Python4Finance

🔸لیستی از برترین کانال‌های آموزشی در زمینه های هوش‌مصنوعی, پایتون و یادگیری ماشین ‏❯ هوش مصنوعی: 1️⃣ @Ai_Tv 2️⃣ @AI_PYTHON 3️⃣ @HomeAI ‏❯ علم داده : 1⃣ @DataAnalysis 2⃣ @SQL_Server ‏❯ یادگیری ماشین و یادگیری عمیق : 1️⃣ @Machine_learn ‏❯ آموزش پایتون : 1⃣ @pythonchallenge 2⃣ @raspberry_python 3⃣ @python4finance 4⃣ @Programming4all_0to100

بررسی روند GDP ایران و ایالات متحده از سال 2000 تا الان این اطلاعات به کمک ماژول pandas dataredear و از منبع بانک جهانی (Iran GDP , US GDP) استخراج و رسم شده است. #پایتون_مالی #تولید_ناخالص_داخلی #GDP #Pandas_datareader @python4finance

📢فراخوان همکاری با نشریه علمی_تخصصی #علم_داده_اقتصادی دانشگاه علامه طباطبایی 🔸نشریه علم داده اقتصادی از تمامی اساتید، دانشجویان، پژوهشگران و مترجمان دعوت به همکاری می نماید تا آثار خود در قالب مقاله، ترجمه و گزارش در حیطه موضوعات مرتبط با علم داده و‌کاربرد آن در اقتصاد را جهت داوری و چاپ در نشریه علمی_تخصصی “علم داده اقتصادی” ارسال نمایند. 📧علاقه مندان می توانند مطالب خود را جهت بررسی به آدرس زیر ارسال نمایند : Ecodatapub.atu@gmail.com 🗓زمان ارسال آثار تا ۱۰ شهریور ماه ۱۴۰۰ 📎جهت کسب اطلاعات بیشتر: @Mohammadnoori76 @Zr_Mobina

یک ماژول دیگر برای زمان بندی (schedule) قبلا در این لینک در خصوص اجرای برنامه در زمان های مشخص یا همان schedule صحبت کردیم. یکی دیگر از ماژول های جالب ماژول schedule است. این ماژول این امکان را به شما می دهد که مثلا یک تابعی را در روزهای دوشنبه ، یا مثلا ساعت خاصی در هر روز اجرا کنید. (قبل از اجرای برنامه با pip install schedule ماژول را نصب کنید) #پایتون_مالی #time #sleep #schedule @python4finance

اعمال یک تابع روی دیتافریم با تابع apply یکی از توابع کارآمد در کار با دیتافریم ها تابع apply است. به کمک این تابع می توانید توابع مورد نظر خود را روی دیتافریم اعمال کنید. تابع apply بعد از groupby استفاده می شود. یک مثال: فرض کنید میزان خرید و فروش سهام خود را از دو سهم A و B به صورت روزانه ثبت کرده اید. می خواهیم میزان خرید و فروش کل از هر سهم را محاسبه کنیم. می خواهیم درصد خرید و فروش هر کدام از سهم ها را نیز محاسبه کنیم. در مثال این پست می توانید نمونه کد این مثال را مشاهده نمایید. #دیتافریم #اعمال_تابع #پایتون_مالی #dataframe #pandas #groupby #apply @python4finance

اطلاعات جامع در خصوص علم داده 📌آیا علم داده برای من مناسب است؟ 📌آینده شغلی علم داده چیست؟ 📌برای کسب شغل در این حیطه چه استانداردهایی باید داشته باشم؟ 📌چطور در حوزه علم داده شغل مورد نظر خود را پیدا کنم؟ 📌چه سازمان هایی به دنبال متخصص علم داده هستند؟ پاسخ این سوالات را می توانید در فایل ضمیمه پست بعد پیدا کنید (زبان این فایل انگلیسی روان است.) #علم_داده #سوالات_متداول #پایتون_مالی #data_science #faq @python4finance

عید سعید غدیر خم مبارک. @python4finance

➖ لینک های مهم 🔸کانال آپارت جهت مشاهده وبینارها و فایل های آموزشی لینک 🔸 کتاب های معرفی شده در کانال #معرفی_کتاب 🔸 اسلایدهای آموزشی ارائه شده در کانال #اسلاید 🔸اینستاگرام: لینک 🔸کانال در شبکه بله (برای افرادی که در اتصال به تلگرام دچار مشکل می شوند): لینک 🔸کلیپ های آموزشی #ویدئو 🔸سوالات متداول لینک 🔸✅✅✅ چگونه از برگزاری دوره ها مطلع شوم؟ (پیش ثبت نام در دوره های آموزشی سال 1400) پاسخ @python4finance

کار با اندیس های تکراری در Pandas بسیاری از اوقات پیش می آید، که در دیتافریم ها، اندیس‌های تکراری داریم. مثلا فرض کنید میزان فروش شرکت در ایام هفته را ثبت کرده ایم اما برای برخی روزها چون عدد فروش ثبت کرده‌ایم، لازم است همه را یکی کنیم. یکی از راهکارها برای حل این موضوع استفاده از groupby است. دقت داریم که این تابع همیشه با یک تابع کمکی مثلا میانگین، جمع و ... استفاده می شود. در مثال این پست؛ جمع موارد بر اساس اندیس تکراری نمایش داده شده است. #پانداس #اندیس_تکراری #پایتنون_مالی #pandas @python4finance

اگر هنوز، موفق به ثبت نام در این دوره ها👆👆👆 نشده اید زمان را از دست ندهید. شرکت در این دوره ها را به همه افرادی که برای پیشرفت خود برنامه دارند توصیه می کنم.

تسلط به پایتون (Python) یکی از امتیازات گسترده برای پذیرش در دوره های دکتری و نیز استخدام در شرکت های بزرگ و فعال داخل و خارج کشور است. در دوره های آموزشی زیر، گام به گام با برنامه نویسی پایتون و مدلسازی اقتصادی و مالی و نیز مفاهیم معاملات الگوریتمی به صورت کاربردی آشنا می شوید. 📌دوره مدلسازی مقدماتی با پایتون (شروع از ۴ مرداد) 📌دوره مدلسازی مالی پیشرفته با پایتون (شروع از ۸ شهریور ماه) 📌دوره معامله گر الگوریتمی (شروع از ۱۲ مهرماه) ✅ ثبت نام همزمان 3 دوره با تخفیف ویژه (لینک) مدرس: آقای دکتر محمدصادق کریمی مهرآبادی مرکز آموزش های آزاد و مجازی دانشگاه الزهرا(س) @azvclc