دریافت اطلاعات ۳۸۲۰۰ آگهی فروش ملک در شهر تهران از سایت دیوار

این اطلاعات شامل:
- منطقه
- مساحت
- سال ساخت
- تعداد اتاق
- وجود پارکینگ، انباری و آسانسور
- قیمت

برای دریافت این داده‌ها از کتابخانه scrapy در #پایتون استفاده شده است.

کار با این داده‌ها می‌تواند یک تمرین خوب در زمینه پیش‌پردازش داده و استخراج اطلاعات از آن باشد.

⚠️در پست بعدی فایل csv این داده‌ها در اختیار مخاطبین قرار خواهد گرفت.
➖➖➖➖➖➖➖➖➖
آموزش مفاهیم مالی در پایتون
https://t.me/pyfinance

سال ساخت و تعداد آگهی!

با بررسی داده‌های استخراج شده از سایت دیوار مشخص شد که تعداد آگهی املاکی که سال ساخت آن رُند است نسبت به سالهای مجاور آن به طرز قابل توجهی بیشتر است. به طور مثال تعداد آگهی املاک با سال ساخت ۱۴۰۰، ۱۳۹۵، ۱۳۹۰ و... نسبت به سالهای مجاورشان بسیار بیشتر است.
به نظر شما علت چیست؟!
➖➖➖➖➖➖➖➖➖
آموزش مفاهیم مالی در پایتون
https://t.me/pyfinance

دسترسی به بیش از 2000 دوره رایگان علم داده» در یک سایت!

سایت DataKwery یکی از جامع‌ترین سایت‌های داده است که بهترین دوره‌های رایگان و غیر رایگان علم داده در حوزه‌های مختلف مانند python، Excel ، SQL، Tableau, ... را از پلتفرم‌های مختلف آموزشی جمع آوری کرده و با ارائه یک نقشه راه جامع، به شما در تبدیل شدن به یک دانشمند داده حرفه‌ای کمک می‌کند.
➖➖➖➖➖➖➖➖➖
آموزش مفاهیم مالی در پایتون
https://t.me/pyfinance
➖➖➖➖➖➖➖➖➖

اگه دوست دارید نظریات مطرح شده راجع به علت این الگو در داده‌ها رو بدونید، می‌تونید کامنت‌های پست لینکدین در این زمینه رو دنبال کنید.
👇👇👇
‏https://www.linkedin.com/posts/ali-raoofi-02ba8382_afyaepahyaesaewaeu-aehaesaetabraexaepaexaev-activity-6960685843158028288-3Lq5?utm_source=linkedin_share&utm_medium=ios_app
➖➖➖➖➖➖➖➖➖
آموزش مفاهیم مالی در پایتون
https://t.me/pyfinance
➖➖➖➖➖➖➖➖➖

علم داده و علم رفتاری
برای درک بهتر داده و شناسایی ویژگی‌هاش، خصوصا در مواقعی که کاربر داده‌ها رو برای ما تولید میکنه، علاوه بر داشتن دانش داده، باید دانش رفتاری رو هم بلد باشیم تا بتونیم الگوهای رفتاری درون داده رو بهتر ببینیم و تفسیر کنیم.
می‌خوام با یه مثال این موضوع رو شفاف کنم. البته در پست قبلی هم که درباره آگهی‌های فروش ملک در سایت دیوار بود این مساله رو به صورت سربسته توضیح داده بودم.
خوب بریم سراغ مثال:
با بررسی داده‌های درون روز (ریز معاملات) نماد #وبملت از تاریخ ۵ تیرماه تا ۱۲ تیرماه نکات جالبی قابل مشاهده است.
در مجموع در این بازه زمانی ۱۲۹۱۱ معامله در رنج حدودی ۲۶۲۰ ریال تا ۲۷۸۰ ریال انجام شده است.
در تصویر زیر نمودار میله‌ای برای فراوانی تعداد معاملات در هر قیمت (هر ریال) ترسیم شده است. به عبارتی فاصله هر تیک روی محور افقی یک ریال است و محور عمودی فراوانی معاملات انجام شده در آن قیمت را نشان می‌دهد. همانطور که در تصویر مشاهده می‌کنید تعداد معاملات در مضارب ده ریالی از همسایه‌های قبلی و بعدی به طرز قابل توجهی بیشتر است. این مساله به این دلیل می‌تواند باشد که بسیاری از معامله‌گران به تغییرات ریالی سفارشی که قرار می‌دهند توجهی ندارند و قیمت‌های ارسالی بیشتر بر اساس تومان (ده ریال) در نظر گرفته می‌شود. قیمت‌هایی نظیر ۲۷۰، ۲۷۱، ۲۷۲ تومان و ... این در حالی هست که معامله‌گر این امکان را داشته که سفارش خرید و فروش خود را با دقت ریالی قرار دهد. یعنی ۲۷۰۱ ریال و ...
شکل‌گیری این الگوها در داده نشات گرفته از قواعد رفتاری، حسابداری ذهنی و نقش اعداد رُند در تصمیم‌گیری معامله‌گران بازار
است.
➖➖➖➖➖➖➖➖➖
مفاهیم مالی در پایتون
https://t.me/pyfinance
➖➖➖➖➖➖➖➖➖

