Quant Way

بدون شرح

یکی از معضلاتی که ما در ترکیب AI و فاینانس داریم، تبدیل کردن تئوری ها به محصول هست، در پرزنت دوشنبه ۷ شهریور، درباره یکی از قوی ترین اپروچ های اردر گذاری به کمک reinforcement learning بحث خواهیم کرد، در مقایسه شرکت های بزرگ دنیا، شرکت eveince.com جزو اولین شرکت‌های جهان در مدلسازی این مساله در بازار کریپتو هست و پرزنت یک state of art جهانی خواهد بود. بهنام ثابتی یکی از متخصصین پایونر این حوزه هست و بصورت عملی در مورد استفاده از RL در بازار #کریپتو از ایده تا پیاده سازی رو بحث خواهد کرد، این جلسه رو به همه دوستداران یادگیری #تقویتی ، #فاینانس و #ماشین_لرنینگ توصیه میکنم، 🌺 لینک پرزنت در زوم زمان: دوشنبه ۷ شهریور ساعت ۸ شب Meeting ID: 865 9229 9802 Passcode: 123456 بزودی چند تا پرزنت دیگه از تیم eveince در گروه خواهیم داشت، 🌺

یکی از معضلاتی که ما در ترکیب AI و فاینانس داریم، تبدیل کردن تئوری ها به محصول هست، در پرزنت دوشنبه ۷ شهریور، درباره یکی از قوی ترین اپروچ های اردر گذاری به کمک reinforcement learning بحث خواهیم کرد، در مقایسه شرکت های بزرگ دنیا، شرکت eveince.com جزو اولین شرکت‌های جهان در مدلسازی این مساله در بازار کریپتو هست و پرزنت یک state of art جهانی خواهد بود. بهنام ثابتی یکی از متخصصین پایونر این حوزه هست و بصورت عملی در مورد استفاده از RL در بازار #کریپتو از ایده تا پیاده سازی رو بحث خواهد کرد، این جلسه رو به همه دوستداران یادگیری #تقویتی ، #فاینانس و #ماشین_لرنینگ توصیه میکنم، 🌺 لینک پرزنت در زوم زمان: دوشنبه ۷ شهریور ساعت ۸ شب Meeting ID: 865 9229 9802 Passcode: 123456 بزودی چند تا پرزنت دیگه از تیم eveince در گروه خواهیم داشت، 🌺

