✅مهارت‌هایی که زود رنگ می‌بازند!
علی رئوفی، پژوهشگر اقتصاد

خوب یادم هست تا همین چند سال پیش یکی از افتخاراتم این بود که چند کلان شهر ایران را مثل کف دست بلدم. شیراز، اهواز، اصفهان و تهران 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 گوگل‌مپ و 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 ماشین‌های بدون سرنشین که تازگی‌ها در چند شهر جهان نیز 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!! مثلا همه ما می‌توانیم چهره نسل بعد را در حالی که داریم راجع به مصائب دنده عوض کردن ماشین پراید و پیکان توضیح می‌دهیم تصور کنیم! یا قطعا به همین زودی، با پیشرفت تکنولوژیِ ماشین‌های مترجم و سخنگو، عبارتی نظیر «من زبان انگلیسی بلدم»، «من می‌توانم به چهار زبان زنده دنیا صحبت کنم» و... از دایره جملات متفاخرگونه بشری حذف خواهد شد. 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» نایل کنند (مانند «صنایع دستی» که علی‌رغم ظهور غول‌های صنعتی همچنان ارزشمند و جذاب هستند). با همین عمر کوتاه خودمان هم که به دنیا نگاه کنیم، در همین بیست سال گذشته، 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.

پ ن: از دید من هیچ گریزی از تکنولوژی نیست و بهتر است به جای فکر کردن راجع به آینده با آن، فکر کنیم چطور می‌توانیم جزیی از آن باشیم!
➖➖➖➖➖➖➖
✅ @ecoraoofi
🌐 @ecoraoofi

🤖 هوش مصنوعی ‌GPT-4o رونمایی شد؛
حیرت‌انگیز، پرسرعت و رایگان!

در واقع GPT-4o نسخه‌ی اصلاح‌شده‌ GPT-4 است که به‌عنوان قلب تپنده‌ چت‌بات معروف ChatGPT عمل می‌کند. حرف o در عبارت GPT-4o مخفف Omni به معنی عالم‌گیر یا جهانی است.

شرکت OpenAI می‌گوید که GPT-4o به رایگان در دسترس همه مردم قرار می‌گیرد.

مدیرعامل OpenAI، اعلام کرد که مدل GPT-4o افزون‌بر متن، می‌تواند محتواهای صوتی و تصویری را تولید کند و بفهمد.

در ویدئوی زیر یک زوج جوان در حال بازی سنگ کاغذ قیچی با نسخه جدید ChatGPT هستند.

✅ @pyfinance

▶️هوش‌مصنوعی و تنهایی انسان مدرن!

چقدر صدا و لحن هوش مصنوعی چت چی‌پی‌تی آدم رو یاد فیلم Her می‌ندازه!

زمانی که فیلم علمی- تخیلی- درام Her ساخته شد شاید جنبه تخیلی اون بر جنبه علمیش غالب بود، اما الان شاید بتونیم بگیم برعکس شده (اما بخش درامش همچنان پابرجاست). فیلمی که با موضوع خارق‌العاده، سکانس‌های بی‌نظیر و فیلم برداری عالی، تنهایی انسان مدرن رو در ازدحام آدم‌ها و آسمان خراش‌ها بارها و بارها به تصویر می‌کشه.

در این فیلم، دستیار صوتی سامانتا با صداپیشگی اسکارلت جوهانسون، نقش همدم تئودور که مردی درون‌گرا، منزوی و در آستانه طلاقه رو ایفا می‌کنه. سامانتا همیشه در دسترسه و با علاقه و دقیق به حرف‌های تئودور گوش می‌ده. درکش می‌کنه و ازش حمایت می‌کنه و این مساله باعث می‌شه تئودور به دستیار صوتیش وابسته بشه و…

تو جامعه‌ای که آدم‌ها خیلی سخت درک می‌شن، ترس از پذیرفته شدن دارند و غرق در دنیای دیجیتال و مجازی، فکر کن هوش‌مصنوعی پیدا بشه که پذیرای تو باشه، همه جوره درکت کنه، برات آهنگ مورد علاقت رو بخونه و...

