داشته باشید این فایل ها صرفا برای پایتون نسخه 3.14 قابل استفاده هستند.
پایتون برای مالی
🆔 t.me/python4finance
🆔 ble.ir/python4finance
همانطور که احتمالا می دانید Python نسخه 3.14.3 اوایل بهمن ماه منتشر شد. ممکن است برخی از عزیزان برای کارهای خود نیاز به آخرین نسخه پایتون و ماژول های متداول آن داشته باشند. با توجه به اختلال اینترنت، با این دستورات می توانید ماژول های مورد نیاز خود را نصب نمایید.
🌐 نصب Python نسخه 3.14.3
برای نصب ماژولها، هر کدام از این خط ها را در CMD تایپ نمایید.
pip install --index-url https://python4finance.ir/pypi3.14/ numpy
pip install --index-url https://python4finance.ir/pypi3.14/ pandas
pip install --index-url https://python4finance.ir/pypi3.14/ scipy
pip install --index-url https://python4finance.ir/pypi3.14/ matplotlib
pip install --index-url https://python4finance.ir/pypi3.14/ scikit-learn
pip install --index-url https://python4finance.ir/pypi3.14/ statsmodels
pip install --index-url https://python4finance.ir/pypi3.14/ notebook
دقت داشته باشید این فایل ها صرفا برای پایتون نسخه 3.14 قابل استفاده هستند.
پایتون برای مالی
🆔 t.me/python4finance
🆔 ble.ir/python4finance
❤4