یک سایت هوش مصنوعی جالب برای تحلیل گران مالی
اگر به دنبال یک ابزار مبتنی بر هوش مصنوعی برای انجام پیش‌بینی‌های روزانه و کمک به سرمایه‌گذاران در ایجاد ثروت پایدار هستید، هوش مصنوعی stockinvest.us را به شما پیشنهاد می کنم.
به کمک این ابزار، انواع و اقسام تحلیل ها را روی یک نماد می توانید انجام دهید و جالب تر آنکه یک گزارش تحلیلی دقیق از هوش مصنوعی دریافت کنید.
برای برنامه‌نویس‌های حوزه فایننس و علاقه‌مندان به Python، این سایت می‌تونه منبع خوبی برای:
➖ ایده‌گرفتن برای ساخت سیستم‌های تحلیلی
➖ مقایسه خروجی الگوریتم‌های شخصی با تحلیل‌های آماده
➖ و بررسی منطق سیگنال‌دهی،
باشه.
البته توجه داریم که مثل همیشه، خروجی این ابزارها پیشنهاد سرمایه‌گذاری قطعی نیست و حتماً باید در کنار تحلیل شخصی و مدیریت ریسک استفاده شود.

🌐 لینک سایت : stockinvest.us
#AI


🆔 t.me/python4finance
🆔 ble.ir/python4finance

شب،
ستاره‌ها را به احترامش بیدار نگه داشته بود
و کعبه،
دلش را گشود
تا مردی متولد شود
که نامش
وزنِ عدالت داشت
و صدایش
پناهِ تمام بی‌پناهان بود…

امروز
جهان
با نام علی
دوباره متولد شد.

میلاد با سعادت مولی الموحدین، امیرالمومنین، حضرت علی‌بن ابی‌طالب (ع) مبارک باد.

#مناسبت

🆔 t.me/python4finance
🆔 ble.ir/python4finance

دوستان عزیزم سلام
ان شالله که حال همگی خوب باشه،
راستش برای ادامه فعالیت کانال می خواستم محتوا آماده کنم گفتم نظر شما رو بپرسم و متناسب با درخواست شما عزیزان محتوا آماده کنم. ممنون می شوم در نظر سنجی مشارکت داشته باشید.🌺
در ضمن امکان انتخاب چند گزینه هم وجود داره

آشنایی با مدل هوش مصنوعی Finance-Llama-8B
حتما همه شما تا الان با یکی از این چت بات های هوشمند که مبتنی بر مدل های هوش مصنوعی (LLM) هستند کار کرده اید. هوش مصنوعی هایی مانند chatgpt و deepseek و ... . این هوش مصنوعی ها بر پایه یک مدل هوش مصنوعی مدل زبانی بزرگ یا LLM ایجاد شده اند. یکی از این مدل ها؛ مدل Llama است که توسط شرکت Meta توسعه داده شده است. بر روی این مدل، با استفاده از داده های اقتصادی و مالی ، یک مدل دیگر به نام Finance-Llama-8B توسعه داده شده است که ویژگی های بسیار جالبی دارد، مثلا تحلیل صورت‌های مالی، بررسی گزارش‌های سالانه و 10-K، تحلیل بازار، ریسک و بازده و تحلیل مفاهیم اقتصاد کلان و مالی رفتاری.
می توانید صورت مالی یک شرکت را به مدل بدهید و به راحتی بخواهید که آن را تحلیل کند و نسب های مالی را استخراج کند.
دقت مدل به حدی است که در پاسخ گویی به سوالات آزمون CFA کاملا موفق عمل کرده است.
همچنین مدل در تشخیص زبان فارسی به نحو بسیار خوبی عمل می کند.
برای بررسی این مدل به صورت آنلاین می توانید از لینک زیر استفاده کنید یا مدل را روی رایانه خود نصب کنید.
🌐 بررسی آنلاین مدل Finance-Llama-8B
پی‌نوشت: بعدا ان شاء الله مطالب و آموزش هایی را در خصوص اصول کار LLM ها و راهنمای استفاده از مدلهای هوش مصنوعی روی رایانه های شخصی در کانال قرار می دهم. اگر علاقه مند بودید که آموزش این موضوع با اولویت در کانال منتشر شود، لطفا با ❤️ اعلام نمایید.

#AI

🆔 t.me/python4finance
🆔 ble.ir/python4finance

میلاد با سعادت منجی عالم بشریت، حضرت مهدی موعود (ع) مبارک باد.

#مناسبت

🆔 t.me/python4finance
🆔 ble.ir/python4finance

معرفی کتاب «اقتصاد سنجی و علم داده» به انگلیسی «Econometrics and Data Science»
این کتاب با نگاهی حرفه‌ای و کاربردی، پلی میان اقتصادسنجی کلاسیک و علم داده و یادگیری ماشین ایجاد می‌کند و نشان می‌دهد چگونه می‌توان مسائل اقتصادی را با رویکردی مدرن و مبتنی بر داده حل‌وفصل کرد. نویسنده از مفاهیم پایه‌ای مانند واریانس، کوواریانس و رگرسیون حداقل مربعات شروع کرده و به ارزیابی مدل‌ها، تحلیل باقیمانده‌ها و تفسیر نتایج می‌پردازد. سپس با فاصله گرفتن از مدل‌های سنتی سری زمانی، مدل‌های جمع‌پذیر غیرخطی را معرفی می‌کند. کتاب همچنین به مدل‌سازی غیرخطی از طریق رگرسیون لجستیک، مدل‌های مارکوف پنهان و خوشه‌بندی K-Means می‌پردازد. در ادامه، کاربرد عملی یادگیری عمیق، شبیه‌سازی مونت‌کارلو و مدل‌یابی معادلات ساختاری برای تحلیل روابط علّی تشریح می‌شود. تمامی مباحث با استفاده از پایتون و کتابخانه‌های کلیدی مانند Scikit-Learn، Keras و Pandas پیاده‌سازی شده‌اند. این کتاب منبعی ارزشمند برای تحلیلگران مالی است که به‌دنبال ارتقای مهارت‌های تحلیلی خود با ابزارهای نوین داده‌محور هستند.
#معرفی_کتاب
#اقتصاد_سنجی
#یادگیری_ماشین

