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

فرارسیدن تاسوعا و عاشورای حسینی تسلیت باد. التماس دعا از همه شما عزیزان در این ایام

معرفی ماژول PyCaret یک ماژول بی نظیر برای یادگیری ماشین یکی از ویژگی های بسیار جالب و هیجان انگیز پایتون ماژول های بسیار فراوانی است که دست ما را برای توسعه نرم افزارها باز می کند. PyCaret یک ماژول متن باز برای انجام کارهای یادگیری ماشین است که با حداقل ترین حالت کد نویسی، نیازهای شما را برای اجرای مدلها برآورده می کند. یکی از ویژگی های جذاب این ماژول، مقایسه مدلها با یکدیگر در یک جدول مقایسه ای است. این ماژول برای دانشجویان کارشناسی ارشد و دکتری که دنبال انجام سریع مدلها و مقایسه آنها با یکدیگر هستند بسیار کاربردی و مفید خواهد بود. 🌐 لینک گیت هاب ماژول #یادگیری_ماشین #Machine_Learning #PyCaret پایتون برای مالی 🆔 t.me/python4finance 🆔 ble.ir/python4finance

فرا رسیدن عید سعید غدیر خم روز شادمانی بندگان خالص و مخلص خداوند از اعطای نعمت ولایت و روز کامل شدن آخرین شریعت الهی با نور ولایت بر رهروان کاروان عشق و معنویت مبارک باد #مناسبت

معرفی کتاب «مبانی معاملات الگوریتمی، معامله با پایتون، راهنمای جامع 2024» به انگلیسی «Algorithmic Essentials_ Trading with Python_ Your Comprehenive Guide for 2024» ون در پست (Van Der Post) یکی از نویسندگان فعال در زمینه مدلسازی مالی و معاملات الگوریتمی است. او دانش آموخته رشته اقتصاد و MBA است و درک خوبی از مفاهیم بنیادین اقتصادی و مالی دارد و این موضوع باعث شده است که مباحث آکادمیک را با تجربه های عملی تلفیق و کارهای بسیار خوبی را ارائه دهد. وی دارای بیش از 15 سال سابقه در زمینه مالی است و خود هم در فضای کارآفرینی دستی بر آتش دارد. ون به پایتون و بسیاری از نرم افزارهای مرتبط تسلط دارد. در این کتاب ون در 10 فصل به توصیف معاملات الگوریتمی و روش استفاده از آن در معاملات روزانه پرداخته است. از ون چند کتاب خوب دیگر هم منتشر شده است که در پست های آتی تقدیم خواهم کرد. #معرفی_کتاب #معاملات_الگوریتمی #Algorithmic_Trading پایتون برای مالی 🆔 t.me/python4finance 🆔 ble.ir/python4finance

فرا رسیدن عید سعید قربان، پرشکوه‌ترین نمایش ایثار و زیباترین جلوه تعبد در برابر خالق یکتا بر شما مبارک #مناسبت 🆔 t.me/python4finance

رسم نمودارهای تعاملی با plotly یکی از ماژول های عالی برای رسم نمودارهای تعاملی ماژول plotly است. با استفاده از این ماژول می توان نمودارهای متنوعی را به راحتی ترسیم کرد. مثلا می خواهید قیمت های روزانه یک سهم را در یک بازه طولانی در یک نمودار تعاملی نشان دهید. ابتدا ماژولهای مورد نیاز را ایمپورت می کنیم:

import yfinance as yf
import plotly.express as px
import pandas as pd

در گام بعد اطلاعات سهم را برای یک بازه 3 ساله دریافت می‌کنیم:

msft = yf.Ticker("MSFT")
msft_hist = msft.history(period="3y")

حالا داده های روز و ماه و سال را دریافت می کنیم:

msft_hist['Date'] = msft_hist.index.date
msft_hist['Year'] = msft_hist.index.year
msft_hist['Month'] = msft_hist.index.month_name()
msft_hist['Day'] = msft_hist.index.day

حالا نوبت رسم داده هاست. با یک نمودار sunburst کار را تمام می کنیم:

fig = px.sunburst(msft_hist, path=['Year', 'Month', 'Day'], values='Close',
                  title='Microsoft Stock Closing Prices Sunburst Chart Over the Last Year' , height=700)
fig.show()

پایتون برای مالی 🆔 t.me/python4finance

استخراج قیمت ماهیانه نات کوین (Notcoin) این روزها نات کوین برای کاربران بسیار محبوب و شناخته شده است. نات کوین (Notcoin) یک توکن مبتنی بر شبکه ارز دیجیتال تون کوین (Toncoin) و همین طور یک بازی یا مینی اپلیکیشن در پیام‌رسان تلگرام است. ایده این بازی در ابتدا و قبل از راه‌اندازی و عرضه توکن NOT به این شکل بود که کاربران با کلیک کردن روی یک سکه به‌طور مداوم، مقدار مشخصی نات کوین استخراج می‌کردند که به موجودی آنها در بازی اضافه می‌شد. یکی دیگر از راه‌های به دست آوردن نات کوین، شرکت در برنامه‌های تبلیغاتی درون این بازی بود که برخی مجموعه‌ها برای معرفی محصول خود در محیط اپلیکیشن تلگرامی نات کوین برای آن هزینه می‌کردند. نات کوین با این ایده موفق شد در مجموع بیش از ۳۵ میلیون کاربر را درگیر کند. در پست بعد قیمت 30 روز اخیر نات کوین با دوره تناوب 1 ساعت را با استفاده از api دریافت و رسم می کنیم. #api #NOTCOIN پایتون برای مالی 🆔 t.me/python4finance 🆔 ble.ir/python4finance