https://RSlinks.net/xohk6a3t

اکسل اطلاعات ۳۸۲۰۰ آگهی فروش ملک در شهر تهران از سایت دیوار

این اطلاعات شامل:
- منطقه
- مساحت
- سال ساخت
- تعداد اتاق
- وجود پارکینگ، انباری و آسانسور
- قیمت

@pyfiance

برای دریافت این داده‌ها از کتابخانه scrapy در #پایتون استفاده شده است.

کار با این داده‌ها می‌تواند یک تمرین خوب در زمینه پیش‌پردازش داده و استخراج اطلاعات از آن باشد. به طور مثال همانطور که در تصویر پست قبل (+) مشاهده می‌شود، منطقه مربوط با هر آگهی باید از ستون "Address" استخراج گردد. همچنین در ستون قیمت، اولا اعداد به فارسی است که در محاسبات دچار مشکل می‌شوید و دوم اینکه در کنار قیمت عبارت تومان نوشته شده که باز هم در انجام محاسبات شما را دچار مشکل می‌کند و سوم اینکه برخی آگهی‌ها عبارت «توافقی» به جای قیمت درج شده که باید راهکاری برای آن در نظر گرفت. کار با داده‌های باینری، حذف و یا پر کردن داده‌های مفقوده، شناسایی داده های پرت، فیلتر کردن داده‌های هر منطقه و استخراج میانگین قیمتی هر منطقه، دسته بندی داده های بر اساس سال ساخت، انجام مدلسازی‌های آماری و یادگیری ماشین برای پیش‌بینی قیمت ملک و ... از جمله مزیت‌های این دیتاست است.

علم داده و بازارهای مالی/ پیشنهاد تدریس

در چند سال اخیر توجه به #علم_داده و اهمیت آن در بازارهای مالی به طرز چشمگیری در بین شرکت‌های فعال در #صنعت_مالی کشور افزایش یافته است. با این حال به نظرم تا رسیدن به نقطه مطلوب فاصله زیادی وجود دارد. بسیاری از شرکت‌های #سرمایه_گذاری، #سبدگردان ها، #کارگزاری ها،#بانک ها و #بیمه ها به صورت سنتی به انجام امور محوله می پردازند و از موهبت علم داده در تکمیل و تسریع وظایف فعلی و ایجاد فرصت های کسب و کاری جدید توسط علم داده ناآگاه‌اند. در یک سال اخیر دوره های متعددی در این زمینه برای نهادهای مختلف مالی از جمله #بیمه_ملت، #صندوق_بازنشستگی، #هلدینگ_خلیج_فارس، #کارگزاری_مسکن و ... داشته‌ام و دوره‌ای برای #بانک_مرکزی به زودی آغاز خواهد شد. دوره‌هایی که اغلب تمرکز آنها بر روش‌های #یادگیری_ماشین با استفاده از #پایتون متناسب با آن کسب و کار یا سازمان بوده است.

⚠️ در حال حاضر در حال طراحی یک دوره جامع مرتبط با دانش علم داده، یادگیری ماشین و … (حدود ۲۰۰ ساعت)، با همکاری یکی از نهادهای مالی هستم.
عزیزانی که می تونن دوره‌های مرتبط با «علم داده» اعم از دیتابیس، یادگیری ماشین، #یادگیری_عمیق، #معاملات_الگوریتمی، کاربردهای خاص در صنایع مختلف مالی و ... رو تدریس کنند، به ایمیل زیر رزومه ارسال نمایند:
aliraoofi1@gmail.com

➖➖➖➖➖➖➖➖➖
مفاهیم مالی در پایتون
@pyfinance

#اطلاعات_عمومی

قدرت پریدن انسان در نقاط مختلف دنیا با توجه به نیروی جاذبه

⚠️ کره زمین 0.45 متر
سیاره مشتری 0.17 متر
نپتون 0.39 متر
زهره 0.49 متر
مریخ 1.18 متر
ماه کره زمین 2.72 متر
پلوتون 7.11 متر
سرس 15.75 متر
میراندا (ماه اورانوس) 57 متر
فوبوس (ماه مریخ) 773 متر
خورشید 0 متر!!