🆔 @python4finance

دانلود کتاب «اقتصاد سنجی و علم داده» به انگلیسی «Econometrics and Data Science»
این کتاب منبعی ارزشمند برای تحلیلگران مالی است که به‌دنبال ارتقای مهارت‌های تحلیلی خود با ابزارهای نوین داده‌محور هستند.

#دانلود_کتاب
#اقتصاد_سنجی
#یادگیری_ماشین

🆔 @python4finance

معرفی ابزار Msty — تجربه‌ای متفاوت برای کار با LLMهای لوکال .بخش اول

معرفی ابزار Msty — تجربه‌ای متفاوت برای کار با LLMهای لوکال

اگر با ابزارهایی مثل Ollama کار کرده باشید، احتمالاً می‌دانید که اجرای مدل‌های زبانی به‌صورت لوکال دیگر مثل گذشته پیچیده نیست. اینکه با وجود اینهمه مدلهای آنلاین چرا نیاز به استفاده آفلاین از مدلها داریم ممکن است به دلایل زیر باشد:
1- عدم دسترسی دائمی به اینترنت
2- حجم بالای استفاده از مدل ها (مدلهای رایگان معمولا تعداد کمی درخواست را در روز پردازش می کنند)
3- امنیت اطلاعات یا داده های شخصی، خیلی از اوقات امنیت مطالبی که می خواهیم بررسی کنیم بسیار بالاست و نمی خواهم در اینترنت پخش شود.
4- افزایش دانش مدل در یک حوزه خاص (با Fine Tunning یا RAG و...)
5- توسعه پلت فرم شخصی

ابزارهای مختلفی برای استفاده آفلاین مدلهای LLM وجود دارد که برخی از معروف ترین آنها عبارتند از :
Ollama , LmStudio , Pinokio , MSTY , ...

ادامه در پست بعد ...

#AI
#LLM
#LocalAI
#Python

پایتون برای مالی

🆔 t.me/python4finance
🆔 ble.ir/python4finance

معرفی ابزار Msty — تجربه‌ای متفاوت برای کار با LLMهای لوکال . بخش دوم

... ادامه از پست قبل

در این پست به ابزاری به نام Msty می پردازیم. Msty تلاش کرده یک لایه بالاتر از صرفاً اجرای مدل‌ها ایجاد کند و محیطی یکپارچه برای کار روزمره با AI بسازد.
شعار Msty هم بسیار جالب است: Simple.Powerful.Priveate

به‌طور خلاصه، اگر Ollama را موتور اجرای مدل‌ها در نظر بگیریم، Msty بیشتر شبیه یک استودیو یا رابط کاربری کامل برای مدیریت پروژه‌های مبتنی بر هوش مصنوعی است.

برخی امکانات قابل توجه:
• اجرای مدل‌های مختلف به‌صورت محلی با تمرکز روی Privacy
• رابط کاربری گرافیکی برای مدیریت گفتگوها
• امکان اتصال به Ollama و سایر سرویس‌های مدل
• ساخت Knowledge Base و کار با فایل‌ها (RAG). خیلی خلاصه بخواهم عرض کنم به راحتی با این ابزار می توانید فایل های خود را به مدل بدهید و بعد سوالات خود را از مدل بر اساس اطلاعات فایل ها دریافت کنید 😳
• مقایسه خروجی چند مدل در یک محیط

چرا ممکن است برای فعالان حوزه دیتا و برنامه‌نویسی جالب باشد؟
چون به‌جای نوشتن اسکریپت‌های متعدد یا کار مستقیم با API، می‌توان سریع‌تر ایده‌ها را تست کرد و workflowهای تحلیلی ساخت.

اگر به سمت استفاده از مدل‌های متن‌باز و اجرای لوکال حرکت می‌کنید، بد نیست Msty را هم کنار ابزارهای فعلی خود بررسی کنید.

اگر به این ابزار علاقه مند بودید سری به سایت msty.ai بزنید و نسخه مورد نظر خود را دانلود کنید.
در پست های آتی در خصوص همه این موارد و البته شیوه به کارگیری آنها در فضای اقتصاد و مالی صحبت خواهم کرد ان شاء الله .


#AI
#LLM
#LocalAI
#Python

پایتون برای مالی

🆔 t.me/python4finance
🆔 ble.ir/python4finance

سلام خدمت همه دوستان
مشکل فرم ارتباط با من برطرف شد.
برای ثبت نظرات، پیشنهادات و درخواست ها می توانید از طریق فرم زیر با من در ارتباط باشید.

ارتباط با من
b2n.ir/y72935