Latest posts
Python4Finance
24 Jul, 06:47
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 ScientificPython4Finance
18 Jul, 04:34
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 #Vscodeپایت
Python4Finance
17 Jul, 17:13
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. تمرکزPython4Finance
9 Jul, 16:24
وَسَلَامٌ عَلَيْهِ يَوْمَ وُلِدَ وَيَوْمَ يَمُوتُ وَيَوْمَ يُبْعَثُ حَيًّاخداحافظ آقای شهید ایران
Python4Finance
2 Jul, 19:22
رفع مشکل بیش برازش مدلهای یادگیری عمیق تصور کنید یک تیم تحلیل مالی دارید که تمام تصمیماتش وابسته به یک کارشناس است. اگر آن شخص مرخصی برود یا اشتباه کند، کل تیم فلج میشود. اما اگر بهطور تصادفی هر روز یکی از اعضای تیم از جلسات حذف شود بقیه مجبور میشوند یاد بگیرند و مستقل تصمیم بگیرند. در یادگیری عمیق، به این تکنیک «Dropout» میگویند. دراپاوت با غیرفعال کردن تصادفی برخی از نرونها در طول آموزش مدل، مانع از وابستگی شدید شبکه به چند مسیر خاص شده و آن را وادار میسازد تا الگوهای کلیتر و مستقلتری را یاد بگیرد. بزرگترین مشکل توسعهدهندگان الگوریتمهای معاملاتی، بیشبرازش (Overfitting) یا همان حفظ کردن رفتارهای گذشته است. وقتی الگوریتمی گذشته بازار را حفظ کند، با اولین تغییر رفتار در بازار واقعی شکست سختی میخورد. استفاده از Dropout در مدلهای پیشبینی قیمت یا مدیریت ریسک، مانند یک شبیهساز بحران عمل میکند؛ با حذف بخشهایی از شبکه در فاز آموزش، مدل یاد میگیرد که به متغیرهای محدود
Python4Finance
26 Jun, 15:30
@Python4finance_CFA_Program_Curriculum_2025_L2_Volume_1_Quantitative.pdfPython4Finance
24 Jun, 16:48
فرارسیدن عاشورای حسینی تسلیت باد.التماس دعای ویژه از همه شما عزیزان محمدصادق کریمی مهرآبادی
Python4Finance
29 May, 18:19
یک هوشمصنوعی جذاب برای برنامهنویسان پایتون قبلا در پست های زیر در خصوص ابزارهای هوش مصنوعی برای کد نویسی پایتون صحبت کرده بودیم. 1️⃣ لینک 1 2️⃣ لینک 2 3️⃣ لینک 3 در این پست می خواهم ابزار جالبی را معرفی کنم که کارهای جالبی را به شرح زیر انجام می دهد: ➖ تبدیل کد از یک زبان برنامه نویسی به زبان دیگر ➖ تولید کد بر اساس پرامپ مورد نظر ➖ توضیح کارکرد یک کد ➖ حذف توضیحات ➖ بررسی کد و رفع خطا جالب اینکه تمام اینکارها برای بیش از 80 زبان برنامه نویسی قابل انجام است. زیبایی دیگر این هوش مصنوعی قابلیت به اشتراک گذاری نتایج کارتان با دیگران است. همچنین زبان فارسی هم به خوبی در این ابزار پشتیبانی می شود.🌐 لینک سایت 🌐 لینک مثال#دستیار_هوش_مصنوعی #هوش_مصنوعی
Python4Finance
22 May, 06:31
یادگیری ماشین به زبان خودمانی- قسمت 4در این قسمت مفهوم رگرسیون را با هم بررسی می کنیم.پایتون برای مالی🆔 t.me/python4finance 🆔 ble.ir/python4financePython4Finance
3 May, 04:09edited
یادگیری ماشین به زبان خودمانی- قسمت 3پایتون برای مالی 🆔 t.me/python4finance 🆔 ble.ir/python4financePython4Finance
3 May, 02:59
لایه های توسعه AI - مدل مفهومیپایتون برای مالی 🆔 t.me/python4finance 🆔 ble.ir/python4finance
Python4Finance
2 May, 17:59
مسیر تبدیل شدن به تحلیل گر داده (Data Analyst ) چیست؟پایتون برای مالی🆔 t.me/python4finance 🆔 ble.ir/python4finance
