@machinelearningnet

این کنفرانس ICAIF خیلی در زمینه AI و فاینانس معروفه و اصولا مقالات بسیار جالبی توش پرزنت میشه ، هزینه ثبت نام virtual اش ۱۰۰-۲۰۰ دلاره و بنظرم برای بچه های دانشجوی ارشد و دکترا که دنبال ایده پایان نامه هستن بسیار عالی میتونه باشه ، مقالات زیادی در زمینه AI in finance هم از هج فاندهای بزرگ دنیا توش پرزنت خواهد شد. https://ai-finance.org/ برای سالهای بعد هم جزو اولویت های سابمیت مقاله خیلی خوب میتونه باشه

User Interface ( UI) v.s. User Experience (UX) 😁🤦‍♂

داریم به روزهایی میرسیم که بدون LLM ها کاملا عقب خواهیم موند. اتفاق خیلی جذاب جدید، دادن فایل های PDF و اکسل به GPT برای تحلیل هست! براحتی از Dall-E میتونیم برای تولید عکس ها استفاده کنیم و انواع مختلف فایل رو به gpt4 بدیم و صدها پلاگین رو بصورت اتوماتیک برای آنالیز های خودمون استفاده کنیم، برای کمپین های مارکتینگ، برای آنالیز مدلها مون، و احتمالا بزودی برای ساختن آپ های تخصصی دیگه روز به روز کمتر نیاز به متخصص خواهیم داشت، نسل جدید، اولین چیزی که باید یاد بگیرن، استفاده درست از این ابزار هست، 😊 @machinelearningnet

https://arxiv.org/abs/2310.07820 مقاله ی بسیار جالبی در مورد استفاده از مدلهای LLM در تایم سری فورکاستینگ. در واقع ایده اینکه که پیشبینی عدد بعدی سری رو تبدیل به پیشبینی توکن بعدی تکس در نظر میگیرن،

این هفته این مسابقه برای سال ۲۰۲۳ دوباره شروع شده ، و تیم من فعلا روی انرژی و defensive هست، سختی مسابقه اینکه نمیتونی شورت سل بزنی، والا خیلی از سکتور های مارکت رو میشد الان شورت کرد، امروز nvidia نزدیک ۷.۵ درصد ریخت ☺️

یکی از بزرگترین مسابقات سرمایه گذاری که در سطح جهانی بین تیم های دانشگاهی دنیا برگزار میشه، Bloomberg global trading challenge بلومبرگ هست. هر تیم باید یک میلیون دلار رو فقط روی سهام پرتفولیو ببنده . این مسابقه تقریبا دو ماه طول میکشه و گروه‌ها توی این مدت میتونن با انواع اپروچ های کوانت یا ماکرو بین نزدیک ۱۲۰۰۰ تا سهام از اکثر کشورهای دنیا ( بغیر ایران بدون شک) سبدشون رو انتخاب کنن. سال پیش نزدیک ۹۵۰ تیم از کل دانشگاه‌های دنیا توی این مسابقات شرکت کرده بودن و تیم دانشگاه ساوتهمتون مقام اول دنیا رو کسب کرد. من یکی از Faculty Advisor های تیم بودم که این افتخار نصیب ما هم شد 🌺😍 This year, 948 teams invested a total of $785,061,647 of virtual cash over 4,469 individual stocks. The winning team was University of Southampton in the United Kingdom, which was able to generate a relative profit of $305,644. لینک خبر و توضیحات بلومبرگ🌺 یه مدت قبل هم در مسابقات m6 که برای پیشبینی سهام هست، یکی از دوستان ما در این گروه نفر اول شد، سعی میکنم یه جلسه برای ارائه اپروچ اش هماهنگ کنم🌺 #خودمون رو دست کم نگیریم😜