خلاصه که وضعیت انسان مدرن خیلی شبیه تئودور شده و هوش‌مصنوعی هم شبیه سامانتا!

جالبه که بدونید فیلم در سال ۲۰۱۳ تولید شده و داره دنیا رو در سال ۲۰۲۵ روایت میکنه! یعنی همین سال آینده

📱 مدیر عامل OpenAi، بعد از رونمایی هوش‌مصنوعی GPT-4o کلمه Her رو توییت کرده که اشاره به همین مساله داره.

✅ @pyfinance

📖کتاب «مدل‌سازی ریسک اعتباری»
مبانی نظری، ابزارهای تشخیص، مثال‌های عملی و کاربردهای عددی در پایتون

❗️این روزها با پیچیده شدن فضای اقتصادی و پیدایش ابزارهای نوین مالی و اعتباری، شناسایی ریسک مشتریان به یکی از مهم‌ترین دغدغه‌های نهادهای مالی نظیر بانک، بیمه و … تبدیل شده است. بر این اساس مدلسازی ریسک اعتباری به یکی از موضوعات جذاب و کاربردی در حوزه مالی خصوصا در ایران تبدیل شده است.
❗️در این کتاب ابتدا مبانی ریسک اعتباری به زبان ساده توضیح داده شده و سپس مثال‌های کاربردی با زبان پایتون برای درک بهتر ارائه شده است.

📎این کتاب را از اینجا (+) دانلود کنید.

✅ @pyfinance

📖کتاب «مدل‌سازی ریسک اعتبار»
مبانی نظری، ابزارهای تشخیص، مثال‌های عملی و کاربردهای عددی در پایتون

«Credit-Risk Modelling: Theoretical Foundations, Diagnostic Tools, Practical Examples, and Numerical Recipes in Python»

✅ @pyfinance

✔️تراکم عرضه املاک در مناطق تهران

همانطور که در تصویر بالا قابل مشاهده است، بیشترین تراکم آگهی‌های ملکی ارائه شده در دیوار در سه منطقه زیر است:
1️⃣ غرب (منطقه ۵ و غرب اتوبان یادگارامام مثل مناطق پوک، جنت آباد، فردوس و ...)
2️⃣شرق (منطقه ۴ و ۸، شرق اتوبان امام علی (ع) مثل مناطق نارمک و تهران‌پارس)
3️⃣ جنوب (منطقه ۲۰، پایین‌تر از آزادگان شامل شهر ری)

🔹نکته اول: تمامی مناطق تراکم یکسانی ندارند. مثلا جنوب غرب میدان آزادی (مناطق ۹ و ۲۱)، اصولا کم تراکم هستند و طبیعتا تراکم عرضه هم کم است. بنابراین بهتر می‌بود تراکم عرضه در هر منطقه را به نسبت کل املاک موجود در آن منطقه می‌سنجیدیم. که جلسات مشاوره‌ خصوصی ارائه می‌کنم.
🔹نکته دوم: هر چند بیشترین عرضه املاک در مناطق ۴،۵، ۸ و ۲۰ بوده است اما حدود ۳۰ درصد کل معاملات نیز در همین مناطق بوده.
🔹نکته سوم: سهم منطقه ۵ از کل معاملات حدود ۱۵ درصد کل تهران، و مجموع مناطق ۴ و ۸ نیز ۱۴ درصد و منطقه ۲۰ حدود ۱ درصد بوده است.
🔹نکته چهارم: سهم منطقه ۵ از تعداد معاملات در سه ماهه اخیر دائما کاهشی (حدود ۳ درصد) و مناطق شرقی و جنوبی با رشد کمتر از نیم درصد افزایشی بوده است.
🔹نکته پنجم: علت این مساله شاید حباب املاک در قسمت غرب باشد که در شرایط رکودی خودش را نشان می‌دهد.
🔹نکته ششم: خیلی از املاک لوکس مناطق ۱ و ۳ آگهی نمیشن! شاید یکی از دلایل کم بودن تراکم در مناطق شمالی همین باشه.
🔹نکته هفتم: نکته زیادی در این دیتا وجود داره، اما دیگه کپشن جا نداره. بنابراین اگر علاقه‌مند بودید لایک کنید و به اشتراک بگذارید تا پست بعدی هم به زودی قرار بدم.