Python4Finance
2 May, 08:59
مهارت های لازم در صنعت هوش مصنوعی – بخش دومحالا بر اساس منطق پست قبل، به بررسی نقش های مختلف در هوش مصنوعی می پردازیم• کاربر (Consumer): مدیر، بازاریاب، تحلیلگر کسبوکار یا هر فردی که از خروجی دادهها استفاده میکند. • تکنیسین (Data Analyst / BI Developer): تحلیلگر داده، متخصص بیزینس اینتلیجنس (BI). • مهندس (Data Scientist / Data Engineer): دانشمند داده، مهندس داده (کسی که مدلهای پیشبینیکننده میسازد).1. کاربر داده (Data Consumer / Business User) این فرد به دادهها به عنوان یک ابزار تصمیمگیری نگاه میکند. او خودش دادهها را پردازش نمیکند، بلکه از گزارشها و داشبوردهای آماده استفاده مینماید. • هدف: پاسخ به سؤالات مشخص کسبوکاری (مثل "فروش ماه گذشته چقدر بود؟"، "کدام محصول بیشترین بازگشت کالا را داشته؟"). • دانش مورد نیاز: خواندن نمودارها و اعداد، آشنایی با مفاهیم پایه (میانگین، درصد، روند)، توانایی درخواست گزارش از تیم داده. • مسئولیت: درخواست دقیق، تفسیر درست گزارشها،Python4Finance
2 May, 08:18edited
مهارت های لازم در صنعت هوش مصنوعی – بخش اولیک سؤالی که خیلی از من می پرسن اینه که من می خواهم در صنعت هوش مصنوعی کار کنم، چه مهارت هایی را باید یاد بگیرم. برای پاسخ به این سؤال اول باید مشخص کنید چه نقشی برای خودتون در نظر گرفتید؟ کاربر، تکنیسین یا مهندس برای اینکه فرق اینا رو بیشتر متوجه بشیم بیایید با هم با یک مثال در مورد خودرو توضیحات را بررسی کنیم1. کاربر (کاربر خودرو / راننده) کاربر نهایی خودرو است که هدف اصلیاش استفاده از خودرو به عنوان وسیله نقلیه است. • هدف: حرکت از نقطه A به B، حمل بار، مسافر، لذت بردن از رانندگی. • دانش مورد نیاز: بلد بودن قوانین راهنمایی و رانندگی، آشنایی اولیه با اجزای داخلی خودرو (فرمان، پدالها، دنده، راهنما، چراغها)، توانایی تشخیص خرابیهای ساده (مثل چک کردن باد تایر، عوض کردن لامپ یا باطری). • مسئولیت: رانندگی ایمن، انجام سرویسهای دورهای ساده (طبق دفترچه راهنما)، استفاده درست از خودرو و گزارش خرابیها به تعمیرکار. • مهارت کلیدی: رانندگی و تعمیرPython4Finance
2 May, 08:18
مهارت های لازم در صنعت هوش مصنوعی – بخش اولپایتون برای مالی🆔 t.me/python4finance 🆔 ble.ir/python4finance
Python4Finance
27 Apr, 05:44
گزارش شاخص های هوش مصنوعی (AI INDEX REPORT 2026) دانشگاه استنفورد منتشر شد.این گزارش از جنبه های مختلف به هوش مصنوعی پرداخته است و حقایق جالبی را از اتفاقات این چند سال در خصوص هوش مصنوعی بیان می کند. چند نکته که بسیار در این گزارش مشهود است: ➖ با وجود رشد بسیار خوب چین در تولید مدلهای هوش مصنوعی، آمریکا همچنان پرچم دار توسعه مدل های هوش مصنوعی است. ➖ در چند سال اخیر توسعه مدلهای هوش مصنوعی ، از حالت کتابخانه ای و تحقیقاتی (آکادمیک) به سمت صنعت میل کرده است. ➖ در خلال سال های اخیر حجم محتوای تولید شده توسط هوش مصنوعی با محتوای تولید شده توسط انسان تقریبا برابر شده است. ➖ آمریکا تقریبا به اندازه تمام دنیا زیرساخت پردازشی (دیتاسنتر) هوش مصنوعی در اختیار دارد. ➖ پذیرش هوش مصنوعی در جوامع به طور متوسط به 53% و در سازمان ها 88% رسیده است.اگر علاقه مند به هوش مصنوعی هستید، مطالعه این گزارش ارزشمند را به شما توصیه می کنم.پایتون برای مالی🆔 t.me/python4finance 🆔 ble.ir/python4financePython4Finance
