بهینه یابی خطی اینبار با PuLP
در پست های قبل در خصوص بهینه یابی با استفاده از کتابخانه Scipy صحبت کردیم. البته الگوریتم Scipy به گونه ای است که صرفا مسائل را از طریق minimize کردن حل می کند و برای حل مسائل حداکثر سازی باید به گونه ای مسئله را به حداقل سازی تبدیل کنیم.
یکی دیگر از کتابخانه های بسیار جالب برای حل مسائل بهینه یابی خطی کتابخانه PuLP است. این کتابخانه امکانات بسیار جالبی را برای حل مسائل بهینه یابی بدون قید و مقید در اختیار ما قرار می دهد.
در پست بعد یک مدل بهینه یابی مقید با استفاده از کتابخانه PuLP را با یکدیگر بررسی خواهیم کرد.
برای کسب اطلاعات بیشتر در این خصوص می توانید به صفحه گیت هاب این ماژول مراجعه فرمایید.
** پی نوشت: بهینه یابی یکی از پرکاربردترین روش های حل مسائل است و در مواردی مانند حداکثر سازی سود، حداقل کردن هزینه ها، انتخاب بهترین سبدسهام با استفاده مدل CAPM و ... استفاده می شود.

#بهینه_یابی
#بهینه سازی خطی
#پایتون_مالی
#optimization
#PuLP
#python_for_finance

عضویت در کانال 👇👇👇
تلگرام t.me/python4finance
بله ble.ir/python4finance

بهینه یابی خطی اینبار با PuLP (بخش دوم)
شرکتی را در نظر بگیرید که 4 محصول x1، x2،x3 و x4 را تولید می کند. این شرکت می خواهد سود خود را بر اساس تابع تولید و نیز قیدهای داده شده حداکثر کند. حل مسئله با استفاده از PuLP به این صورت خواهد بود.
نتیجه جالب است! سود شما زمانی حداکثر می شود که از کالای 1، پنج عدد و از کالای 3 ، چهل و پنج عدد و سایر کالاها صفر عدد تولید شود.

#بهینه_یابی
#بهینه سازی خطی
#پایتون_مالی
#optimization
#PuLP
#python_for_finance

عضویت در کانال 👇👇👇
تلگرام t.me/python4finance

استاندارد سازی و نرمال سازی داده ها در پایتون
عموما در بیشتر مدلها نیازمند مقایسه داده های متغیرهای مختلف هستیم. برای مثال سهمی را در نظر بگیرید که در کانال 2000 تومان در حال معامله است و سهم دیگری در کانال 500 تومان. آیا می توان این دو داده را با یکدیگر مقایسه کرد؟ پاسخ منفی است چرا که این دو سهم به لحاظ مقیاس با یکدیگر برابر نیستند. استاندارد سازی داده‌ کمک می‌کند که اهمیت آن‌ها به واحد اندازه‌گیری‌شان بستگی نداشته باشد و میانگین آن‌ها صفر (μ=0) و انحراف معیار نیز برابر با واحد (σ=۱) شود.
یکی دیگر از روش‌های تغییر مقیاس، استفاده از روش نرمال‌سازی Min-Max است (نرمال‌سازی (Normalization)). به این ترتیب علاوه بر یکسان سازی مقیاس داده‌ها، کران‌های تغییر آن‌ها نیز در بازه [0,1] خواهد بود.
استانداردسازی و نرمال سازی یکی از مهمترین ابزارهای کار با داده ها خصوصا در مدلهای مقایسه ای است.
در پست بعد مثالی در این زمنیه را با هم بررسی خواهیم کرد.

#نرمال_سازی
#استاندارد_سازی
#پایتون_مالی
#Normalization
#standardize
#python_for_finance

عضویت در کانال پایتون برای مالی👇👇👇
🆔 t.me/python4finance

استاندارد سازی و نرمال سازی داده ها در پایتون بخش دوم
در قسمت قبل در خصوص استاندارد سازی و نرمال سازی صحبت کردیم. استاندارد سازی و نرمال سازی در مدلهای یادگیری ماشین هم بسیار حائز اهمیت است.
با استفاده از کتابخانه sklearn به راحتی می توانیم عملیات استاندارد سازی و نرمال سازی و برعکس را انجام دهیم.
در مثال این پست یک دیتاست فرضی از 1 تا 100 درست می شود. یکبار استاندارد سازی شده و یکبار نرمال می شود و سپس با استفاده از matplotlib رسم هر سه دیتاست انجام می شود.