❗️پ‌ن: تحلیل مشابهی هم برای املاک رهن و اجاره ارائه خواهم کرد.

✅@ecoraoofi

🤖پیش‌بینی ایلان ماسک از آینده

🔹هوش مصنوعی جایگزین همه مشاغل می‌شود/ افراد [فقط] می‌توانند در صورت تمایل به صورت تفریحی به کاری مشغول شوند

🔹ماسک آینده‌ای را توصیف کرد که در آن مشاغل «اختیاری» خواهند بود و افراد می‌توانند در صورت تمایل به صورت تفریحی به کاری مشغول شوند. او گفت در این آینده، هوش مصنوعی و ربات‌ها قادر به تامین تمامی کالاها و خدمات مورد نیاز انسان خواهند بود.

🔹وی همچنین نگرانی خود را نسبت به آینده هوش مصنوعی ابراز کرد و آن را «بزرگترین ترس» خود نامید.

🔹ماسک با طرح این پرسش که آیا در چنین آینده‌ای انسان‌ها احساس رضایت عاطفی خواهند داشت، گفت «اگر کامپیوترها و ربات‌ها بتوانند همه کارها را بهتر از ما انجام دهند، آیا زندگی ما معنا خواهد داشت؟ شاید هنوز نقشی برای انسان‌ها در این آینده وجود داشته باشد، این که ما به هوش مصنوعی معنا ببخشیم.»

✅@pyfinance

🧠 دوره جامع و آنلاین
مدلسازی و پیش‌بینی با هوش‌مصنوعی

🙅‍♀️ آخرین مهلت ثبت‌نام با ۳۰% تخفیف

🇮🇷 ارائه #مدرک معتبر و قابل ترجمه

کسب اطلاعات بیشتر پیام دهید. 👇
🔖 @data_vest

➖➖➖➖➖➖
✅@pyfinance

🆕 دوره جامع و آنلاین
بهینه‌سازی سبد دارایی با پایتون

🔻 شامل:
۱۸ ساعت پایتون مالی +
۳۰ ساعت بهینه‌سازی سبد

📉۳۰% تخفیف + پرداخت اقساطی

🇮🇷 ارائه #مدرک معتبر و قابل ترجمه

کسب اطلاعات بیشتر پیام دهید. 👇
🔖 @data_vest

➖➖➖➖➖➖
✅@ecoraoofi

🐍 آنالیز داده با پایتون

پایتون با داشتن کتابخانه‌های بسیار، یکی از بهترین ابزارها برای انجام تحلیل داده است. در ادامه به برخی از کتابخانه‌های مهم تحلیل داده با پایتون اشاره شده است.

1️⃣کتابخانه NumPy: کتابخانه‌ای برای محاسبات علمی که توانایی ایجاد آرایه‌های چند بعدی را دارد. این کتابخانه به عنوان پایه برای کتابخانه‌های دیگری مانند Pandas و Scikit-Learn استفاده می‌شود.

2️⃣کتابخانه Pandas: کتابخانه‌ای بسیار فوق‌العاده برای تحلیل داده که با انواع داده‌ کار می‌کند. این کتابخانه قابلیت‌هایی مانند ایجاد دیتافریم، انجام عملیات روی داده‌ها، ترکیب داده‌ها، فیلتر کردن و … را دارد.

3️⃣کتابخانه Matplotlib: یک کتابخانه برای ترسیم نمودار‌ است. این کتابخانه امکان ترسیم انواع نمودارهای مختلف مانند نمودار خطی، نمودار نقطه‌ای، نمودار شعاعی و… را فراهم می‌کند.

