معرفی کتاب «راهنمای کاربردی هوش مصنوعی و داده های بزرگ در سرمایه گذاری» به انگلیسی «HANDBOOK OF ARTIFICIAL INTELLIGENCE AND BIG DATA APPLICATIONS IN INVESTMENTS»
در ادامه مباحث قبلی در خصوص مطالب موسسه CFA در خصوص علم داده، کتاب راهنمای کاربردی هوش مصنوعی و داده های بزرگ در سرمایه گذاری را خدمت شما معرفی می کنم.
این کتاب از چهار بخش اصلی تشکیل شده است.
1- کاربردهای یادگیری ماشین و علم داده در سرمایه گذاری
2- درک زبان طبیعی، پردازش و تولید: کاربردهای سرمایه گذاری
3- معامله با یادگیری ماشین و داده های بزرگ
4- چت بات، نمودارهای دانش، و زیرساخت هوش مصنوعی

زبان کتاب ساده و روان است و مثال ها با پایتون حل شده است.

#معرفی_کتاب
#یادگیری_ماشین
#هوش_مصنوعی
#داده_های_بزرگ
#CFA
#Big_data
#AI
#Machine_learning
پایتون برای مالی
🆔 t.me/python4finance
🆔 ble.ir/python4finance

دانلود کتاب «راهنمای کاربردی هوش مصنوعی و داده های بزرگ در سرمایه گذاری» به انگلیسی «HANDBOOK OF ARTIFICIAL INTELLIGENCE AND BIG DATA APPLICATIONS IN INVESTMENTS»

#دانلود_کتاب
#یادگیری_ماشین
#هوش_مصنوعی
#داده_های_بزرگ
#CFA
#Big_data
#AI
#Machine_learning
پایتون برای مالی
🆔 t.me/python4finance
🆔 ble.ir/python4finance

مروری بر قانون هوش مصنوعی اروپا
این قانون در دسامبر 2023 و بعد از سه سال کار روی پیش نویس اولیه تصویب شده است. اخیرا دیدم که مجددا بحث در خصوص این قانون داغ شده است و تصمیم گرفتم ترجمه خلاصه ای از آن را در کانال ارائه کنم.
رویکرد ارائه شده در این قانون، رویکرد مبتنی بر ریسک است.
قانون هوش مصنوعی یک رویکرد مبتنی بر ریسک را برای دسته بندی برنامه های هوش مصنوعی بر اساس تأثیر بالقوه آنها بر حقوق بشر و ایمنی اتخاذ می کند. این رویکرد اجازه می دهد تا الزامات نظارتی متفاوتی وجود داشته باشد و اطمینان حاصل شود که برنامه های کاربردی با ریسک بالاتر تحت نظارت دقیق تری قرار دارند.
برنامه های غیرقابل قبول هوش مصنوعی
قانون هوش مصنوعی صراحتاً برخی از برنامه های کاربردی هوش مصنوعی را که به دلیل احتمال آسیب رساندن به افراد یا جامعه «غیرقابل قبول» تلقی می شوند، ممنوع می کند. این موارد عبارتند از:
- امتیازدهی اجتماعی: سیستم هایی که افراد را بر اساس رفتار یا ویژگی هایشان امتیاز می دهند، مشابه سیستم اعتبار اجتماعی مورد استفاده در برخی کشورها.
- پیش بینی رفتار مجرمانه: سیستم های هوش مصنوعی برای پیش بینی رفتار مجرمانه استفاده می شود که می تواند منجر به نتایج مغرضانه و ناعادلانه شود.
- شناخت عاطفی: به ویژه در محیط های حساس مانند محل کار و مدارس، جایی که چنین فناوری می تواند به حریم خصوصی نفوذ کند و منجر به تبعیض شود.

سیستم های هوش مصنوعی پرخطر

سیستم‌های هوش مصنوعی پرخطر آن‌هایی هستند که پیامدهای مهمی برای سلامت، ایمنی و حقوق اساسی دارند. این موارد عبارتند از:
- وسایل نقلیه خودران: سیستم‌های هوش مصنوعی مورد استفاده در خودروهای خودران که باید تحت ارزیابی‌های ایمنی دقیق قرار گیرند.
- ابزارهای پزشکی: کاربردهای هوش مصنوعی در مراقبت‌های بهداشتی که برای اطمینان از ایمنی بیمار نیاز به اعتبارسنجی دقیق دارند.
- امور مالی و آموزش: سیستم‌های هوش مصنوعی مورد استفاده در این بخش‌ها باید برای جلوگیری از سوگیری‌هایی که می‌توانند منجر به رفتار یا نتایج ناعادلانه شوند، ارزیابی شوند.