یکی از بزرگترین مسابقات سرمایه گذاری که در سطح جهانی بین تیم های دانشگاهی دنیا برگزار میشه، Bloomberg global trading challenge بلومبرگ هست. هر تیم باید یک میلیون دلار رو فقط روی سهام پرتفولیو ببنده . این مسابقه تقریبا دو ماه طول میکشه و گروه‌ها توی این مدت میتونن با انواع اپروچ های کوانت یا ماکرو بین نزدیک ۱۲۰۰۰ تا سهام از اکثر کشورهای دنیا ( بغیر ایران بدون شک) سبدشون رو انتخاب کنن. سال پیش نزدیک ۹۵۰ تیم از کل دانشگاه‌های دنیا توی این مسابقات شرکت کرده بودن و تیم دانشگاه ساوتهمتون مقام اول دنیا رو کسب کرد. من یکی از Faculty Advisor های تیم بودم که این افتخار نصیب ما هم شد 🌺😍 This year, 948 teams invested a total of $785,061,647 of virtual cash over 4,469 individual stocks. The winning team was University of Southampton in the United Kingdom, which was able to generate a relative profit of $305,644. لینک خبر و توضیحات بلومبرگ🌺 یه مدت قبل هم در مسابقات m6 که برای پیشبینی سهام هست، یکی از دوستان ما در این گروه نفر اول شد، سعی میکنم یه جلسه برای ارائه اپروچ اش هماهنگ کنم🌺 #خودمون رو دست کم نگیریم😜

مدتی بود فکر میکردم مایکروسافت تقریبا همه بیزینس های AI رو خواهد بلعید! 🙈 با این حجم پیشرفتی که در gen ai دارن و این سرمایه و ریسورس ها، تقریبا همه شرکتها برای اتومیت کردن کارها، وابسته اونا خواهند شد، همین الانم که ما از gpt ها استفاده میکنیم، کل اطلاعات در خدمت ماکروسافت برای فروش در اینده به خود ما جمع آوری و تحلیل میشه، این ذهنیت غالب مقداری هم ترسناک بود و البته با یک پست جالب از 🤗 hugging face تلطیف شد! پست جالب بالا، یکی از بهترین توصیه های هست که در سال‌های آتی میشه به بیزینس ها کرد، اولا نشون میده بدون شک همه ی بیزینس ها باید به این سمت برن و یا دچار عدم کارایی شدیدی خواهند شد❌ ثانیا، مدل کوچیک تخصصی خودشون رو دولوپ کنن💥، اینکه چقدر این مدلها میتونه موفق و کارا باشه یک بحث هست که احتمالا همه شرکتهارو مجاب به استخدام مهندس های gen ai کنه، اما در کل ما بجز اتومیت کردن چاره ای نخواهیم داشت، هدفم از این بحث ها این بود که یک دوره Generative AI for Everyone رو Andrew Ng داره بزودی میزاره که توش درباره پیاده سازی و ساختن این مدلها برای بیزینس خودتون بحث خواهد کرد، 😍 لینک کورس بزودی آپدیت میشه

اینم یاد مدل nbeats میندازه منو، اومدن بعد از مسابقه m4، یه مقاله دادن بیرون و ادعا کردن از نتیجه الگوریتم نفر اول ( syml) چندین درصد بهتر شدن، اما دوستان نویسنده روی همین دیتاهای چند تا مسابقه فورکاستینگ موسوم به M اورفیت کرده بودن و دیگه ازش خبری نشد، این قضیه این مقاله nixtla هم همون نشه ؟! 😜😊،

واقعا این معرکه conformal forecasting رو متوجه نمیشم😭، چیزی که سالها بوده و ما در حوزه statistical forecasting کلی مدل و اپروچ در زمینه interval forecasting داریم، حالا چون مدل عوض شده و تبدیل به ماشین لرنینگ شده واقعا احساس میکنه طرف جایزه نوبل باید ببره برای پرزنت چیزی که بوده 😉😁 خیلی جالبه استفاده کولاسو هم که آب پاکی رو ریخت روی دستش 🙈 همون بدرد پست های لینکدین میخوره، والا نمود واقعی که پرفورمنس خوبی ازش ببینیم وجود نداره. 🙈😉

