Quant Way

#Book #Probability #Random احتمال و فرآیندهای تصادفی

ویرایش چهارم

Probability and Random Processes Fourth Edition انتشارات Oxford University Press سال 2020 زبان انگلیسی فرمت PDF. @Persian_IEEEComSoc

جلسه نهم کتاب پیشبینی ولاتیلیتی و استراتژی های آربیتراژ آماری بود، فیلم جلسه رو در یوتیوب و آپارات میتوانید تماشا کنید. ‏—————————————————— ———————————————————— برای دنبال کردن ارایه ها، وبسایت پرزنت کتاب رو میتونید دنبال کنید Ml4trading.ir پخش لایو جلسات در اینستاگرام: https://www.instagram.com/sasanbarak برخلاف بقیه جلسات، این هفته چهارشنبه ۳ فروردین ساعت ۸، جلسه دهم کتاب رو خواهیم داشت 🌺😊 موفق باشید

🔸این آقای هافمن میره و یک مدل یادگیری تقویتی توسعه میده که وظیفش این بوده که نقطه ضعف ها را پیدا کن و ازش استفاده کن و بعدش اونقدری اغراق در فیلم زیاد می شه که مدل خودشونو از سیستم اخراج می کنه و حتی در زندگی خصوصی خودش سرک می کشه و حتی برای شرکت خودش فیبر نوری می کشه و جاسوسی می کنه ولی به هر حال خیلی مسائل بروزی را داره بررسی می کند توصیه می کنم ببینید.

🔸 میلاد حضرت ولی عصر عج الله تعالی فرجه الشریف مبارک باد

#Video #Pi_Day پنهان شدن عدد پای در قواعد ابتدایی

داستانی از پای، اعداد اول، اعداد مختلط و اینکه چگونه تئوری اعداد آنها را به هم می‌پیوندد.

Pi hiding in prime regularities A story of pi, primes, complex numbers, and how number theory braids them together. @Persian_IEEEComSoc

تشخیص خارج از توزیع با تولید داده پرت ساختگی: تشخیص خارج از توزیع یا out of distribution یکی از مسائل مورد توجه و مهم در شبکه های عصبیه. سناریویی رو در نظر بگیرید که شما مدل تشخیص اشیاتون رو برای یک ماشین خودران روی کلاس های مختلف آموزشش داد و حالا در وقت اجرا ناگهان با گوزنی مواجه میشید که در کلاس های آموزشیتون نداشتید. در اینجا مدل چون بالاخره بایستی جوابی تولید کنه در نهایت لیبلی اشتباه به این گوزن میزنه و ممکنه باعث مشکلات بعدی بشه. راهکارهای زیادی برای ood اعلام شده که البته هر کدام مشکلات خاص خودشون رو دارند. حالا پیپری اومده و روشی به نام vos ارائه کرده که جالبه. اولین ایده ای که برای ood میتونه به ذهن بیاد اینه که یکسری داده ورودی (تصویر) خارج از توزیع بسازیم و با اونها مدل رو آموزش بدیم تا ood انجام بده. اما از اونجایی که خود تولید نمونه ورودی مساله سخت و پیچیده تریه پیپر vos پیشنهاد کرده تا دادگان پرت رو در سطح لایه قبل از لایه دسته بند بسازیم. منظور از این لایه در واقع آخرین لایه در شبکه است که مدل، لایه نهایی دسته بند رو بر روی ویژگی و بازنمایی های استخراج شده از این لایه قرار میده (اسم این لایه رو بازنمایی نهایی در نظر بگیرید). اما چطور داده پرت (outlier) بسازیم؟ کاری که vos میکنه اینه که میاد یک توزیع مخلوط گاوسی روی بازنمایی‌های نهایی کلاس های مختلف تخمین میزنه و سپس برای ساخت داده پرت میاد و به نحوی از این توزیع ها سمپل می‌گیره که احتمال این سمپل به شرط توزیع‌ها خیلی خیلی کم باشه. حالا تعدادی بازنمایی نهایی پرت داریم. در مرحله بعد، این بازنمایی‌های نهایی پرت به همراه بازنمایی های غیرپرت به لایه آخر دسته بند داده میشن و برای همشون logit یا امتیاز روی کلاس های مختلف به دست میاد. حالا vos میاد و یک تابع هزینه ای پیشنهاد میده که طبق این تابع هزینه، logit های داده های غیرپرت تشویق به قطعیت و logit های داده های پرت هم تشویق به عدم قطعیت می‌شوند. حالا مدل در طی آموزش علاوه بر این که روی لاس اصلی مساله خودش آموزش میبینه روی این لاس هم آموزش میبینه. در هنگام تست هم در صورتی که logit های یک نمونه از یک حدی عدم قطعیتشون بیشتر باشه اون نمونه به عنوان داده پرت فرض میشه. این مدل روی وظیفه تشخیص شی ارائه شده اما در واقع یک فریمورک است و میتونه روی وظایف دیگه انجام بشه. لینک مقاله: https://arxiv.org/abs/2202.01197 لینک ویدئو کیلچر در توضیح این مقاله: youtu.be/i-J4T3uLC9M #paper #read #watch @nlp_stuff

