کدام چت‌بات هوش‌مصنوعی (LLM) را انتخاب کنیم؟
یکی از سوالاتی که خیلی از عزیزان مطرح می کنند در میان LLM های متداول، از کدامیک استفاده کنیم؟ اگر چه این موضوع بیشتر به نوع کاربری شما مربوط است و شاید تجربه کاربردی بهترین پاسخ برای هر فرد است. برای مثال هوش مصنوعی که برای تولید عکس مناسب است احتمالا در پاسخ به سوالات تحلیلی، جستجوی متن، حل مسائل ریاضی و ... مناسب نباشد. خیلی از سایت ها هستند که به بررسی تطبیقی LLM ها می پردازند و می توانند به انتخاب شما کمک شایانی داشته باشند.
برای این منظور کافی است عبارت llm leaderboard را جستجو کنید. برخی از متداولترین مقایسه ها عبارتند از:
1️⃣ Arena
این سایت ترجیح کاربران را در کاربردهای مختلف بررسی می کند و کاربر در یک مقایسه ناشناس پاسخ مورد ترجیح خود را انتخاب می کند. بنابراین میزان رضایت و کیفیت ادراک‌شده را بهتر نشان می‌دهد.
2️⃣ HELM
این مقایسه توسط دانشگاه استنفورد انجام شده است. HELM یکی از معتبرترین چارچوب‌های آکادمیک برای ارزیابی LLMهاست. تمرکز آن فقط روی یک عدد کلی نیست، بلکه مدل‌ها را در سناریوهای مختلف از نظر دقت، استدلال، دانش عمومی، robustness، انصاف، ایمنی و گاهی کارایی بررسی می‌کند.
3️⃣ Hugging Face
بیشتر برای مشاهده سریع عملکرد مدل‌ها مفید است. تمرکز آن معمولاً فقط روی کیفیت خام نیست، بلکه مواردی مثل سرعت پاسخ‌گویی، هزینه تولید توکن، زمان تأخیر و کارایی API را هم در نظر می‌گیرد. برای کسی که می‌خواهد مدل را در یک محصول واقعی استفاده کند، این نوع مقایسه بسیار کاربردی است.
4️⃣ ArtificialAnalysis
یکی از کاربردی‌ترین منابع برای تصمیم‌گیری عملی است. چون مدل‌ها را از چند زاویه می‌سنجد: کیفیت یا intelligence، سرعت، قیمت ورودی و خروجی، طول پنجره زمینه، ارائه‌دهنده مدل و گاهی پایداری سرویس. اگر بخواهید بین GPT، Claude، Gemini، Llama، Mistral، DeepSeek و سایر مدل‌ها برای یک پروژه واقعی انتخاب کنید، این سایت تصویر عملی‌تری می‌دهد.

#AI
#LeaderBoard

پایتون برای مالی

🆔 t.me/python4finance
🆔 ble.ir/python4finance

افزونه Ruff ، یک افزونه عالی و فوق العاده سریع برای linter و code formatter در پایتون در Vscode
یکی از ویژگی های اصلی IDE ها ، توانایی Lint (یعنی نمایش خطاها) و قالب بندی استاندارد کدها است. این موضوع علی الخصوص برای پایتون که هدف اصلی آن خوانایی بالاست اهمیت بیشتری پیدا می کند. (ترجمه PEP8 شیوه‌نامه نگارش برنامه در پایتون به زبان فارسی)
یکی از ماژول های بسیار جالب در این خصوص Ruff است. ویژگی اصلی Ruff سرعت بسیار بالای آن است. برای نصب آن، عبارت Ruff را در بخش Extensions نرم افزار Vscode جستجو و نصب کنید.
کافی است در زمان برنامه نویسی کلید F1 را بزنید و یکی از دو عبارت زیر را جستجو کرده و برنامه خود را بررسی و اصلاح نمایید:
Fix all
به صورت خود کار تمام اشکالات قابل رفع را اصلاح می کند.
Format Document
فرمت برنامه شما را مطابق با Black اصلاح می کند.
البته قابلیت های این افزونه بیشتر از این‌هاست و با مراجعه به این صفحه می توانید اطلاعات دقیقتری در این خصوص را پیدا کنید.
#Ruff
#Vscode