➖➖➖➖➖➖➖➖➖
مفاهیم مالی در پایتون
@pyfinance

یادگیریِ ماشینْ یا یادگیریِ ماشین(ی)، مساله این است.

برخی مواقع #machinelearning را #یادگیری_ماشین، و در برخی مواقع #یادگیری_ماشینی ترجمه کرده‌اند. حال کدام صحیح است؟!
«یادگیریِ ماشینْ» یعنی ماشین یاد می‌گیرد، در حالی که وقتی می‌گیم «یادگیری ماشین‌(ی)» یعنی یادگیری که ماشینی بدست آمده باشد نه اینکه ماشین یاد گرفته باشد. مثل تایپ کامپیوتری، که یعنی تایپی که توسط کامپیوتر انجام شده است. در تایپ کامپیوتری، کامپیوتر مهارت خاصی بدست نمی‌آورد و فقط آن عمل توسط کامپیوتر انجام شده است. در حالی که در بحث یادگیری ماشین، ماشین مهارتی را کسب می‌کند، که عملی را به بهترین شکل ممکن انجام دهد.

پ ن ۱: البته از دید من اسم چیز مهمی نیست و نمی‌توان کسی را بابت استفاده از ترجمه نادرست متهم به بیسوادی کرد. خیلی مواقع افراد از کنار اسامی به سادگی می‌گذرند و آن را صحیح می‌پندارند.
پ ن ۲: صادقانه اینکه خود من هم تا همین سال پیش می‌گفتم یادگیری ماشینی! و خیلی هم باهاش راحت بودم.
پ ن ۳: از این ترجمه‌های اشتباه و مصطلح زیاد است. یک نمونه دیگه که در مقالات دیدم و خودم هم ازش استفاده کردم ترجمه‌ای از #Expectation_Maximization که در فارسی الگوریتم حداکثرسازی انتظارات ترجمه شده است که صحیح نیست.

#مالی #پایتون #معاملات_الگوریتمی #علم_داده #مدلسازی
➖➖➖➖➖➖➖➖➖
مفاهیم مالی در پایتون
@pyfinance

یک مثال از اهمیت مصورسازی خوب!
آیا تغییرات اقلیمی افسانه است؟!
کم توجهی به مصورسازی در علوم مالی!

@pyfinance

این نمودار تغییرات دمای هوای کشورهای مختلف رو در بازه زمانی ۱۸۸۰ تا ۲۰۲۱ نمایش می‌ده. همونطور که مشاهده می‌کنید، روز به روز میانگین دمای هوا در حال افزایش است (به نموداری که بالای تصویر، سمت راست ترسیم می‌شود دقت کنید)

مصورسازی یکی از مباحث بااهمیت برای درک بهتر داده‌هاست. متاسفانه از این مهارت کلیدی کمتر در بازارهای مالی استفاده می‌شود. عمده تحلیلگران به چارت سری زمانی قیمت یا حجم معاملات و چند نمودار دیگر در تحلیل‌ها بسنده می‌کنند. کما اینکه چه بسیار اطلاعاتی که می‌شود از مصورسازی خوب بدست آورد!
➖➖➖➖➖➖➖➖➖
مفاهیم مالی در پایتون
@pyfinance

#یادگیری_ماشین مانند رابطه جنسی در دبیرستان است. همه در مورد آن صحبت می‌کنند، تعداد کمی می‌دانند که باید چه کار کنند و فقط معلم شما این کار را در عمل انجام می‌دهد!