آمریکا چطور پوتین را ساخت؟ اطلاعاتی مفید و لازم برای درک آنچه در اوکراین اتفاق می‌افتد. تماما متکی بر اسناد و مدارک. @farjamimahmud

🍀🍀🍀🍀 پرزنت فصل نهم به پیشبینی ولاتیلیتی و استراتژی های اربیتراژ آماری خواهد پرداخت 🌺🌺 زمان : دوشنبه ۲۳ اسفند ساعت ۲۰ Time: 14th March 2022 Topic: Volatility Forecasting and Statistical Arbitrage لینک ورود : Meeting ID: 899 2864 0090 لطفا با پسورد ۱۲۳۴۵ وارد شوید. احتمالا برای ورود به نرم افزار زوم، نیاز به فیلترشکن خواهید داشت. جلسه همچنین رو بصورت لایو در اینستاگرام هم پخش خواهد شد https://www.instagram.com/sasanbarak خوشبختانه وبسایت پرزنت ها هم آماده شده است، برای اطلاعات بیشتر به وبسایت مراجعه کنید. Ml4trading.ir لینک گروه و کانال جهت دسترسی به جلسات قبلی ضبط شده در گروه ———————————————————— لطفا دوستانتان را دعوت کنید...

ولی شخصا یکی از حرف های که از آقای بافت هست و دور از منطق سرمایه گذاری اینکه میگه : -> “Diversification is protection against ignorance ,It makes little sense if you know what you are doing” متنوع سازی ( سبد سرمایه گذاری ) برای محافظت از جهل است ( شخص خود سرمایه گذار ) ولی اگر میدونی که داری چیکار میکنی ؛ این کار منطقی نیست !!! ———————— نکته اساسی و انتقاد به این جمله اینکه اگر هم موقعیت سرمایه گذاری باشد که من نسبت بهش جهل نداشته باشم چه تضمینی وجود داره که عموم بازار بهش جهل نداشته باشه ؟ ما میدونیم که بازار یعنی تفاوت دیدگاه ها ، یکی میخرد و یکی دیگر میفروشد ! شخصی که خریدار است از داشتن یک همچین تصمیمی خوشحال و فکر میکنه دست برنده رو داره ! و دقیقا این حس برای شخص فروشنده هم هست ! نکته اساسی اینجا است که من به عنوان سرمایه گذار به عنوان فعال به عنوان یک فرد باهوش تر حتی تو نستن شرایط رو زودتر از باقی افراد ببینم و موقعیت سرمایه گذاری کشف کنم ولی ایا عموم بازار هم این موقعیت رو بهش آگاه هستند ؟ ! پس اگر من جهل نداشته باشم امکان این وجود داره بازار نسبت به موقعیت سرمایه گذاری من جهل داشته باشه پس باید قبول کنیم اساسی ترین رکن سرمایه گذاری تنوع بخشی است . ———————— یکی از مثال های که در همین ارائه هم بهش اشاره میکنم آقای مایکل بری ایشون سال 2006 بحران اقتصادی 2008 امریکا رو کشف کردن و از همون سال وارد پوزیشن فروش بروی اوراق رهنی مسکن شدند ولی متاسفانه بازار تا سال 2008 شرایط بدی روی از نظر زیان برای ایشون به وجود اورد .

خلاصه ایی از ارائه فصل پنجم ...

•چهار• #عصرانه_ریاضی •سرگذشت یک حدس• 🧮 به مناسبت روز جهانی ریاضی دکتر سیامک یاسمی عضو هیئت علمی دانشگاه تهران ⏰ دوشنبه ۲۳ اسفند، ساعت ۶ عصر 🔗 برای شرکت در این عصرانه کافی است در زمان برگزاری آن، به عنوان میهمان وارد اتاق عصرانه‌ها شوید. 📆 به کمک این پیوند می‌توانید این عصرانه را به تقویم خود اضافه کنید.

و خیلی خوشحال میشیم که اگر در این روز جمعه فرصتی داشتید در کنار گوش دادن به این موسیقی جذاب اولین مقاله که ایده اصلی استارت آپ DFO رو شرح و توضیح میده که امروز هم جناب دکتر براک عزیز در medium منتشر کردن مطالعه کنید و مارو با نظر های خوبتون و یا انتقاد های سازندتون خوشحال کنید 🌹