استخراج قیمت ماهیانه نات کوین (Notcoin)

#code by @python4finance
import pandas as pd
import requests
import time
import matplotlib.pyplot as plt
plt.style.use("ggplot")
url="https://www.kucoin.com/_api/order-book/candles?begin="+str(round(time.time())-2592000 )+"&end="+str(round(time.time()))+"&lang=en_US&symbol=NOT-USDT&type=1hour"
r = requests.get(url)
df=r.json()
df=pd.DataFrame(df["data"]).astype(float)
df=df[::-1].reset_index() 
df[1].plot(figsize=(16,6))

#api #NOTCOIN 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

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

مروری بر قانون هوش مصنوعی اروپا رویکرد مبتنی بر ریسک به برنامه های کاربردی هوش مصنوعی 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. پایتون برای مالی 🆔 t.me/python4finance 🆔 ble.ir/python4finance

وَسَلَامٌ عَلَيْهِ يَوْمَ وُلِدَ وَيَوْمَ يَمُوتُ وَيَوْمَ يُبْعَثُ حَيًّا

معرفی کتاب «آموزش مقدماتی تشخیص ناهنجاری با استفاده از یادگیری عمیق مبتنی بر پایتون» به انگلیسی «Beginning Anomaly Detection Using Python-Based Deep Learning» تشخیص ناهنجاری (Anomaly Detection) یکی از مفاهیم اصلی آمار برای درک صحیح جامعه و تفاوت اعضای آن است. کتاب حاضر که با ادبیاتی بسیار ساده و مقدماتی نوشته است کمک می‌کند تا با یادگیری تکنیک‌های یادگیری ماشینی و یادگیری عمیق، تشخیص ناهنجاری را آموخته و آنها را در کارهای روزمره خود پیاده کنید. نگارش دوم این کتاب به یادگیری نظارت شده، نیمه نظارت شده و بدون نظارت برای تشخیص ناهنجاری تمرکز دارد. در طول این کتاب، نحوه استفاده از Keras و PyTorch را به صورت عملی فرا خواهید گرفت. این کتاب ابتدا با ارائه مفهومی دقیق از ناهنجاری و روش های شناخت آن آغاز می شود و سپس با استفاده از روش های یادگیری ماشین به استراتژی های کشف آنها می پردازد. #معرفی_کتاب #یادگیری_عمیق #یادگیری_ماشین #تشخیص_ناهنجاری #Deep_Learning #Anomaly_Detection پایتون برای مالی 🆔 t.me/python4finance 🆔 ble.ir/python4finance

عید سعید فطر، روز چیدن میوه‌های شاداب استجابت مبارک باد. #مناسبت پایتون برای مالی 🆔 t.me/python4finance 🆔 ble.ir/python4finance

کاهش ارزش ارزهای مهم بین المللی نسبت به دلار طی سه سال گذشته در مثال این پست سه ارز مهم بین المللی یعنی یورو، پوند انگلیس و دلار استرالیا در مقایسه با دلار آمریکا با مبدأ واحد از ابتدای 2021 مقایسه می شوند.

#code by @python4finance
import yfinance as yf
import matplotlib.pyplot as plt
plt.style.use("ggplot")
df=yf.download(["EURUSD=X","GBPUSD=X","AUDUSD=X"],start="2021-01-01")["Adj Close"]
df=df/df.iloc[0]
df.plot(figsize=(16,6))
plt.legend(["Euro","Pound sterling","Australian Dollar"])

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

گیت هاب کوپایلوت یک دستیار بسیار عالی برای برنامه نویسی اخیرا مایکروسافت دستیار هوش مصنوعی خود را برای برنامه نویسان در vscode ارائه کرد. گیت هاب کوپایلوت (GitHub Copilot) یک دستیار بسیار عالی برای برنامه نویسی است که واقعا به عنوان یک دستیار و یا حتی یک استاد خبره برنامه نویسی به شما کمک خواهد کرد تا سریعتر و بهتر برنامه بنویسید. کارهایی که گیت هاب کوپایلوت برای شما انجام می دهد عبارتند از: ➖تکمیل کدها در IDE ➖پاسخ به سوالات شما در خصوص دستورات زبان برنامه نویسی ➖بازنویسی و بهبود کدها ➖رفع مشکلات کدها ➖انجام یونیت تست ➖تولید اسناد مربوط به کدها (راهنمای کد) اگر به این دستیار هوش مصنوعی علاقه مند شدید، سری به این آدرس و این آدرس بزنید. با گیت هاب کوپایلوت: ✅ 74 درصد از توسعه دهندگان می توانند روی کار رضایت بخش تر تمرکز کنند ✅ 88 درصد احساس بهره وری بیشتری می کنند ✅ 96 درصد از توسعه دهندگان در انجام کارهای تکراری سریعتر عمل می کنند واقعا با این ابزارهای جدید برنامه نویسی هر روز جذاب و جذاب تر می شود.🤩 #vscode #GitHub_Copilot #Microsoft #IDE پایتون برای مالی 🆔 t.me/python4finance 🆔 ble.ir/python4finance