شاید علاقمند به دیدن سولوشن نفر اول همین مسابقه پیشبینی crypto باشین که اینجا توضیح داده شده. ساختار مدل اش توی شکل بالا پرزنت شده

"Exciting News! 📢 In today's ever-changing market landscape, traditional portfolio selection methods fall short due to the dynamic nature of financial data. That's where our pattern matching approach with clustering shines. 🌟In our new paper, we've developed an online portfolio selection strategy that adapts to market changes, maximizing expected growth while considering ESG factors. 🌍📊 Our research tackles the challenge of non-stationarity in finance, which often trips up conventional machine learning algorithms. By incorporating nonlinear entropy between the shares and creating a dynamic pattern-matching approach, we beat many benchmark algorithms in live trading. 🌟🌟One key finding: ESG portfolios ♻️obtained the best deflated Sharpe ratio—indicating their strong performance beyond market growth. These findings highlight the tremendous potential of responsible investing.🌿💰 I'd like to extend my gratitude to the team, Ali Fereydoni and Mehrzad Asadi, which have the main contributions to this research. 🚀

اول مهر ماه، سالروز تولد اسطوره آواز ایران و نغمه خوان آزادي ما، استاد محمدرضا شجریان ❤️ گرامی باد🌺 زبانِ خامه ندارد سرِ بیان فِراق وگرنه شرح دهم با تو داستانِ فِراق @machinelearningnet

این پکیج جالبی بود در پایتون که ۱۶۳k ستاره داره! تقریبا هر الگوریتمی که فکر می‌کنید از بلاکچین و ماشین لرنینگ تا ساختار دیتا رو کار کرده، https://github.com/TheAlgorithms/Python @machinelearningnet

اخیرا تعدادی از دوستان درخواست معرفی کورس های الگوریتمیک تریدینگ داشتن، من سعی کردم چند تا دوره در یوتیوب رو در این پست لیست کنم که دوستان بتونن ازش استفاده کنن، دوره اول بیسیک رو کاور میکنه و دوتا استراتژی مومنتوم و value investing رو ارائه میکنه . دوره دوم و دوره سوم برای مت مکارتی هست در مورد directional bias و چند تا استراتژی که کلا یوتیوب اش رو میتونید فالو کنید . دوره چهارم خیلی بیسیک هست و آخرش درمورد گرفتن دیتا از api های بروکرها هم توضیحاتی میده، دوره پنجم هم ریسک فاکتور مدل فاما فرنچ رو روی دیتا لایو و یک شرکت داره تست میگیره. مثال‌های زیادی میشه زد، اینا چند تا کوروس جمع وجور که برای کاور مسایل بیسیک بود رو انتخاب کردم.

Web scraping with Scrapy course 🚀🚀🚀 A new course by freeCodeCamp for web scrapping with Python and scrapy by Joe Kearney. The course is for beginners level and covers the following topics: ✅ Creating your first Scrapy spider ✅ Crawling through websites & scraping data from each page - ✅ Cleaning data with Items & Item Pipelines ✅ Crawling through websites & scraping data from each page ✅ Cleaning data with Items & Item Pipelines and saving data to CSV files, MySQL & Postgres databases ✅ Deploying your scraper to the cloud & scheduling it to run periodically Resources 📚 ➡️ Course: https://www.youtube.com/watch?v=mBoX_JCKZTE&t=31s&ab_channel=freeCodeCamp.org ➡️ Course website: https://thepythonscrapyplaybook.com/freecodecamp-beginner-course/ ➡️ Scrapy: https://docs.scrapy.org/en/latest/

Wow! 😱🚀 WizardCoder 34B outperformed GPT4, brad and claude on HumanEval. It is fine tuned version of Code Llama ( introduced yesterday) ! The 67% by GPT4 is the official report of Open.ai and the 67% and 82% are by the wizardlm team. #crazyworld! All the codes and analysis are opens source here