اگر تا به حال سعی کرده‌اید مطلبی درباره یادگیری ماشینی در اینترنت مطالعه کنید، به احتمال زیاد به دو نوع از منابع برخورد کرده‌اید: کتب ضخیم دانشگاهی پر از روابط ریاضی و تئوری، یا کلی گویی‌های افسانه‌ای از هوش مصنوعی، جادوی‌‌‌ #علم_داده و فرصت‌های شغلی آینده.
این مقاله یک مقدمه ساده برای کسانی است که می‌خواهند یادگیری ماشین را با یک زبان ساده و به دور از پیچیدگی‌های ریاضیاتی درک کنند. مسائل دنیای واقعی، راه حل‌های عملی، زبان ساده و بدون قضیه‌های سطح بالا از ویژگی‌های این مقاله است. چه برنامه نویس باشید و چه مدیر این فایل به کار شما می‌آید.

#پایتون #مالی #اقتصاد #داده_کاوی #خوشه_بندی
#python #Machine_learning #Data_mining

➖➖➖➖➖➖➖➖➖
مفاهیم مالی در پایتون
https://t.me/pyfinance

در ستایش مصورسازی
شاید یک دایناسور در داده‌های شما باشد!

شاید هیچ چیز بهتر از یک تصویر نتواند اهمیت مصورسازی را روشن کند. واقعیت این است که آماره‌های توصیفی (از میانگین و میانه گرفته تا ضریب همبستگی و …) هیچگاه تمام واقعیت را به شما نمی‌گویند.
خیلی از ‌پدیده‌ها را می‌شود دید، اما نمی‌شود با یک عدد و آماره آنها را بیان کرد. مثال‌هایی از وجود این پدیده‌ها در داده را می‌توان در پست‌های قبلی مثل (+) و همچنین (+) مشاهده نمایید.
علاوه بر نمونه‌های فوق، الگوهای تکرارشونده (patterns) مثل الگوهای فصلی (seasonality)، شکست‌های ساختاری(structural break) و سایر ناهنجاری‌ها (Anomaly) نظیر داده‌های پرت (Outliers data) نیز با ترسیم داده‌ها به خوبی خودشان را لو می‌دهند. هر چند برای این دست الگوها (و سایر الگوهای از این دست) آزمون‌هایی وجود دارد اما واقعیت این است که تعداد این پدیده‌ها و ناهنجاری‌ها آنقدر زیاد است که هیچ دیتاآنالیزری تمام این موارد را آزمون نمی‌کند، بلکه با “مشاهده” داده‌ها، به وجود این ‌پدیده‌ها و الگوها شک و سپس آنها را آزمون می‌کند.
➖➖➖➖➖➖➖➖➖
مفاهیم مالی در پایتون
https://t.me/pyfinance

محاسبات در پایتون!
جوری که انگار داری روی کاغذ می‌نویسی!

کتابخونه handcalcs به شما این امکان رو می‌ده که محاسبات ریاضی رو انجام بدید، اما مهمتر و قشنگ‌تر از اون اینه که فرومول‌ها رو جوری براتون بر ‌می‌گردونه که اگه می‌خواستید با دست روی کاغذ بنویسید هم اونجوری می‌نوشتید!
نمونه‌های اون رو توی ویدئو ببینید و لذت ببرید.
خلاصه که خیلی راحت کدهای محاسباتی پایتون رو به Latex تبدیل می‌کنه.
این کتابخونه رو می‌تونید از لینک زیر دانلود کنید
https://github.com/connorferster/handcalcs
➖➖➖➖➖➖➖➖➖
مفاهیم مالی در پایتون
https://t.me/pyfinance

20 دوره رایگان علم داده دانشگاه هاروارد
دسترسی به محتوای دوره + گواهینامه

در سایت دانشگاه Harvard بیش از 140دوره رایگان در زمینه های مختلف آموزشی وجود دارد که از این تعداد، بیش از 20 دوره مربوط به حوزه علم داده است.

می‌توانید از طریق لینک زیر به دوره‌های رایگان دانشگاه هاروارد دسترسی داشته باشید :👇🏼
💿 23 Free Data Science Courses

➖➖➖➖➖➖➖➖
مفاهیم مالی در پایتون
https://t.me/pyfinance

وقتی به تازگی پایتون یاد گرفتی و می‌خوای هر چی بلدی رو روی داده‌ها پیاده کنی! 😅
➖➖➖➖➖➖➖➖
مفاهیم مالی در پایتون
https://t.me/pyfinance

گزارش جامع مهارت‌های علم داده ۲۰۲۲

اخیرا گزارش سالانه مهارت‌های علم داده در سال ۲۰۲۲ با همکاری Great Learning منتشر شده است. این گزارش دیدِ جامعی به علاقه‌مندان #علم_داده درباره ابزارها و مهارت‌های کلیدی این حوزه می‌دهد و یک نقشه راه کامل برای شروع یا پیشرفت شغلی در این صنعت است.