#نرمال_سازی
#استاندارد_سازی
#پایتون_مالی
#Normalization
#Standardize
#python_for_finance

عضویت در کانال پایتون برای مالی👇👇👇
🆔 t.me/python4finance

دانلود اسلایدهای درس یادگیری ماشین با گراف ها (Machine Learning with Graphs) دانشگاه استفورد
یادگیری ماشین یکی از بحث های بسیار زیبا و کاربردی است که جای خود را تقریبا در تمام عرصه های دانش باز کرده است خصوصا زمانی که داده های زیاد و مدلهای اندکی داریم، این ابزار بسیار کاربردی است.
زمانی که داده های زیادی داریم که ارتباط های خاصی بین داده ها برقرار می شود می توان از مدلهای شبکه عصبی و یادگیری عمیق استفاده کرد. گراف یکی از مهمترین ابزارها در این مدل یادگیری است و روابط بین متغیرها را دقیق تر دنبال می کند. برای مثال یک شبکه اجتماعی مثل تلگرام را در نظر بگیرید. کاربران را می توان گره ها و یال ها را می توان پیام های ارسالی و دریافتی درنظر گرفت.
دوره یادگیری ماشین با گراف های دانشگاه استنفورد یکی از پر سابقه ترین دوره های این حوزه است. در صورتی که به این دوره علاقه داشتید می توانید از طریق این لینک اطلاعات دوره را دریافت کنید.

#اسلاید
#یادگیری_ماشین
#دانشگاه_استنفورد
#پایتون_مالی
#slide
#Machine_learning
#Stanford
#python_for_finance

پایتون برای مالی در تلگرام
t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

احتمالا همه شما گزارش سال 2021 Kaggle را در خصوص وضعیت علم داده و یادگیری ماشین مشاهده کرده اید. بر اساس این گزارش تحلیل بسیار خوبی می توان از وضعیت فعلی و آینده علم داده داشت.
یکی از نکاتی که نظر من را جلب کرد اندازه تیم های علم داده و نیز شرکت های پذیرای متخصصین علم داده است.
بر اساس این گزارش شرکت های استارت آپی و نوپا (کمتر از 50 نفر ) و شرکت های بزرگ (بالای 1000) نفر مشتریان اصلی جذب دانشمندان داده در دنیا هستند.
همچنین عموم تیم های علم داده و یادگیری ماشین یا با جمعیت های کوچک کمتر از 9 نفر و یا با تعداد بالای 20 نفر شکل می گیرند که موید داده بالاست.
جمع بندی من اینکه چه بخواهید خودتان کسب و کاری راه بیندازید و در یک استارت آپ مشغول شوید یا اینکه در یک شرکت قدرتمند و بزرگ مشغول شوید، علم داده و مهارت های مدلسازی با داده ها بسیار مسیر مناسبی برای شما خواهد بود.
🌐لینک کگل
🌐لینک مستقیم گزارش

#گزارش
#کگل
#علم_داده
#یادگیری_ماشین
#Report
#Machine_learning
#Kaggle
#Data_Science
#python_for_finance

پایتون برای مالی در تلگرام
t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

بررسی واریانس در Numpy با دقت بیشتر
همه شما احتمالا با مفهوم ریسک سیستماتیک و ضریب بتا آشنا هستید. معمولا برای محاسبه بتا از روش رگرسیون یا تقسیم کواریانس بر واریانس استفاده می شود. امشب یا یکی از گروه ها در حال حل مسئله ای بودیم که متوجه شدیم به صورت پیش فرض محاسبه var در Numpy بر اساس جامعه است نه نمونه در حالی که محاسبه واریانس در ماتریس واریانس کواریانس بر اساس نمونه است! و این موضوع باعث ایجاد تفاوت در محاسبات شده بود.
برای محاسبه واریانس نمونه کافی است درجه آزادی را برابر یک قرار دهید. ( ddof=1).
می توانید موضوع فوق را در مثال بالا مشاهده بفرمایید.