20 Apr, 09:21
دانلود کتاب «The World Bank's MFMod Framework in Python with Modelflow»این کتاب توسط کارشناسان بانک جهانی نوشته شده و هدف آن آموزش نحوه کار با چارچوب مدلهای اقتصاد کلان بانک جهانی (MFMod) با استفاده از زبان برنامهنویسی پایتون و کتابخانه تخصصی ModelFlow میباشد.#دانلود_کتابپایتون برای مالی 🆔 t.me/python4finance 🆔 ble.ir/python4financePython4Finance
20 Apr, 09:19edited
دانلود کتاب «The World Bank's MFMod Framework in Python with Modelflow»مدل Macro-Fiscal Model (MFMod) مجموعهای از مدلهای ساختاری اقتصاد کلان است که بانک جهانی برای پیشبینی وضعیت اقتصاد کشورها و تحلیل اثرات سیاستهای مختلف بر روی آنها طراحی کرده است . این مدل برای بیش از ۱۸۰ کشور جهان ساخته شده و به ابزاری استاندارد برای اقتصاددانان بانک جهانی تبدیل شده است . این مدل قادر است اثر سیاستهای پولی و مالی، تغییرات نرخ ارز یا شوکهای قیمت کالاها را بر متغیرهایی مانند تولید ناخالص داخلی (GDP)، تورم، نرخ بیکاری، تراز تجاری و بدهی دولتی شبیهسازی کند . فرض کنید دولت یک کشور در حال توسعه قصد دارد مالیات بر کربن را برای کاهش آلودگی وضع کند. اقتصاددان وزارت اقتصاد با استفاده از مدل MFMod میتواند سناریوهای مختلف را اجرا کند و به سوالات زیر پاسخ دهد: ۱- این مالیات چه اثری بر نرخ رشد اقتصادی در کوتاهمدت و بلندمدت خواهد داشت؟ ۲- آیا باعث افزایش نرخ بیکاری در صنایع انرژیبر میشود؟ ۳- درآمد حاصلPython4Finance
16 Apr, 05:51edited
دانلود کتاب «یادگیری ماشین در مالیِ کسبوکار با استفاده از پایتون» به انگلیسی «Machine Learning in Business Finance using Python»اگر می خواهید یادگیری ماشین در مالی را یاد بگیرید و همزمان کد نویسی آن در پایتون را تمرین کنید این کتاب راهنمای خوبی خواهد بود. این کتاب توسط انتشارات World Scientific منتشر شده و سال چاپ آن 2025 است.#دانلود_کتاب #یادگیری_ماشین #Machine_learningپایتون برای مالی 🆔 t.me/python4finance 🆔 ble.ir/python4financePython4Finance
16 Apr, 05:41
معرفی کتاب «یادگیری ماشین در مالیِ کسبوکار با استفاده از پایتون» به انگلیسی «Machine Learning in Business Finance using Python»اگر می خواهید یادگیری ماشین در مالی را یاد بگیرید و همزمان کد نویسی آن در پایتون را تمرین کنید این کتاب راهنمای خوبی خواهد بود. مباحث آن شامل روشهای پیشبینی مانند رگرسیون لجستیک، بیز ساده، نزدیکترین همسایه (k-NN)، ماشین بردار پشتیبان، جنگل تصادفی، گرادیان بوستینگ و انواع مختلف شبکههای عصبی است. همچنین معیارهای ارزیابی عملکرد و سنجش اهمیت ویژگیها توضیح داده شدهاند. این کتاب شامل مثالهای کاربردی با دادههای واقعی نیز هست و کدهای پایتون بهصورت گامبهگام با استفاده از Jupyter Notebook توضیح داده شدهاند تا خوانندگان بتوانند خودشان تمرین کنند. همچنین ریاضیات پایه یادگیری ماشین هم در مباحث ارائه شده و علاقه مندان به مباحث ریاضی و پایه ای هم از این کتاب استفاده خواهند کرد.این کتاب توسط انتشارات World Scientific منتشر شده و سال چاپ آن 2025 است.#معرفی_کتاب
Related Channels
Other channels in the same section of the catalogue.