چند نکته فوق العاده از این گزارش:

۵۵.۷٪ از افراد اعلام کرده‌اند که به صورت هفتگی برای افزایش مهارت‌هایشان مطالعه می‌کنند.

٪۸۴.۴ از متخصصان داده گفتند که، استخدام کنندگان به دنبال مهارت «#یادگیری_ماشین» به عنوان مهم ترین مهارت در هنگام استخدام هستند. پس از آن «آمار» با ۷۸.۹٪ قرار دارد.

٪۶۱.۷ از متخصصان علوم داده در حال یادگیری «فناوری‌های ابری» به عنوان مهم ترین مهارت جدید برای دانشمندان داده هسند. پس از آن، مهارت «MLO» با ۵۶.۱٪ و «Transformers» با ۵۵٪ قرار دارد.

بیش از ۹۰٪ از پایتون را به عنوان ابزاری برای مدل‌سازی‌ها استفاده می‌کنند.

برای مصورسازی به ترتیب اکسل(۶۳.۳٪)، Tableau(۵۶.۷٪) و power BI (٪۴۳.۹) بیشترین استفاده را دارند.
➖➖➖➖➖➖➖➖➖➖
مفاهیم مالی در پایتون
‏https://t.me/pyfinance

مهارت‌های پایه‌ای برای یک دانشمند داده

بر اساس گزارش جامع علم داده ۲۰۲۲، مهارت‌های حداقلی برای یک دانشمند داده، به ترتیب اهمیت به صورت زیر است:
برنامه‌نویسی
آمار
مفاهیم ‌پایه‌ای یادگیری ماشین
پیش‌پردازش داده
مصورسازی
اکسل
و…

➖➖➖➖➖➖➖➖➖➖
مفاهیم مالی در پایتون
‏https://t.me/pyfinance

🔵مقالات تخصصی من در زمینه پیش‌بینی بازارهای مالی در ژورنال‌های داخلی و خارجی
*علی رئوفی- دکتری اقتصاد مالی