#واریانس
#کواریانس
#نمونه
#جامعه
#بتا
#درجه_آزادی
#Variance
#Covariance
#Sample
#Population
#Beta
#Degree_of_freedom
#python_for_finance

پایتون برای مالی در تلگرام
t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

کشف روابط بین متغیرها با Pairplot
یکی از توانایی مهم یک مدلساز مالی و دانشمند داده توانایی استخراج نوع رابطه بین متغیر هاست. ترسیم شکل و مصورسازی داده ها از جمله توانمندی هایی است که به ما در استخراج ضمنی این روابط کمک شایانی می کند. کتابخانه Seaborn یکی از ابزارهای قدرتمند رسم شکل در پایتون است که البته از زیرساخت Matplotlib استفاده می کند.
در تصویر این پست، ابتدا داده های مربوط به سه سهم اپل، مایکروسافت و گوگل و نیز شاخص S&P500 دریافت می شود و به وسیله Pairplot در Seaborn رسم می شود.

#رسم_نمودار
#علم_داده

#Graph
#Data_scinece
#Seaborb
#python_for_finance

پایتون برای مالی در تلگرام
t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

دستور جادویی pylab%
عموما در بیشتر کارها ماژول های Numpy و Matplotib را فراخوانی می کنیم. اگر می خواهید از import هر باره این ماژول ها خلاص شوید می توانید از دستور جادویی pylab% استفاده کنید. تقریبا این دستور معادل دستورات زیر است:
from numpy import *
from matplotlib import *
(البته توجه داریم این دستور را داخل notebook یا ipython باید اجرا کنیم)

#ژوپیتر
#دستور_جادویی

#Notebook
#Numpy
#Matplotlib
#python_for_finance

پایتون برای مالی در تلگرام
t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

استفاده از پایتون در Eviews
نرم افزار Eviews یکی از بهترین بسته های نرم افزاری برای اجرای مدلهای اقتصاد سنجی است. اگرچه تقریبا تمام کارهایی که توسط این نرم افزار انجام می شود در پایتون قابل انجام است اما اینقدر این نرم افزار کاربر پسند است که نمی توان از آن صرف نظر کرد.
خوشبختانه از نسخه 11 ایویوز به بعد، امکان استفاده از پایتون در نرم افزار فراهم شده است و به راحتی می توان داده های داخل Eviews را به عنوان یک دیتافریم به پایتون فرستاد و از تمام امکانات پایتون در کنار ایویوز استفاده کرد.
در پست بعد، یک ویدئوی کوتاه را در این خصوص با شما به اشتراک خواهم گذاشت.

#ایویوز
#اقتصاد_سنجی
#پایتون
#پایتون_مالی
#Eviews
#Python_for_finance

✅عضویت در کانال پایتون برای مالی
t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

استفاده از پایتون در Eviews
در این پست یک ویدئوی کوتاه را در خصوص استفاده از پایتون در Eviews با شما به اشتراک خواهم گذاشت. زبان ویدئو انگلیسی روان است.

#ایویوز
#اقتصاد_سنجی
#پایتون
#پایتون_مالی
#ویدئو
#Eviews
#Python_for_finance
#video

✅عضویت در کانال پایتون برای مالی
t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

نگاهی گذرا به مفهوم مصور سازی داده ها
وقتی صحبت از مصور سازی داده ها یا data visualization می کنیم، خیلی ها فکر می کنند منظور استفاده از نمودارهای زیبا و رنگی است، در حالی که مصور سازی داده ها یک مفهوم بسیار فنی و دقیق دارد.
در این ویدئو نگاهی گذرا به مفهوم مصورسازی داده ها خواهیم داشت.
زبان ویدئو انگلیسی فصیح است.

#مصورسازی_داده_ها
#پایتون
#پایتون_مالی
#ویدئو
#data_visualization
#Python_for_finance
#video

✅عضویت در کانال پایتون برای مالی
t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

پایتون و SQL دو مهارت برنامه نویسی مشترک در بین دانشمندان داده در سال 2022
بر اساس گزارش سال 2022 Kaggle ، پایتون و SQL دو زبان برنامه نویسی پرتقاضا در میان دانشمندان علم داده است. R و جاوا در رتبه های سوم و چهارم قرار دارند.
(روند صعودی پایتون و نزولی R طی چهارسال اخیر مشهود است)

#گزارش2022
#کگل
#علم_داده
#یادگیری_ماشین
#Report2022
#Machine_learning
#Kaggle
#Data_Science
#python_for_finance

پایتون برای مالی در تلگرام
t.me/joinchat/AAAAAFGMkouqbsb86Vfzug