4️⃣کتابخانه Seaborn: یک کتابخانه برای ترسیم نمودارهای زیبا و جذاب است. این کتابخانه قابلیت‌هایی مانند ترسیم نمودارهای چند متغیره، نمودارهای توزیع، نمودارهای رابطه و… را دارد.

5️⃣کتابخانه Scikit-Learn: یک کتابخانه برای یادگیری ماشین است که به صورت گسترده‌ای در تحلیل داده‌ها استفاده می‌شود. این کتابخانه قابلیت‌هایی مانند ایجاد مدل‌های یادگیری ماشین، ارزیابی مدل‌ها، پیش‌پردازش داده‌ها و… را دارد.

6️⃣کتابخانه Statsmodels: یک کتابخانه برای مدل‌سازی آماری است. این کتابخانه قابلیت‌هایی مانند ایجاد مدل‌های آماری، تحلیل داده‌های زمانی، تحلیل رگرسیونی و… را دارد.

7️⃣کتابخانه TensorFlow: یک کتابخانه برای یادگیری عمیق است که برای ایجاد مدل‌های پیچیده‌ی یادگیری ماشین استفاده می‌شود. این کتابخانه قابلیت‌هایی مانند ایجاد شبکه‌های عصبی، ارزیابی مدل‌ها، پردازش تصویر و… را دارد.

✅@pyfinance

🤖 تقریبا تمام قابلیت‌های ChatGPT رایگان شد

🟡شرکت OpenAI اعلام کرد دسترسی #رایگان تمام کاربران ChatGPT به امکاناتی نظیر دریافت پاسخ از اینترنت، تحلیل تصویر، آنالیز داده، رسم نمودار و... فراهم شده است.
🟡بعضی قابلیت‌ها از جمله ساخت GPT سفارشی، خلق تصویر و استفاده از GPT-4o با محدودیت کمتر، همچنان به‌شکل انحصاری در اختیار مشترکین ChatGPT پلاس قرار خواهد داشت.
🟡قابلیت آنالیز داده که به تازگی رایگان شده هم محدوده و نمیشه از یه مقداری بیشتر باهاش کار کرد. اما خیلی کاربردی هست، به خصوص برای کسانی که دانش کدنویسی ندارن و نیاز دارن دیتایی رو آنالیز کنن.

🐍@PyFinance
.

❗️آخرین مهلت ثبت‌نام با تخفیف

دوره‌های پرمتقاضی دیتاوست:
🔵دوره معاملات الگوریتمی با پایتون
🔴دوره بهینه‌سازی سبد دارایی با پایتون
🔵دوره مدلسازی و پیش‌بینی با هوش‌مصنوعی
🔴دوره هوش‌مصنوعی و علم داده در مالی
🔵دوره تحلیل تکنیکال هوشمند با پایتون
🔴دوره پایتون مالی

⚠️ کد تخفیف ۳۰ درصدی
📉 ecoraoofi

❗️پرداخت اقساطی (دریافت شرایط)

🟡رزومه مدرس (دکتر علی رئوفی+)

🔻دریافت اطلاعات بیشتر 👈 @data_vest

🔻مشاهده دوره‌های بیشتر:
🌐datavest.ir
.