1- Empirical Study on the Existence of Long-term Memory In Tehran Stock Exchange Returns: Rolling Window Approach
در این مقاله وجود حافظه در داده‌های بورسی بررسی شده است.به زبان ساده اینکه آیا می‌توان با استفاده از داده‌های روزهای گذشته،آینده بازار را پیش‌بینی کرد؟بر اساس نتایج بدست آمده داده‌های بورسی دارای حافظه حدودا سه روزه هستند و می‌توان از اطلاعات سه روز گذشته برای پیش‌بینی استفاده کرد. البته به مرور زمان این حافظه کوتاه شده و به بورس ایران به بازار کارا نزدیکتر شده است.
2- Forecasting Tehran Stock Exchange Index Returns Using a Combination of Wavelet Decomposition and Adaptive Neural Fuzzy Inference Systems
در این مقاله تلاش شده است تا شاخص کل بورس با استفاده از ترکیب ابزارهای پیشرفته نظیر شبکه عصبی مصنوعی، تجزیه موجک و منطق فازی پیش‌بینی شود.در این روش، نویزها با استفاده از تجزیه موجک حذف شده تا نوسانات اصلی راحت‌تر قابل پیش‌بینی باشد.در نهایت یک مدل با دقت پیش‌بینی بالا ارائه شده است.
3- Assessment of Gold Price Predictability and Comparison of Predictions made by Linear and Nonlinear Methods
در این مقاله پیش‌بینی‌پذیری قیمت طلا مورد بررسی قرار گرفته است و مشخص شده است و بهترین روش برای پیش‌بینی قیمت طلا معرفی شده است.
4- Comparison of Several Combined Methods for Forecasting Tehran Stock Exchange Index
در این مقاله انواع روش‌های پیشرفته پیش‌بینی مورد ارزیابی و مقایسه قرار گرفته‌اند. در نهایت روش ترکیبی شبکه عصبی مصنوعی-فازی به عنوان روش برگزیده معرفی گردیده است. در این روش جهت بازار (مثبت و منفی بودن بازده) با دقت 72 درصد قابل پیش‌بینی است.
5- Assessment and Comparison of linear and non- linear Methods for Forecasting Returns on Stock Market Index
در این مقاله روش‌های خطی و غیرخطی برای پیش‌بینی سهام مورد مقایسه قرار گرفت.در ابتدا اثبات شد که رفتار بازار غیرخطی و آشوبی است.رفتار آشوبی رفتاری است که علیرغم وجود بینظمی در ساختار خود،از یک نظم پیچیده که شاید در ظاهر قابل مشاهده نباشد پیروی می‌کند.سپس روش‌های پیش‌بینی پیشرفته با روش‌های خطی مقایسه شده است.نتایج مطابق انتظار نشان داد که روش‌هایی که توانایی مدلسازی رفتار غیرخطی را دارند بهتر از روش‌های خطی پیش‌بینی می‌کنند.
6- Forecasting OPEC Crude Oil Price Using Fuzzy Autoregressive Integrated Moving Average (FARIMA) Model
در این مقاله تلاش شده است تا قیمت نفت با استفاده از یک الگوی رگرسیون فازی مورد پیش‌بینی قرار گیرد. در نهایت مشخص شد که این روش توانایی قابل قبولی در پیش‌بینی بازار نفت نسبت به سایر روش‌ها دارد.
7- Identifying Data Generator Process of Tehran Stock Exchange, Modeling and forecasting using Soft Computing
در این مقاله داده‌های بورس از جهات مختلف مورد بررسی قرار گرفته است.با شناسایی خصوصیات مختلف شامل حافظه‌مند بودن، کارا بودن، آشوبی بودن و نامتقارن بودن یک الگوی پیش‌بینی قابل قبول ارائه گردد.مشخص شد که شوک‌های مثبت و منفی در بازار سهام متقارن نیستند و شوک‌های منفی بزرگتر از شوک‌های مثبت است.همینطور بازار سهام یک بازار آشوبی و حافظه‌مند است و مدلی که قرار است پیش‌بینی بازار را بر عهده بگیرد باید این خصوصیات را مدل کند.
8- Evaluation and comparison of performance of ANFIS and ARIMA in forecasting the daily gold prices
در این مقاله دو روش مختلف آریما(اقتصادسنجی)و شبکه عصبی فازی (محاسبات نرم) برای پیش‌بینی قیمت سکه تمام بهار آزادی مورد استفاده و مقایسه قرار گرفت که روش شبکه عصبی فازی با دقت بسیار بالایی توانایی خود را در پیش‌بینی این بازار نشان داد
9- The Existence of Long Memory Property in OPEC Oil Prices
در این مقاله قیمت نفت اوپک مورد ارزیابی قرار گرفته است و پیش‌بینی پذیری آن سنجش شده است.نتایج نشان می‌دهد که پیش‌بینی پذیری بازار نفت اگرچه کار دشواری است با این حال غیر ممکن نیست.
10- Evaluation and Comparison of Forecast Performance of Linear and Non-linear Methods for Daily Returns of Tehran Stock Exchange
در این مقاله انواع روش‌های نوین پیش‌بینی بازار سهام مورد بررسی قرار گرفته است و مهمترین روش‌ها با یکدیگر مقایسه شده است.
11- The Role of Feature Engineering in Prediction of Tehran Stock Exchange Index Based on LSTM
.
12- A Comprehensive Study of Market Prediction from Efficient Market Hypothesis up to Late Intelligent Market Prediction Approaches
.
لیست کامل مقالات را اینجا (+) مطالعه بفرمایید

۵۰۰ پروژه یادگیری ماشین در دنیای واقعی!
 
این مخزن شامل مطالعاتِ موردی متعددی در زمینه‌های مختلف یادگیری ماشین است. پروژه‌های شرکت‌هایی مانند آمازون، فیس‌بوک، Airbnb ،Spotify و... در این مخزن قرار دارد.

این پروژه‌ها در دسته‌های کاملا کاربردی مطابق عکس زیر تقسیم‌بندی شده‌اند.

لینک دسترسی به پروژه‌ها:
https://github.com/eugeneyan/applied-ml

➖➖➖➖➖➖➖➖➖➖
مفاهیم مالی در پایتون
‏https://t.me/pyfinance

تولید محتوا با هوش مصنوعی
حتی به زبان فارسی!!