با دسته‌بندی برنامه‌های هوش مصنوعی به این شیوه، قانون هوش مصنوعی تضمین می‌کند که تلاش‌های نظارتی در جایی متمرکز می‌شوند که بیشتر مورد نیاز است، در نتیجه از افراد و جامعه در برابر آسیب‌های احتمالی محافظت می‌کند و در عین حال امکان نوآوری در مناطق کم‌خطر را فراهم می‌کند.

#AI_ACT
#AI
#قانون_هوش_مصنوعی
#هوش_مصنوعی

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

قانون هوش مصنوعی اروپا در یک نگاه


#AI_ACT
#AI
#قانون_هوش_مصنوعی
#هوش_مصنوعی

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

بررسی بازار کار مشاغل مختلف در حوزه هوش مصنوعی
بحث هوش مصنوعی و کاربردهای آن در صنایع مختلف از بحث های بسیار داغ و جذاب است و خیلی ها به دنبال یادگیری مهارت هایی برای ورود به این حوزه هستند. اخیرا شرکت Mckinsey که یکی از شرکت های معظم و بنام مشاور است، در گزارش 2024 ، به بررسی وضعیت مشاغل مختلف فعال در حوزه هوش مصنوعی پرداخته است.
در این گزارش حدود 500.000 فرصت شغلی در شرکت های مختلف بررسی شده است. در تصویر پیوست فرصت های شغلی در بین سالهای 2019 تا 2023 برای حوزه هوش مصنوعی کاربردی (Applied AI) با هم مقایسه می شود.

#هوش_مصنوعی
#مکینزی
#Mckinsey
#AI

پایتون برای مالی

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

اصل گزارش بالا به پیوست تقدیم می شود.

#هوش_مصنوعی
#مکینزی
#Mckinsey
#AI

پایتون برای مالی

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

یک دستیار هوش مصنوعی فوق العاده برای برنامه نویسان
واقعا هوش مصنوعی به یک جادو شبیه است و هر روز با ابزارهای جدیدی که ارائه می شود کار را برای افراد آسان تر و دلنشین تر می کند. قبلا ابزارهای مختلف دیگری را برای این موضوع معرفی کرده بودم (#دستیار_هوش_مصنوعی). امروز ابزاری رو به شما معرفی می کنم که واقعا بسیار کاربردی است. چه برای برنامه نویسان حرفه ای و چه برای برنامه نویسان مبتدی.
اسم این ابزار بسیار زیبا zzzcode.ai است که بر پایه openai تولید شده است. امکانات این ابزار بسیار جالب که خوشبختانه از فارسی هم پشتیبانی کند به این شرح است:
1️⃣تولید کد با استفاده از توضیحاتی که به آن می دهیم.
2️⃣بررسی کد و توضیح بخش به بخش کد (مناسب برای وقتی که کارکرد بخشی از کد را در یک برنامه متوجه نمی شویم)
3️⃣تبدیل کدها از یک زبان برنامه نویسی به زبان دیگر
4️⃣پرسش و پاسخ
5️⃣تولید داکیومنت و راهنما برای برنامه (این قسمت دغدغه بسیاری از برنامه نویسان حرفه ای است🥹)
6️⃣پیدا کردن باگ های موجود در کد

🌐 سایت

#دستیار_هوش_مصنوعی
#هوش_مصنوعی
#برنامه_نویسی
#AI

پایتون برای مالی

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

مقایسه Copilot و DeepSeek (تجربه کاربری من در استفاده از دو هوش مصنوعی Copilot و DeepSeek )

با اینکه تخصص من در زمینه مدل‌های زبانی بزرگ (LLM) نیست، اما به عنوان کاربری که در این مدت از ابزارهای مختلف هوش مصنوعی استفاده کرده‌ام، تجربیاتم را از کار با Copilot (که مبتنی به OpenAi است) و DeepSeek (هوش مصنوعی متن‌باز چینی که اخیراً معرفی شده) با شما به اشتراک می‌گذارم:

1️⃣ هوش مصنوعی DeepSeek متن باز و رایگان است و شما به راحتی می توانید آن را روی لپ تاپ خود داشته باشید! و همه جا از آن استفاده کنید. (اگر به این موضوع علاقه‌مند شدید LM Studio را نصب کنید و بعد هر هوش مصنوعی رایگانی که خواستید روی آن نصب کنید و با خود هوش مصنوعی داشته باشید! بسیار هیجان انگیز است😳)

2️⃣ به‌طور کلی DeepSeek آفلاین عمل می‌کند، یعنی به اینترنت دسترسی ندارد. این در حالی است که Copilot می‌تواند در لحظه به اینترنت متصل شود و داده‌های آنلاین را برای شما تحلیل کند. این ویژگی Copilot را برای کارهایی که نیاز به اطلاعات به‌روز دارند، بسیار مفید می‌سازد.

3️⃣ به دلیل آفلاین بودن DeepSeek، حتی در نسخه تحت وب آن نیز داده‌ها تنها تا اکتبر ۲۰۲۳ به‌روز شده‌اند و پس از آن آپدیت نشده‌اند. این موضوع ممکن است برای کاربرانی که به اطلاعات به‌روز نیاز دارند، کمی محدودیت ایجاد کند.

4️⃣ لازم به ذکر است که DeepSeek به بهره‌وری بالا و استفاده کم از منابع محاسباتی شناخته شده است. این ویژگی‌ها باعث می‌شود که DeepSeek برای محاسبات ریاضی و تحلیل‌های منطقی بسیار مناسب باشد.
5️⃣ نسخه وب DeepSeek از منابع سخت‌افزاری کمی استفاده می‌کند و بسیاری از مواقع با خطای مشغول بودن سرور مواجه می‌شوید. این موضوع می‌تواند تجربه کاربری را تحت تأثیر قرار دهد.


#DeepSeek
#Copilot
#AI
پایتون برای مالی


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

آیا هوش مصنوعی جایگزین برنامه نویسان می شود؟
به عبارت دیگر آیا با وجود هوش مصنوعی لازم است یک زبان برنامه نویسی یاد بگیریم؟

پاسخ به این سوال را در ویدئوی زیر با هم بررسی می کنیم:

🌐 لینک ویدئو

پی نوشت: این ویدئو بخشی از دوره مدلسازی مالی مقدماتی با پایتون است. (لینک)
#ویدئو
#هوش_مصنوعی
#AI
#Video

پایتون برای مالی

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

هوش مصنوعی گوگل در خدمت برنامه نویسان

قبلا چند تا مطلب در خصوص #دستیار_هوش_مصنوعی برای برنامه نویسی گذاشته بودم. خوشبختانه گوگل، Gemini هوش مصنوعی خود را با Google Colab ترکیب کرده و در اختیار گذاشته است. (اگر Colab را نمی شناسید Colab یک ابزار رایگان است که در فضای Jupyter Notebook ابری، امکان برنامه نویسی پایتون را فراهم می کند.) البته امکان استفاده از این هوش مصنوعی در IDEهای معروف مثل VSCode و محصولات JetBrains هم وجود دارد.
خیلی راحت می توانید درخواست خود را با زبان ساده بیان کنید و هوش مصنوعی گوگل ادامه کار را انجام می دهد.
در فیلم این پست با امکانات اصلی این هوش مصنوعی آشنا می شوید.

#دستیار_هوش_مصنوعی
#هوش_مصنوعی
#برنامه_نویسی

#AI
#Colab
#Google_Colab

پایتون برای مالی

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

هوش مصنوعی را جدی بگیرید:
بر اساس آخرین اطلاعات سالانه Google Cloud، هوش مصنوعی به صورت محسوسی به رشد کسب و کارها کمک می کند:
• افزایش درآمد: ۵۶٪ سازمان‌ها رشد مستقیم درآمد با GenAI داشته‌اند؛ برخی تا بیش از ۱۰٪ افزایش سالانه.
• افزایش بهره‌وری: ۷۰٪ شرکت‌ها جهش چشمگیر بهره‌وری کارمندان را گزارش کرده‌اند؛ ۴۰٪ گفتند خروجی کارکنان حداقل دو برابر شده.
در گزارش دیگری می خواندم که در حال حاضر در مایکروسافت، حدود 30% از کدها توسط هوش مصنوعی نوشته می شود.

#AI

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

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

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

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 . 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