پایتون برای مالی

🆔 t.me/python4finance
🆔 ble.ir/python4finance

دانلود کتاب «AI In Finance»

هوش مصنوعی دیگر فقط یک فناوری جذاب نیست بلکه امروز به یکی از مهم‌ترین موتورهای تحول در صنعت مالی تبدیل شده است. از معاملات الگوریتمی و مدیریت ریسک گرفته تا کشف تقلب و ارائه خدمات مالی شخصی‌سازی‌شده، ردپای این فناوری را می‌توان در همه بخش‌های این صنعت دید.

کتاب «AI In Finance» با نگاهی کاربردی، شما را با مفاهیم پایه، نمونه‌های واقعی، کاربردهای عملی و چالش‌های مهم این حوزه آشنا می‌کند. علاوه بر معرفی فناوری‌های روز، به موضوعات مهمی مثل شفافیت، سوگیری الگوریتم‌ها، امنیت و ملاحظات اخلاقی در تصمیم‌گیری‌های مالی نیز می‌پردازد.

اگر در حوزه مالی، فناوری یا هوش مصنوعی فعالیت می‌کنید، یا به آینده این صنعت علاقه‌مند هستید، این کتاب می‌تواند دیدی روشن از مسیر پیش‌روی بازارهای مالی و نقش روزافزون هوش مصنوعی در آن به شما بدهد.

این کتاب از 11 فصل تشکیل شده که هر کدام از فصول، یک مقاله علمی در خصوص یک موضوع مشخص هوش مصنوعی در مالی است.

انتشارات: World Scientific Publishing Europe
سال نشر: 2026

#دانلود_کتاب
#هوش مصنوعی
#AI


پایتون برای مالی
🆔 t.me/python4finance
🆔 ble.ir/python4finance

بررسی ویژگی های جدید پایتون 3.15
چند روز پیش یعنی 17 مهر (9 اکتبر) نسخه 3.15 پایتون منتشر شد. در این پست به برخی ویژگی های جالب اضافه شده در این نسخه اشاره خواهم کرد:
1️⃣ اضافه شدن نسخه فارسی به راهنمای رسمی پایتون (لینک)
2️⃣ استفاده از UTF-8 به عنوان پیشفرض encoding
3️⃣ افزایش سرعت 7-8% درصدی اجرای JIT
4️⃣ بهبود در پیام های خطا
5️⃣ و نهایتا بهبودهای جالبی در عملکرد ...
در پست های آتی در خصوص lazy import ، frozendict ، sentinel و برخی بهبودهای دیگر با هم صحبت خواهیم کرد.

🌐 لینک دانلود Python 3.15

پایتون برای مالی

🆔 t.me/python4finance
🆔 ble.ir/python4finance

بارگذاری ماژول فقط هنگام استفاده با Lazy Imports

یکی از مسائلی که ما در پروژه های بزرگ با آن مواجه بودیم این بود که در ابتدای برنامه تعداد زیادی از ماژول ها را import می کردیم که باعث استفاده زیاد از حافظه و کند شدن برنامه می شد در حالی که شاید برخی از ماژول ها فقط در موارد خاصی استفاده می شدند. برای حل این مشکل در پایتون نسخه 3.15 به جای استفاده از import از lazy import استفاده می کنیم.

lazy import pandas as pd
lazy import numpy as np

print("Application started")

data = pd.DataFrame({
    "price": [100, 105, 110]
})

با استفاده از lazy import، بارگذاری واقعی ماژول تا زمان استفاده از آن به تعویق می‌افتد.
این قابلیت به‌خصوص برای اپلیکیشن‌های بزرگ، ابزارهای تحلیل داده و برنامه‌هایی که وابستگی‌های زیادی دارند، مفید است.

پایتون برای مالی

🆔 t.me/python4finance
🆔 ble.ir/python4finance