💻 هوش‌مصنوعی و پیش‌بینی بازارهای مالی

اگر علاقه‌مند به یادگیری مهارت علم داده و هوش‌مصنوعی هستید پیج ما را دنبال کنید

✅@PyFinance

⚠️مهم‌ترین کتابخانه‌های پایتون برای علوم داده

🟡 کتابخانه NumPy : لینک
🔴 کتابخانه pandas : لینک
🟡 کتابخانه Matplotlib : لینک
◻️ کتابخانه seaborn : لینک
🟡 کتابخانه SciPy : لینک
🔴 ابزار NLTK : لینک
🟡 کتابخانه scikit-learn : لینک
◻️ کتابخانه spaCy : لینک
🟡 پکیج statsmodels : لینک
🔴 فریم‌ورک Scrapy : لینک
🟡 کتابخانه TensorFlow : لینک
◻️ کتابخانه Keras : لینک
🟡 کتابخانه Plotly : لینک
🔴 کتابخانه Folium : لینک
🟡 کتابخانه Beautiful Soup : لینک
◻️ کتابخانه NetworkX : لینک
🟡 فریم‌ورک PyTorch : لینک
🔴 کتابخانه Polars : لینک
🟡 کتابخانه scikit-image : لینک
◻️ فریم‌ورک LightGBM : لینک
🟡 کتابخانه PyOD : لینک
🔴 کتابخانه Dask : لینک
🟡 کتابخانه Bokeh : لینک
◻️ کتابخانه AutoViz : لینک
➖➖➖➖➖➖➖➖➖➖
✅افزایش دانش مالی با پایتون در تلگرام
https://news.1rj.ru/str/pyfinance
.

🔴قابلیت جدید شرکت perplexity با عنوان pages

🟡این قابلیت درواقع با استفاده از قابلیت سرچ اینترنت این شرکت، براتون چیزی شبیه یک پست یا گزارش به همراه ذکر منبع به صورتی ساختار یافته و ترتمیز درست میکنه

🟡می‌تونین بهش بگین که سطح تخصصی بودنش چقدر باشه یا برای چه مخاطب هدفی بنویسه

🟡کل چیزی که تولید میکنه قابل ادیت هست و میتونین هرجایی رو خواستین تغییر بدین

🟡فقط هم متن تولید نمیکنه بلکه محتوای بصری هم به چیزی که تولید میکنه اضافه میکنه

🟡نکته مهمش اینه که این صفحات قابلیت به اشتراک گذاری و انتشار هستن و از جهت SEO بهینه شدن و درنتیجه همین الان موتورهای جستحو درحال پیدا کردنشون هستن!!

🟡به نظرم برای کسایی که حوزه تولید محتوای متنی کار میکنن خیلی خبر مهمیه و البته نوشتن گزارش های دانشگاه و ای بوک خیلی خیلی راحت شده

🔻اینجا میتونین بیشتر در موردش بخونین

❗️افزایش دانش هوش‌مصنوعی در حوزه مالی
✅@PyFinance
.

🔴محاسبه میانگین متحرک برای داده‌های بورس تهران

کد زیر میانگین متحرک ۲۰ روزه را برای نماد #خودرو محاسبه کرده و نمودار آن را به همراه قیمت سهم نمایش می‌دهد.
@PyFinance

#Telegram ID: @PyFinance
#کتابخانه های مورد نیاز
import finpy_tse as pyf 
import matplotlib.pyplot as plt
#فراخوانی داده
start = '1402-03-21' 
end   = '1403-03-21'
Data = pyf.Get_Price_History('خودرو', start, end)
#محاسبه میانگین متحرک
Data['Moving_Avg'] = Data['Close'].rolling(window=21).mean()
#ترسیم
plt.plot(Data['Close'], label='Close')
plt.plot(Data['Moving_Avg'], label='20-day Moving Avg', color='orange')
plt.legend();

🔻 امروزه در بازارهای مالی با انبوهی از داده‌ها روبرو هستیم. تحلیلگران باید عوامل کلیدی موثر را شناسایی کنند و اینجاست که هوش مصنوعی می‌تواند نقش حیاتی ایفا کند.

بهترین تصمیمات مالی با تحلیل هوشمندانه داده‌ها صورت می‌گیرد.

دوره‌های پرمتقاضی دیتاوست:
🟡دوره بهینه‌سازی سبد دارایی با پایتون
🟡دوره مدلسازی و پیش‌بینی با هوش‌مصنوعی
🟡دوره معاملات الگوریتمی با پایتون

❗️اطلاع از سایر دوره: @data_vest
➖➖➖➖➖➖
افزایش دانش مالی با دکتر علی رئوفی
✅@ecoraoofi