#استارتاپ ریتر به نشانی
https://rytr.me
یک نرم‌افزار مبتنی بر هوش مصنوعی است که می‌تواند به عنوان یک دستیار برای شما تولید محتوا کند!
کافیست عبارات کلیدی در مورد متنی که می‌خواهید را به آن بدهید، نرم‌افزار یک متن کامل متناسب با نیازتان (مثلا ایمیل، بلاگ‌پست، صفحه‌ی فرود و...) را به کمک هوش‌مصنوعی آماده می‌کند و شما می‌توانید از نوشته‌های آن ایده بگیرید
این نرم‌افزار رایگان است و از زبان پارسی نیز پشتیبانی می‌کند.

➖➖➖➖➖➖➖➖➖➖
مفاهیم مالی در پایتون
‏https://t.me/pyfinance

رو خودت درست سرمایه‌گذاری کن!

‌‎خوب یادم هست تا همین چند سال پیش یکی از افتخاراتم این بود که چند #کلانشهر ایران را مثل کف دست بلدم. #تهران، #شیراز، #اهواز و اصفهان حداقل چند شهری بود که به سبب زندگی، #تحصیل و یا رفت و آمدهای مکرر خوب می‌شناختم. اما حالا این توانایی به واسطه نقشه‌های #آنلاین نه تنها توانایی محسوب نمی‌شود که اگر به کسی بگویید «من خودم مسیرها را بلدم و به اپلیکیشن نشان، ویز و.... نیازی ندارم» قطعا با نگاهی عاقل اندر سفیهانه،حداقل در دلش، خواهد گفت «چه آدم عقب مانده از تکنولوژی‌ای». بله تکنولوژی به همین سرعت داشته‌ها و مهارت‌های شما را خواهد بلعید.مثلا تا چندسال دیگر به لطف همین خودروهای بدون سرنشین که در چند شهر جهان به صورت پایلوت در حال آزمایش است، گفتن عبارتی نظیر «من رانندگی بلدم» بی‌معنی خواهد بود و شاید برای نسل‌های بعدمان دستمایه خوبی برای خندیدن! همه ما می‌توانیم چهره نسل بعد را در حالی که داریم راجع به مصائب دنده عوض کردن ماشین پیکان توضیح می‌دهیم را تصور کنیم! یا قطعا خیلی زود، پیشرفت تکنولوژی در ماشین‌های مترجم و سخنگو، عبارت‌هایی نظیر «من #انگلیسی بلدم»، «من می‌توانم به چهار زبان زنده دنیا صحبت کنم» را از دایره جملات متفاخرگونه بشری حذف خواهد کرد. در دنیایی که ماشین‌ها توانایی صحبت کردن به صدها زبان زنده و مرده دنیا را خواهند داشت، در بهترین حالت ممکن،انسانِ مسلط به چند زبان را به مقام «صنایع زبانی»، مانند «صنایع دستی» که علی‌رغم ظهور غول‌های صنعتی همچنان ارزشمند و جذاب هستند،نایل کنند.با همین عمر کوتاه خودمان هم که به دنیا نگاه کنیم،چه شغل‌ها و مهارت‌ها که به دلیل پیشرفت #تکنولوژی از بین نرفته و چه شغل‌ها و مهارت‌هایی که به دلیل همین تکنولوژی خلق نشده‌اند.تازه این ابتدای راه است و سرعت رشد و ضریب نفوذ تکنولوژی هر روز بیشتر و بیشتر می‌شود. غرض از این مقدمه نسبتا مفصل ترساندن شما از آینده سراسر تکنولوژیکی و تسخیر بشر توسط ربات‌ها نیست،کما اینکه قرار هم نیست تصویر درخشانی از این آینده تصویر کنیم!!هدف من این است که بگویم، اگر بر توانایی‌های درستی سرمایه‌گذاری نکنید،خیلی زودتر از دیگران داشته‌های شما را تکنولوژی خواهد بلعید!
خودتان چند مثال از تاثیر تکنولوژی بر بازارهای مالی را نام ببرید.چراغ اول را من روشن می‌کنم؛ بلاکچین، معاملات الگوریتمی و…
‌‎پ ن؛از دید من هیچ گریزی از تکنولوژی نیست و بهتر است به جای فکرکردن راجع به آینده با آن، فکر کنیم چطور می‌توانیم جزیی از آن باشیم!

نوشته‌های بیشتر در 👇👇

https://www.instagram.com/p/CcQRh0FNA8Y/?igshid=YmMyMTA2M2Y=

➖➖➖➖➖➖➖➖➖➖
مفاهیم مالی در پایتون