#آموزشی ✅10 تریدر مشهور دنیا در تمام دورانها چندین تریدر معروف وجود دارد که وارد حرفه های دیگری نیز شده اند، جان کی (که به عنوان 38 مین نخست وزیر نیوزلند خدمت کرده است) و جیمی ویلز (بنیانگذار ویکی پدیا) از جمله آنها هستند. با این حال، این لیستی که من تهیه کردم فقط به حرفه معاملاتی آنها توجه داشته است. پیروزی ها و تراژدی های مختلفی در زندگی این معامله گران وجود داشته و برخی از آنها در صنعت تجارت به اسطوره تبدیل شده اند. ⭕️1. جسی لیورمور: جسی لوریستون لیورمور (1880-1940) یک معامله گر آمریکایی است که بخاطر هر دو دستاورد و ضررهای خیلی بزرگش در بازار مشهور است. او از سقوط بازار در سال 1929 استفاده کرده و ثروت خود را به 100 میلیون دلار رساند. با این حال، تا سال 1934 سرمایه خود را از دست داد و تا سال 1940 به سختی به زندگی خود ادامه داد. ⭕️2. ویلیام دلبرت گان: ویلیام دلبرت گان (1878-1955) یک معامله گر بود که از روش های پیش بینی بازار بر اساس هندسه، طالع بینی و ریاضیات باستان استفاده می کرد. ابزارهای اسرارآمیز او، شامل زاویه گان و میدان 9 است. علاوه بر معامله، تعدادی کتاب و اصول آموزشی نیز ارائه کرده است. ⭕️3. جورج سوروس: جورج سوروس متولد مجارستان (متولد 1930) رئیس صندوق مدیریت Soros، یکی از موفقترین شرکتهای تاریخ در زمینه صندوق پوشش ریسک است. او در سال 1922 پس از فروش کوتاه 10 میلیارد دلاری پوندها، سود یک میلیارد دلاری به دست آورد و لقب مونیکر ( مردی که بانک انگلیس را ورشکست کرد) گرفت. ⭕️4. جیم راجرز: جیمز راجرز جونیور (متولد 1942) رئیس روجرز هولدینگ است. او در اوائل دهه 1970 همراه با جورج سورس، صندوق کوانتوم را تأسیس کرد، که در طی 10 سال به میزان قابل ملاحظه ای 4200٪ افزایش یافت. راجرز بخاطر معامله موفق ارزهای کالا در سال 1990 و همچنین کتابهای خود در مورد ماجرای سفرهای خود مشهور شده است. ⭕️5. ریچارد دنیس: ریچارد جین دنیس (متولد 1949) با عنوان موفق ترین تریدر ارزهای کالایی شیکاگو شناخته شده است. او توانست در طی 10 سال 200 میلیون دلار بدست بیاورد. او همراه با دنیس و ویلیام اکتهارت روش معامله افسانه ای لاکپشت ها را ایجاد کردند. ⭕️6. پل تودور جونز: پل تودور جونز دوم (متولد 1954) بنیانگذار شرکت سرمایه گذاری تودور، یکی از صندوق های پوشش ریسک در جهان است. پس از فروش سهام در سقوط بازار سال 1987، سابقه بدی در جامعه بدست آورد. ⭕️7. جان پاولسون: جان پاولسون ( متولد 1955) از صندوق پوشش ریسک و شرکت پاولسون، پس از بدست آوردن میلیاردها دلار در سال 2007، با استفاده از تبادل افول اعتبار بازار وام مسکن ایالات متحده ، به بالاترین سطح مالی جهان رسید. ⭕️8. استیون کوهن: استیون کوهن (متولد 1956) صندوق پوشش ریسک SAC که عمدتا بر معاملات سهام تمرکز دارد را تاسیس کرد. در سال ۲۰۱۳ به خاطر محکومیت به اتهام insider trading به مبلغ 2/1 میلیارد دلار جریمه شد. ⭕️9. دیوید تپر: دیوید تپر (متولد 1957) بنیانگذار صندوق پوشش ریسک بسیار موفق مدیریت آپالوسا است. تخصص او، سرمایه‌گذاری در شرکت‌های دارای بحران مالی است. او چندین بار در CNBC مصاحبه داشته و معامله گران دیگر به شدت گفته های او را دنبال می کنند. ⭕️10. نیک لیسون: نیکلاس لیسون (متولد 1967) یک معامله گر سرکش که موجب فروپاشی بانک بارینگز شد. لیسون چهار سال در زندان سنگاپور بود اما بعدا به عنوان مدیر عامل باشگاه فوتبال ایرلند گالوی یونایتد مشغول به کار شد. @forexiseverything

#finpy_tse نسخه جدید finpy-tse با ویژگی های کاربردی جدید ▫️حدود ۶ ماه از انتشار اولین نسخه finpy_tse که تاکنون بیش از ۲۰۰۰ تا نصب داشته، میگذره و امروز نسخه جدید این پکیج (1.1.0)، قابل نصب و بهره برداری هست. ▫️یک تابع جدید در این نسخه برای دسترسی به سابقه ۶۰ روزه (معاملاتی) قیمتی سهم ها تحت عنوان: Get_60D_PriceHistory() اضافه شده که امکان تعدیل قیمت رو هم داره. خیلی از دوستان که از فیلترنویسی دیده بان استفاده میکردن، میتونن از ترکیب خروجی این تابع جدید و تابع مارکت واچ موجود در پکیج، برای پیاده سازی فیلترهای خود با پایتون اقدام کنند. با این تفاوت که در دیده بان، قیمت تعدیل نشده در اختیار فیلترنویس هست ولی این فانکشن امکان تعدیل سابقه قیمت ۶۰ روزه رو هم داره. همچنین از این تابع میتونید برای به روز رسانی دیتا بیس قیمتی موجود خودتون هم استفاده کنید. جزئیات بیشتر در قسمت ۵.۳ نوتبوکی که در گیتهاب قرار داده شده، قابل مشاهده هست. ▫️در نسخه جدید هنگام دریافت سابقه قیمت یا حقیقی-حقوقی یک سهم، نام بازاری (بورس، فرابورس، پایه زرد-نارنجی-قرمز) که سهم در هر تاریخ در اون معامله شده رو هم داشته باشید. @FinPy