⭕️ بررسی رابطه سهام با مسکن!
در حال حاضر کدام جذاب‌تر است؟

🟡شاخص قیمت بورس نسبت به قیمت آپارتمان در تهران دارای یک روند خنثی است که اطراف میانگین ۱۲۲ واحد در نوسان است.
🟡هر وقت مقدار این شاخص کمتر از میانگین است به معنی ارزان‌تر بودن بورس نسبت به ملک و هر وقت بیش از میانگین باشد نشان از بیش ارزش‌گذاری بورس نسبت به ملک است.
🟡به طور مثال در سال ۹۹ این شاخص به ۲۹۵ رسیده بود که نشان از حباب در بازار سهام یا عقب ماندن ملک از بورس بود. بنابراین در سال‌های بعد ملک این عقب‌افتادگی را جبران کرد!
🟡در حال حاضر مقدار شاخص کمتر از میانگین است. بر این اساس به نظر می‌رسد بورس نسبت به مسکن عقب مانده و باید عقب‌ماندگی خود را جبران کند.

اما چند نکته؛
اول: رفتار این شاخص قبل و بعد از سال ۱۳۸۵ به دلیل رشد‌های پیاپی مسکن در سال‌های اخیر عوض شده؛ به نحوی که تا قبل از آن، شاخص عمدتا بالای میانگین و بعد از آن کمتر از میانگین بوده است. بنابراین بهتر است این دو دوره را مجزا بررسی کنیم. میانگین این شاخص برای سال‌های بعد از ۱۳۸۵ حدود ۱۰۰ است. با این حساب همچنان بورس نسبت به مسکن عقب است. و انتظار داریم این شاخص افزایش یابد و به حدود ۱۰۰ برسد.
دوم: کف این شاخص در این ۳۰ سال ۶۱ بوده و انتظار می‌رود کمترین مقدار آن در دوره اخیر بین ۶۱ تا ۶۶ باشد، بنابراین با توجه به مقدار فعلی، انتظار داریم بورس بیش از این از مسکن عقب نیفتد.
سوم: رفتار شاخص نشان می‌دهد که بورس مدت‌ها می‌تواند نسبت به مسکن ارزان‌تر بماند اما جبران این عقب‌ماندگی معمولا سریع و ناگهانی است. مثلا از سال ۹۳ تا ۹۸ بورس از مسکن عقب بود اما به ناگاه در سال ۹۹ نه تنها عقب‌ماندگی را جبران کرد که از آن نیز پیش افتاد! در حال حاضر هم دقیقا نمی‌دانیم کی بورس عقب‌افتادگی را جبران خواهد کرد اما می‌دانیم که برای جبران عقب‌ماندگی باید رشد قابل توجه و سریعی داشته باشیم.
چهارم: بعد از رشدهای ناگهانی بورس، رشدهای مسکن شروع می‌شود و مقدار این شاخص به سرعت به میانگین بازمی‌گردد. در حال حاضر ابتدا باید منتظر سیکل افزایشی بورس، سپس مسکن باشیم و این نکته مهمی برای سرمایه‌گذاری‌های آتی است.
پنجم: از همین نقطه، اگر مسکن ثابت بماند، بورس باید حداقل ۵۰ درصد رشد کند تا شاخص به عدد ۱۰۰ نزدیک شود. البته تجربه نشان داده که هر گاه بورس رشد می‌کند مقدار شاخص بیش از میانگین می‌شود، ضمن اینکه قیمت مسکن نیز ثابت نیست. پس در موج بعدی باید منتظر رشد بیش از ۵۰ درصد بورس باشیم.
➖➖➖➖➖➖
افزایش دانش مالی با دکتر علی رئوفی
✅@ecoraoofi

⭕️ شروع دوره از #فردا (۱۲ تیرماه)
دوره جامع "هوش‌مصنوعی و علم داده"

تخفیف ۳۵ درصد فقط تا پایان امروز

پاسخگویی به سوالات و ثبت‌نام:
🔖 @data_vest

❗️اطلاع از سایر دوره ها (+)
➖➖➖➖➖➖➖➖➖➖
افزایش دانش مالی با پایتون در تلگرام
https://news.1rj.ru/str/pyfinance