مرور روش‌های SSL (Self-Supervised Learning) در پیش‌یادگیری NLP آقا آمیت در این بلاگ پست (مال سال ۲۰۲۰عه) به صورت خیلی جمع و جور اومده یه مروری کرده که چه تسک‌هایی با SSL طراحی شدند که نقش pretext یا همون pretraining رو میتونند به عهده بگیرند. یکیش رو همین الان نقدا باید بدونید: Masked Language Modeling. این تسک شامل ماسک کردن کلمه و حدس زدنش توسط مدله که در برت استفاده شد. یازده تا روش این مدلی رو ایشون توضیح داده که مدل با اینا می‌تونه بدون اینکه لازم باشه داده‌ای لیبل بزنیم، از روی متن representationها رو یاد بگیره و بعد بتونه جلوی تسک‌های مختلف قدعلم کنه. اگر ده دقیقه وقت دارید، این بلاگ پست رو بخونید و لذت ببرید. این یازده تا روش به صورت یکجا به اضافه‌ی مقالاتی که از این روش‌ها استفاده کردند: • Center Word Prediction (Continuous Bag of Words in Word2Vec) • Neighbor Word Prediction (skip-gram in Word2Vec) • Neighbor Sentence Prediction (Skip-Thought Vectors) • Auto-regressive Language Modeling (Neural Probabilistic Language Model, GPT) • Masked Language Modeling (BERT, RoBERTa and ALBERT) • Next Sentence Prediction (BERT) • Sentence Order Prediction (ALBERT) • Sentence Permutation (BART) • Document Rotation (BART) • Emoji Prediction (DeepMoji) • Gap Sentence Generation (PEGASUS) لینک پست: https://amitness.com/2020/05/self-supervised-learning-nlp/ #read #blog @nlp_stuff

🎯🎯🎯موسسه data science 365 از معتبر ترین موسسات آموزش علم داده از تاریخ ۱۵ تا ۱۷ آگست به مدت سه روز دسترسی به تمامی دوره های خودش رو که طیف وسیعی از موضوعات علم داده است رو رایگان کرده و برای افرادی که practically میخوان تو این حوزه کار کنن عالیه و دارای سرتیفیکیشن هست لینک ورود پی نوشت ۱: با توجه به مدت زمان سه روزه یک دوره رو حداقل بصورت کامل میتونید به همراه پروژه استفاده کنید و اگر علاقه مند به استفاده فایل های ویدیویی اون دوره یا دوره های دیگر بودید میتونید با ادمین های کانال مطرح کنید _به تعداد محدود _ پی نوشت ۲: پیام های کانال رو با دوستانتون به اشتراک بگذارید تا افرادی که به این حوزه علاقمند هستند بتونن استفاده کنند .

🎥 ویدئوی قسمت دوم از فصل دوم وبینار سیگموئید با حضور دکتر ساسان براک و مهندس امیر عباس اسدی در آپارات آپلود شد! 🔸 در این قسمت به بررسی مبحث متالرنینگ در پیش بیتی سری‌های زمانی پرداختیم 🔴 برای مشاهده ویدئوی کامل این وبینار به لینک زیر مراجعه کنید: 📎 https://aparat.com/v/bvTJm

🎥 ویدئوی قسمت اول از فصل دوم وبینار سیگموئید با حضور مهندس علیرضا اخوان پور 🔸 در این قسمت به بررسی دو مقاله در موضوعات Maximising robustness و Occluded visual object recognition پرداختیم. 🔴 برای مشاهده ویدئوی کامل این وبینار به لینک زیر مراجعه کنید: 📎 https://www.aparat.com/v/qCpg6

https://www.youtube.com/watch?v=WbgglcXfEzA https://doi.org/10.3905/jfds.2022.1.098

مقاوم‌سازی شبکه عصبی در برابر انواع حملات خصمانه! حتما در سال‌های اخیر در مورد Adversarial Attacks و ضعف شبکه‌های عصبی در تشخیص تصاویری که با افزوده شدن نویزهای کوچک تغییر داده شده‌اند شنیده‌اید. به طور مشخص، میتوان با افزودن نویز به تصاویر طوری که این نویز‌ها برای چشم انسان پنهان باشند، قدرت تشخیص شبکه‌ی عصبی که روی تصاویر سالم خوب کار می‌کند را به صفر رساند! از این رو در دهه‌ی گذشته محققین بسیاری سعی در یافتن روش‌های دفاعی (Defense Mechanism) برای مقابله با این حملات برآمده‌اند. اما مشکل اصلی این بوده که هر کدام از این روش‌های دفاعی حداکثر برای یک نوع حمله به شبکه‌های عصبی طراحی شده بودند و با آمدن روش جدیدی از حمله بلااستفاده یا بسیار ضعیف میشدند. از این رو سوال مهمی که مطرح شد این بود که میتوان شبکه‌های عصبی طراحی کرد که به ازای ورودی های مشخص، توان تشخیص درست را به ازای تمام حملات ممکن در یک همسایگی آن ورودی‌ها داشته باشد؟ از این رو فیلد جدیدی با عنوان Verification of Neural Networks مورد توجه قرار گرفت که سعی در اثبات ریاضی‌وار توانایی یک NN در تشخیص پیچیده ترین حملات (Adaptive and brute force attacks) دارد. در کنفرانس اخیر ICML وورکشاپی تحت عنوان Workshop on Formal Verification of Neural Networks برگزار شد که مهمترین پیشرفت‌ها در این حوزه را در چند سال اخیر نشان می‌دهد. به طور ویژه یکی از این مقاله‌ها (با عنوان Improving adversarial robustness via joint classification and multiple explicit detection classes)، ایده‌ی Verification شبکه‌های عصبی که به طور توأمان Classification و Detection انجام میدهند را بررسی میکند. یکی از راه‌های افزایش کارآیی شبکه‌های عصبی برای تشخیص Adversarial attackها افزودن Detector به شبکه‌ی عصبی است. منظور از Detector یک Binary Classifier است که تعیین میکند آیا ورودی داده شده تصویری سالم است یا مورد تغییر قرار گرفته است و به نوعی Adversarial حساب می‌شود؟ به طور مثال اگر می‌خواهیم از مجموعه داده‌ی MNIST برای train کردن شبکه‌ی عصبی استفاده کنیم که شامل ده کلاس است، میتوان کلاس یازدهمی اضافه کرد که وظیفه‌اش شناسایی عکس‌هایی است که دستکاری شدند. این مقاله به طور ویژه نشان می‌دهد که با افزودن تعداد بیشتری از این detectorها به Network، چگونه می‌توان توانایی تشخیص آن شبکه‌ی عصبی را بهبود داد. به طور مشخص این مقاله، نحوه‌ی Verify کردن و Train کردن چنین شبکه‌های پیچیده‌تری را شرح میدهد و با آزمایش‌های گوناگون روی داده‌های مختلف موثر بودن چنین روشی را نشان میدهد. پ.ن. با تشکر از آقای سینا بهارلویی که این پست را برامون ارسال کردند. شما هم اگر پست خوبی داشتید بفرستید تا به اسم خودتون منتشر کنیم. تعارف نکنید خلاصه. لینک ورکشاپ: https://www.ml-verification.com لینک مقاله: http://download.huan-zhang.com/events/wfvml2022/papers/24_CameraReady_Camera%20Ready.pdf #read #paper @nlp_stuff

سایه رفت ... شبم از بی ستارگی ، شب گور در دلم گرمی ستاره ی دور آذرخشم گهی نشانه گرفت گه تگرگم به تازیانه گرفت بر سرم آشیانه بست کلاغ آسمان تیره گشت چون پر زاغ مرغ شب خوان که با دلم می خواند رفت و این آشیانه خالی ماند آهوان گم شدند در شب دشت آه از آن رفتگان بی برگشت...😔

⚫️تسلیت عاشورا حسینی